如何将布尔型Pandas DataFrame转换为分类Series

方法1：使用idxmax（最简洁，适配你的场景） #

布尔值中True等价于1、False等价于0，你的DataFrame每行恰好只有一个True值，直接调用idxmax方法即可返回每行最大值对应的列名，完全符合需求：

import pandas as pd

# 构造示例DataFrame，和你给出的结构一致
df = pd.DataFrame({
    'A': [False, False, False, False, True],
    'B': [False, True, True, True, False],
    'C': [False]*5,
    'D': [False]*5,
    'E': [False]*5,
    'F': [True, False, False, False, False]
})

# 核心转换代码，直接得到目标Series
classes_series = df.idxmax(axis=1).rename('Classes')

方法2：使用dot方法（可选，逻辑直观） #

利用矩阵点乘的特性，也可以快速得到结果，逻辑更易理解：

classes_series = df.dot(df.columns).rename('Classes')

运行逻辑：每行只有一个True，点乘后只会保留该True对应的列名字符串。

结果验证 #

输出classes_series即可得到你需要的结构：

0    F
1    B
2    B
3    B
4    A
Name: Classes, dtype: object

如果你需要把Series的 dtype 转为分类类型，可以追加一步类型转换：

classes_series = classes_series.astype('category')

注意：以上两种方法均适配你当前「每行仅一个True」的场景，如果后续业务中出现一行有多个True的情况，idxmax会返回第一个出现的True对应的列名，dot会将所有True对应的列名直接拼接为字符串。

内容的提问来源于stack exchange，提问作者tharchen