我想转换字符串数据，这确实是布尔值（或空值）。值是y/n/NA，或真/假/NA，或甚至这些的混合。
当使用pandas，默认为numpy后端时，从字符串数据到boolean数据的转换可以顺利进行：

import pandas as pd

df = pd.DataFrame({"col1": ["true", None, "false"]})
assert df.dtypes["col1"] == "object", df.dtypes["col1"]
# convert to boolean
df["col1"] = df["col1"].replace({'true': True, 'false': False}).astype(bool)
assert df.dtypes["col1"] == bool, df.dtypes["col1"]

然而，当使用pyarrow后端时（在我的用例中，我实际上使用了pd.read_parquet和dtype_backend-但我在下面的示例中显式设置了类型）：

df_pyarrow = pd.DataFrame(
    {"col1": ["true", None, "false"]}, dtype="string[pyarrow]"
)
assert df_pyarrow.dtypes["col1"] == "string", df_pyarrow.dtypes["col1"]
df_pyarrow["col1"] = (
    df_pyarrow["col1"]
    .replace({'true': True, 'false': False})  # fails at this step
    .astype(bool)
)
assert df_pyarrow.dtypes["col1"] == "bool[pyarrow]", df_pyarrow.dtypes["col1"]

但是这在. replace（）失败了，因为pyarrow抱怨了，这是正确的!，True和False不是字符串[pyarrow]的有效值：TypeError: Scalar must be NA or str。
我发现这个方法是有效的：

df_pyarrow["col1"] = df_pyarrow["col1"] == "true"

assert df_pyarrow.dtypes["col1"] == "bool[pyarrow]", df_pyarrow.dtypes["col1"]

不过：

• df_pyarrow.info()仍然显示col1是string[pyarrow]
• 这个方法不是很灵活：如果True/False有多个值会怎么样

在pandas dataframe中，将string[pyarrow]类型的列转换为boolean的规范方法是什么？