我懂你碰到的这个小坑了——numpy.bool_类型的布尔值和Python原生bool在replace里的匹配逻辑容易出问题，导致替换结果不符合预期。下面给你几个简单好用的解决方案，比你原来的写法更高效：

方法1：直接转整数一步到位 #

np.isnan()返回的布尔数组里，False对应有值（我们要转1），True对应NaN（要转0），直接用astype(int)就能完成转换，根本不用手动替换：

used = np.isnan(user_user).astype(int)
# 要是想逻辑更直观，也可以取反后转整数：
used = (~np.isnan(user_user)).astype(int)

这里的~是取反操作，把“是否为NaN”变成“是否有有效值”，转成整数后自然就是有值为1，NaN为0。

方法2：用Pandas原生方法更省心 #

既然你操作的是DataFrame，用Pandas自带的notna()方法更贴合场景，它直接返回每个单元格是否非空的布尔值，转整数就行：

used = user_user.notna().astype(int)

这个方法完全避开了numpy和原生布尔类型的差异问题，是最推荐的Pandas风格写法。

方法3：修复你原来的replace写法 #

如果你非要用replace，其实不用纠结numpy.bool_的类型问题，直接传布尔值作为替换键就好，Pandas内部会按值匹配，不是按对象身份：

used = np.isnan(user_user)
used = used.replace({False: 1, True: 0})
# 也可以链式写一行：
used = np.isnan(user_user).replace({False: 1, True: 0})

之前没成功可能是其他小细节，但这个写法本身是可行的，不过还是前两种方法更简洁。

为啥is操作符不行？ #

简单说，numpy.bool_是numpy封装的布尔实例，和Python原生bool对象不是同一个身份，所以用is比较会失败，但用==比较值是没问题的。而Pandas的replace是按值匹配的，所以直接传False/True就可以，不用管类型。

内容的提问来源于stack exchange，提问作者Alex Schmitz