我有一个应用程序，它接受用户填写的输入电子表格。我正在尝试修复错误，我刚刚注意到在一个 True/False 列中，他们写的FLASE是 而不是FALSE。我试图尽可能多地写出解决用户错误的解决方法，因为这个应用程序的用户技术水平不高，所以我想知道是否有办法将此列转换为 bool 类型，但将任何拼写错误设置为 False？我很感激这也会将 TURE 之类的东西设置为 false。
例如：
df = pd.DataFrame({'bool_col':['True', 'Flase', 'False', 'True'], 'foo':[1,2,3,4]})
运行df['bool_col'] = df['bool_col'].astype(bool)对所有内容都返回 True（因为它们都是非空字符串），但是我希望它重新返回 True、False、False、True。
我正在研究如何使用 pandas pct_change() 函数，但我需要值“环绕”，因此最后一个值和第一个值在位置 0 而不是 NaN 创建百分比变化值。
例如：
df = pd.DataFrame({'Month':[1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12],
'Value':[1, 0.9, 0.8, 0.75, 0.75, 0.8, 0.7, 0.65, 0.7, 0.8, 0.85, 0.9]})
Month Value
0 1 1.00
1 2 0.90
2 3 0.80
3 4 0.75
4 5 0.75
5 6 0.80
6 7 0.70
7 8 0.65
8 9 0.70
9 10 0.80
10 11 0.85
11 12 0.90
使用 pct_change() + 1 可得出：
df['percent change'] = df['Value'].pct_change() + 1
Month Value percent change
0 1 1.00 NaN
1 2 0.90 0.900000
2 3 0.80 0.888889
3 4 0.75 0.937500
4 5 0.75 1.000000
5 6 0.80 1.066667
6 7 0.70 0.875000
7 8 0.65 0.928571
8 9 0.70 1.076923
9 10 0.80 1.142857
10 11 0.85 1.062500
11 12 0.90 1.058824
但是我还需要知道 12 月（moth=12）和 1 月（month=1）之间的百分比变化，因此 NaN 应该是 1.111111。我希望最终能够对分组中的多个组执行此操作，因此，将 Nan 填入一个值而不是另一个值，或者手动计算所有百分比似乎是一种冗长的方法。有没有更简单的方法来实现这一点？
我有一个包含一些字符串的pandas列。我想将相似的字符串分组，并用它们的类别替换它们。在我的真实例子中，我有6个不同的字符串，我想将它们替换为3个不同的类别字符串。
我发现这个答案是如何使用replace()函数将多个值映射为1的，所以我尝试扩展一些答案，以进行多组的多对一映射，但并不是所有的值都被正确更改，我不确定为什么。
例如：
df1 = pd.DataFrame({'col1':['foo', 'foo too', 'bar', 'BAR', 'bar ii']})
col1
0 foo
1 foo too
2 bar
3 BAR
4 bar ii
从其中一个答案中，看起来如果使用正则表达式，你可以使用'|'来分隔不同的键选项，所以我像下面这样做：
df1['col1'].replace({'foo|foo too' : 'Foo',
'bar|BAR|bar ii' : 'Bar'}, regex=True)
这转换了我的大部分字符串，但不是全部：
col1
0 Foo
1 Foo too
2 Bar
3 Bar
4 Bar ii
从这个例子中，我猜测可能与空格有关？尽管在我的实际例子中，一些有空格的字符串确实被正确替换了，所以我不确定。如果有人能帮忙解释为什么这不起作用/我如何实现我想要的，我将不胜感激。