覆盖默认值 True == 1， False == 0 行为

最好对数据进行预处理，以避免不同数据类型之间的冲突。但是，假设您不能在数据帧中将整数与布尔值分开，然后使用布尔检测进行增强：==

def BoolProofCompare(a, b):
    '''Override default True == 1, False == 0 behavior'''
    return a==b and isinstance(a, bool)==isinstance(b, bool)

BoolProofCompare(1, True)  # False
BoolProofCompare(0, False)  # False
BoolProofCompare(1, 1)  # True
BoolProofCompare(False, False)  # True
# and so on and so forth

现在，我收集到您要求的是单个值的逐个单元格比较，例如，与数据帧中的每个元素进行比较，例如，禁用了 和 等式。在这种情况下，请使用 applymap 将上述比较广播到每个单元格：df_2[0][0]df_1True==1False==0

# my example of input dataframe
df
    col1  col2
0   True     1
1      1     2
2  False     3
3      0     4

df.applymap(lambda x : BoolProofCompare(x, True))
    col1   col2
0   True  False
1  False  False
2  False  False
3  False  False

df.applymap(lambda x : BoolProofCompare(x, False))
    col1   col2
0  False  False
1  False  False
2   True  False
3  False  False

df.applymap(lambda x : BoolProofCompare(x, 1))
    col1   col2
0  False   True
1   True  False
2  False  False
3  False  False

df.applymap(lambda x : BoolProofCompare(x, 0))
    col1   col2
0  False  False
1  False  False
2  False  False
3   True  False

我想将增强的比较封装在一个新函数中会更方便，如下所示：

def BoolProofCompare_df(df, a):
    '''
    Compare single value *a* with dataframe *df*, cell by cell, 
    with True==1 and False==0 equalities disabled.
    '''
    return df.applymap(lambda x : BoolProofCompare(x, a))

请参阅@OCa对函数的回答。另一种实现也使 （int） 与 （float） 不同：BoolProofCompare00.0

def BoolProofCompare(a, b):
    return a == b and type(a) == type(b)

之所以不起作用，是因为在 Python 和 .return a == bTrue == 1True == 1.0