这是一个基于现有答案的可重复的例子:

import pandas as pd


def bool_to_int(s: pd.Series) -> pd.Series:
    """Convert the boolean to binary representation, maintain NaN values."""
    return s.replace({True: 1, False: 0})


# generate a random dataframe
df = pd.DataFrame({"a": range(10), "b": range(10, 0, -1)}).assign(
    a_bool=lambda df: df["a"] > 5,
    b_bool=lambda df: df["b"] % 2 == 0,
)

# select all bool columns (or specify which cols to use)
bool_cols = [c for c, d in df.dtypes.items() if d == "bool"]

# apply the new coding to a new dataframe (or can replace the existing one)
df_new = df.assign(**{c: lambda df: df[c].pipe(bool_to_int) for c in bool_cols})

这个问题特别提到了一个列，所以目前公认的答案是有效的。但是，它不能泛化到多个列。对于那些对通用解决方案感兴趣的人，请使用以下方法:

df.replace({False: 0, True: 1}, inplace=True)

这适用于包含许多不同类型列的DataFrame，而不管有多少是布尔类型。

我必须将FAKE/REAL映射到0/1，但找不到正确的答案。

请在下面找到如何将列名'type'的值为FAKE/REAL映射为0/1(注意:类似的可以应用于任何列名和值)

df.loc[df['type'] == 'FAKE', 'type'] = 0
df.loc[df['type'] == 'REAL', 'type'] = 1

在Python中True为1，同样False为0*:

>>> True == 1
True
>>> False == 0
True

你应该能够对它们执行任何你想要的操作，只要把它们当作数字来对待，因为它们就是数字:

>>> issubclass(bool, int)
True
>>> True * 5
5

所以回答你的问题，不需要工作，你已经有了你要找的东西。

*注意我使用is作为一个英语单词，而不是Python关键字is - True将不会是与任何随机1相同的对象。

只需将你的数据帧乘以1 (int)

[1]: data = pd.DataFrame([[True, False, True], [False, False, True]])
[2]: print data
          0      1     2
     0   True  False  True
     1   False False  True

[3]: print data*1
         0  1  2
     0   1  0  1
     1   0  0  1

你可以为你的数据帧使用一个转换:

df = pd.DataFrame(my_data condition)

将True/False转换为1/0

df = df*1