Python Pandas构建嵌套字典遇ValueError：期望布尔数组而非float64

这个错误我之前也碰到过，大概率是你在需要布尔数组的场景里传入了浮点数类型的数组（比如值是1.0/0.0而不是True/False），尤其是在numpy、pandas这类库的索引/条件过滤操作里容易触发。下面给你一步步解决的思路：

1. 先定位触发错误的代码行 #

先看报错回溯信息里的具体行号，问题几乎肯定出在用浮点数数组直接作为布尔条件的地方——比如你可能写了类似arr[float_arr]这种代码，或者在字典推导的条件里直接用了浮点数元素，而某些库操作会严格要求布尔类型的数组，不接受float64。

举个典型的错误示例：

import numpy as np
system_matrix = np.array([[1.0, 0.0], [0.0, 1.0]])
# 错误：直接用float数组做索引条件
valid_entries = system_matrix[system_matrix]

运行这段代码就会抛出你遇到的ValueError: Boolean array expected for the condition, not float64。

2. 显式转换为布尔条件/数组 #

解决的核心是把浮点数的"1.0/0.0"转换为严格的布尔值（True/False），或者生成布尔类型的数组。分两种场景处理：

场景1：字典推导/循环判断里的条件

如果是在构建嵌套字典的循环或推导式里，把判断条件从直接用浮点数，改成显式判断是否等于1，或者转成布尔类型：

# 错误写法（可能触发隐式类型问题）
nested_dict[system] = {emails[j]: emails[j] for j in range(len(emails)) if system_data[i][j]}

# 正确写法1：显式判断等于1
nested_dict[system] = {emails[j]: emails[j] for j in range(len(emails)) if system_data[i][j] == 1}

# 正确写法2：转布尔类型（适合确定只有0.0/1.0的情况）
nested_dict[system] = {emails[j]: emails[j] for j in range(len(emails)) if bool(system_data[i][j])}

场景2：numpy/pandas的数组索引操作

如果是用numpy数组做布尔索引，显式生成布尔数组：

import numpy as np
system_matrix = np.array([[1.0, 0.0], [0.0, 1.0]])
emails = ["user1@test.com", "user2@test.com"]

# 生成布尔掩码（True对应值为1.0的位置）
mask = system_matrix == 1.0
# 用掩码筛选邮箱
valid_emails = np.array(emails)[mask]

3. 完整可运行示例 #

假设你的需求是：每个系统对应一个子字典，子字典的键/值是所有在矩阵中值为1的位置对应的邮箱，这里给你一个完整的示例：

import numpy as np

# 示例输入
systems = ["system_x", "system_y", "system_z"]
emails = ["alice@demo.com", "bob@demo.com", "charlie@demo.com"]
# 关联矩阵：1.0表示该系统对应此邮箱
association_data = np.array([
    [1.0, 0.0, 1.0],
    [0.0, 1.0, 0.0],
    [1.0, 1.0, 0.0]
])

# 生成嵌套字典
result_dict = {}
for idx, system_name in enumerate(systems):
    # 生成当前系统的布尔掩码
    row_mask = association_data[idx] == 1.0
    # 筛选对应邮箱并构建子字典
    result_dict[system_name] = {email: email for email in np.array(emails)[row_mask]}

print(result_dict)

运行这段代码会输出符合预期的嵌套字典，且不会报错。

额外排查点 #

如果还是没解决，检查这两个地方：

• 你的原始数据里的"1"是不是字符串类型？如果是，需要先转成数值再判断（比如int(str_val) == 1）。
• 是不是在pandas中用了float类型的列做布尔索引？可以用df['column'].astype(bool)转换，或者df['column'] == 1生成布尔系列。

内容的提问来源于stack exchange，提问作者BeMuRR187