Pandas.read_excel有时错误地将布尔值读取为1/0

Question

我需要将一个非常大的Excel文件读入DataFrame。该文件包含字符串，整数，浮点数和布尔数据，以及丢失的数据和完全空的行。值得注意的是，某些单元格值是从单元格公式和/或VBA导出的-尽管从理论上讲这不会影响任何内容。

如标题所示，pandas有时将布尔值读取为float或int 1和0，而不是True和False。它似乎与空行的数量和其他数据的类型有关。为了简单起见，我只链接一个复制问题的2页Excel文件。 Boolean_1.xlsx

这是代码：

import pandas as pd

df1 = pd.read_excel('Boolean_1.xlsx','Sheet1')

df2 = pd.read_excel('Boolean_1.xlsx','Sheet2')

print(df1, '\n' *2, df2)

这是印刷品。主要注意行ZBA，该行在两个工作表中具有相同的值，但在DataFrames中具有不同的值：

  Name stuff  Unnamed: 1 Unnamed: 2 Unnamed: 3

0         AFD          a        dsf        ads

1         DFA          1          2          3

2         DFD      123.3       41.1       13.7

3        IIOP        why        why        why

4         NaN        NaN        NaN        NaN

5         ZBA      False      False       True 

   Name adslfa  Unnamed: 1  Unnamed: 2  Unnamed: 3

0        asdf         6.0         3.0         6.0

1         NaN         NaN         NaN         NaN

2         NaN         NaN         NaN         NaN

3         NaN         NaN         NaN         NaN

4         NaN         NaN         NaN         NaN

5         ZBA         0.0         0.0         1.0

我还能够在我实际上正在处理的大文件中（是）获得整数1和0的输出，但是无法轻松地复制它。

是什么原因导致这种不一致，有没有办法强迫熊猫读取应该读取的布尔值？

Answer 1

Read_excel将基于具有值的列的第一行来确定每列的dtype。如果该列的第一行为空，则Read_excel将继续到下一行，直到找到一个值。在Sheet1中，具有B，C和D列中的值的第一行包含字符串。因此，所有后续行将被视为这些列的字符串。在这种情况下，FALSE = False在Sheet2中，具有B，C和D列中的值的第一行包含整数。因此，所有后续行将被视为这些列的整数。在这种情况下，FALSE = 0。