pandas读CSV时不会自动将"True"/"False"转为布尔值，需用converters自定义函数统一处理大小写和空格后映射为1/0，或读入后用map()替换；禁用astype(bool)因非空字符串均转为True。
CSV里写True/False，pandas读出来却是字符串？
默认情况下，pandas.read_csv() 不会自动把 "true"、"false" 字符串转成 python 的 true/false 布尔值——更别说转成 1/0 了。它通常保留原样，或者在某些列类型推断失败时变成 object 类型，后续做数值计算直接报错。
常见错误现象：df["flag"].sum() 报 TypeError: unsupported operand type(s) for +: 'int' and 'str'；或者用 df["flag"] == True 全是 False，因为实际存的是字符串。
- 用
dtype={"flag": bool}会失败：pandas 不支持直接把字符串列强制转bool，抛ValueError: Boolean dtype not supported for column 'flag' - 正确做法是先转布尔，再转整数，分两步走，不能一步到位
- 注意大小写和空格：
"true"、"TRUE"、" True "默认都不识别，得靠converters或na_values预处理
pandas.read_csv() 中用 converters 显式转换
这是最可控的方式：对指定列跳过类型推断，用自定义函数逐单元格处理。适合字段语义明确、格式相对固定的场景。
实操建议：
- 写一个轻量函数，用
.strip().lower()统一处理空格和大小写，再比对：lambda x: 1 if x.strip().lower() == "true" else (0 if x.strip().lower() == "false" else pd.NA) - 传给
converters参数：converters={"flag": your_func}，这样该列从读入起就是Int64（可空整型）或int64 - 别用
astype(int)后置转换：如果列里混有"N/A"或空字符串，会直接崩；converters可配合na_values提前标记缺失值
示例：
df = pd.read_csv("data.csv",
na_values=["", "N/A", "NULL"],
converters={"active": lambda x: 1 if x.strip().lower() == "true" else 0 if x.strip().lower() == "false" else pd.NA})
读入后再用 map() 或 replace() 批量映射
适合已经读进内存、列不多、想快速修正的临时场景。比 converters 灵活，但多一次遍历，内存和性能略低。
QuickBooks Mileage CSV
下载
使用 qbo-mileage CLI 及用户凭证，从 Airtable、Outlook 或 Google Calendar 记录生成 QuickBooks Online 里程 CSV 文件。
关键点：
-
map()更严格：遇到未定义键（比如"yes"）直接返回NaN；replace()默认保留原值，需加inplace=False显式赋值 - 推荐用字典映射：
df["flag"] = df["flag"].map({"True": 1, "False": 0, "true": 1, "false": 0})，大小写要列全，或先.str.lower() - 如果列含缺失值，
map()后的NaN会变成浮点型nan，后续转Int64要用astype("Int64")（首字母大写），不是int64
为什么不用 astype(bool).astype(int)？
看着简洁，但极容易翻车。Python 中非空字符串（包括 "False"）转 bool 全是 True，所以 "False".astype(bool) → True → 1，完全反逻辑。
真实表现：
-
pd.Series(["True", "False"]).astype(bool)→[True, True]（因为"False"是非空字符串） -
pd.Series([1, 0]).astype(bool)才是安全的，但前提是原始数据已经是数值 - 只有当 CSV 里本来就是
1/0或1.0/0.0，才能放心用astype(int)
所以“先转 bool 再转 int”这条路径，在字符串源数据下是无效捷径，反而埋雷。
最易被忽略的是空格和大小写变体，还有混合值（比如某列既有 "T" 又有 "true"）。与其赌 pandas 的自动推断，不如在 converters 里写清楚规则——多敲几行字，少 debug 半小时。
