Как заставить np.where писать True вместо 1.0?

Я хочу заполнить столбец значениями True и NaN

import numpy as np
import pandas as pd

my_list = [1,2,3,4,5]
df = pd.DataFrame({'col1' : [0,1,2,3,4,5,6,7,8,9,10]})
df['col2'] = np.where(df['col1'].isin(my_list), True, np.NaN)
print (df)

Он печатает:

    col1  col2
0      0   NaN
1      1   1.0
2      2   1.0
3      3   1.0
4      4   1.0
5      5   1.0
6      6   NaN
7      7   NaN
8      8   NaN
9      9   NaN
10    10   NaN

Но для меня очень важно вывести логическое значение True, а не число с плавающей запятой 1.0. Этот столбец взаимодействует с другими столбцами. Они логические, поэтому они тоже должны быть логическими. Я знаю, что могу изменить его с помощью функции замены. Но мой DataFrame очень большой. Я не могу терять время. Есть ли простой вариант сделать это?

Почему в Python есть оператор "pass"?
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python
Некоторые методы, о которых вы не знали, что они существуют в Python
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
1
0
91
3
Перейти к ответу Данный вопрос помечен как решенный

Ответы 3

Ответ принят как подходящий

Используйте тип данных Nullable Boolean:

df['col2'] = pd.Series(np.where(df['col1'].isin(my_list), True, np.NaN), dtype='boolean')
print (df)
    col1  col2
0      0  <NA>
1      1  True
2      2  True
3      3  True
4      4  True
5      5  True
6      6  <NA>
7      7  <NA>
8      8  <NA>
9      9  <NA>
10    10  <NA>

Простите мою некомпетентность! Но почему NaN здесь выглядит как <NA>?

Igor K. 11.12.2020 13:50

@ИгорьК. - Нет incompetence. Но разработчики панд хотели различать NaN и nullable NaN, поэтому использовали <NA>

jezrael 11.12.2020 13:52

Идеальный! Вы сделали мой день и сэкономили часы работы!!!!!!

Igor K. 11.12.2020 13:53

ты можешь назвать это

df.col2 = df.col2.apply(lambda x: True if x==1.0 else x)

это не будет эффективным, как другой ответ в манере исполнения

adir abargil 11.12.2020 13:49

Этот код решит вашу проблему. np.where вернет вам true, потому что numpy имеет дело только с числом, а True означает 1 в числе. вот почему он дает вам 1.0 вместо True

Код

import numpy as np
import pandas as pd

my_list = [1,2,3,4,5]
df = pd.DataFrame({'col1' : [0,1,2,3,4,5,6,7,8,9,10]})
df['col2'] = df['col1'].apply(lambda x: True if x in my_list else np.NaN)
print (df)

Полученные результаты

    col1  col2
0      0   NaN
1      1  True
2      2  True
3      3  True
4      4  True
5      5  True
6      6   NaN
7      7   NaN
8      8   NaN
9      9   NaN
10    10   NaN

Другие вопросы по теме