pd.to_numeric处理布尔值下转浮点时NA改变输出的原因及实现方法

为什么列中引入NA后pd.to_numeric的输出结果发生变化 #

这是pandas对不同dtype列的处理逻辑差异导致的：

• 原生bool dtype的列无法存储NA值，当列中插入None/NA时，pandas会自动将整列的dtype提升为object，用来兼容布尔值和空值
• pd.to_numeric处理纯bool dtype的列时，会直接返回原列不做类型转换，所以你第一个示例的输出还是bool类型的False
• pd.to_numeric处理object dtype的列时，会逐个解析元素：布尔值会被映射为对应的数值（False=0，True=1），空值会被errors='coerce'转为NaN，最终输出float类型的结果

如何用pd.to_numeric将bool类型列转为float，实现False转0、True转1 #

你只需要先把bool列强制转为object dtype，再调用pd.to_numeric即可，不管列中有没有NA都能得到预期结果：

# 针对你的第一个纯布尔列示例
data = {'Name':['Tom', 'nick', 'krish', 'jack'],
        'Age':[False, False, False, False]}
df = pd.DataFrame(data)
# 先转object再调用to_numeric
res = pd.to_numeric(df['Age'].astype(object), errors='coerce', downcast = 'float')
print(res)

输出结果为：

0    0.0
1    0.0
2    0.0
3    0.0
Name: Age, dtype: float32

如果你不需要强制使用pd.to_numeric，直接用df['Age'].astype('float32')也可以实现同样的转换效果。

内容的提问来源于stack exchange，提问作者Suraj Tripathi