预处理数据以避免不同数据类型之间的冲突是更好的做法。但是假设你不能在数据框架中将整数和布尔值分开，那么就用布尔值检测来增强==：

def BoolProofCompare(a, b):
    '''Override default True == 1, False == 0 behavior'''
    return a==b and isinstance(a, bool)==isinstance(b, bool)

BoolProofCompare(1, True)  # False
BoolProofCompare(0, False)  # False
BoolProofCompare(1, 1)  # True
BoolProofCompare(False, False)  # True
# and so on and so forth

字符串
现在，我想您请求的是逐个单元格比较单个值，例如：df_2[0][0]，每个元素都在数据框架中，例如df_1，禁用True==1和False==0相等。在这种情况下，使用applymap到broadcast the above comparison to every cell：

# my example of input dataframe
df
    col1  col2
0   True     1
1      1     2
2  False     3
3      0     4

df.applymap(lambda x : BoolProofCompare(x, True))
    col1   col2
0   True  False
1  False  False
2  False  False
3  False  False

df.applymap(lambda x : BoolProofCompare(x, False))
    col1   col2
0  False  False
1  False  False
2   True  False
3  False  False

df.applymap(lambda x : BoolProofCompare(x, 1))
    col1   col2
0  False   True
1   True  False
2  False  False
3  False  False

df.applymap(lambda x : BoolProofCompare(x, 0))
    col1   col2
0  False  False
1  False  False
2  False  False
3   True  False

型
我认为将增强的比较封装在一个新函数中会更方便，如下所示：

def BoolProofCompare_df(df, a):
    '''
    Compare single value *a* with dataframe *df*, cell by cell, 
    with True==1 and False==0 equalities disabled.
    '''
    return df.applymap(lambda x : BoolProofCompare(x, a))

型

关于BoolProofCompare函数，请参阅@OCa的答案。另一个实现也使得0（int）不同于0.0（float）：

def BoolProofCompare(a, b):
    return a == b and type(a) == type(b)

字符串
return a == b不起作用的原因是在Python中True == 1和True == 1.0。