Почему bool("False") даёт True: как разобрать текстовые «да» и «нет»

Вы загружаете файл и видите в столбце с опросами слова «Да», «нет», «1», «0», «False». Вы хотите превратить это в логический тип, чтобы посчитать доли или отфильтровать анкеты. Пишете bool("False") — интерпретатор возвращает True. Python не читает написанное слово, он проверяет истинность самого объекта-строки. Любая непустая строка для него истинна, и короткого встроенного преобразователя тут недостаточно. Нужно построить собственный словарь-расшифровщик.

Весь этот пример построен на восьми вымышленных записях с идентификаторами от B01 до B08. По условиям задачи мы приняли простое соглашение: «да», «1», «true» считаются положительной отметкой; «нет», «0», «false» — отрицательной. Регистр не имеет значения, пробелы по краям допустимы и будут аккуратно убраны перед сравнением. Это правило написано для данного конкретного набора данных; оно не обязано совпадать с кодировочной книгой вашего исследования. Все входные значения здесь — строки, так что код и не обещает разбирать сложные объекты.

Что делает bool со строкой

В официальной документации Python 3.12 пустая строка относится к ложным значениям. Непустая строка истинна, независимо от написанных в ней букв. Поэтому bool("0"), bool("False") и bool("нет") дают True, а bool("") даёт False. Число 0 и строка "0" — разные объекты. Для этой задачи истинность контейнера не заменяет расшифровку его содержания.

Зафиксируйте словарь до преобразования

Подготовка метки здесь означает strip() без аргумента для удаления пробельных символов по краям, затем casefold() для сопоставления без различения регистра. Эти методы описаны на той же странице Python. Они не исправляют опечатки и не устанавливают смысл незнакомой метки. Правила нужно записать в кодировочной книге данных; нельзя переносить наш словарь в другой проект без проверки.

Все исходные строки и результаты

Прогоним каждую строчку. Статус ok означает, что метка распознана по нашему словарю. B08 содержит пробелы по краям, но после очистки даёт «true», а значит, получает значение True. B06 — пустая строка, для неё у нас статус missing. B07 пришла как «maybe», такого слова в соглашении нет, поэтому статус — unknown. В обоих последних случаях итоговое значение ставится как None, но причины разные, и в отдельном поле status это чётко прописано. Не нужно приравнивать незнакомую метку к False лишь потому, что её нет в перечне положительных — отсутствие «да» и явное «нет» требуют разной интерпретации.

Полный код для этих восьми строк

raw = ["Да", "нет", "1", "0", "False", "", "maybe", " true "]
mapping = {"да": True, "1": True, "true": True,
           "нет": False, "0": False, "false": False}

def parse_flag(text):
    key = text.strip().casefold()
    if key == "":
        return None, "missing"
    if key not in mapping:
        return None, "unknown"
    return mapping[key], "ok"

for number, text in enumerate(raw, 1):
    value, status = parse_flag(text)
    print(f"B{number:02d}: {value}; {status}")

Вот вывод для данного набора:

B01: True; ok
B02: False; ok
B03: True; ok
B04: False; ok
B05: False; ok
B06: None; missing
B07: None; unknown
B08: True; ok

Сохраните исходные строки в отдельном столбце, например raw. Новое поле value пусть содержит только True, False или None, а соседний столбец status объясняет, почему выбрано именно такое значение. Если источник данных использует варианты вроде «не применимо» или другие служебные коды, обсудите их смысл с автором опросника отдельно, до того как запускать скрипт. Здесь такие ситуации не моделируются. Реальную совместимость с интерфейсом Excel или статистического пакета мы в этом примере не проверяли.

Контроль результата и знаменателя

Теперь посмотрите на контраст. Если применить bool() напрямую ко всем восьми сырым строкам, вы получите семь True — все непустые строки интерпретируются как истинные. Это проверка факта заполнения ячейки, а не семь согласных респондентов. После применения нашего словаря распознаны шесть ответов: три положительных и три отрицательных. Доля 3/6 = 50% относится к шести осмысленным записям. Доля 3/8 = 37,5% — ко всем строкам в файле. Ни та ни другая цифра не может называться долей реальных людей, ответивших «да», — сам набор вымышлен, и две метки не удалось распознать как содержательный ответ.

Что делать при новой метке

• Сохраните точное исходное написание и идентификатор проблемной строки.
• Оставьте статус unknown отдельно от missing и отдельно от осмысленного False.
• Обратитесь к документации исследования или к автору данных и уточните, что эта метка должна была означать. Не пытайтесь угадать по соседним ответам.
• Если после консультации вы меняете правила, запишите новую версию словарного отображения и заново прогоните все строки, а не только ту, в которой встретилась незнакомая пометка.
• Убедитесь, что каждая строка получила ровно один статус. Общая сумма категорий (ok, missing, unknown) по-прежнему должна равняться восьми — и так при каждой правке правил.
• Функция рассчитана только на строки. Для других типов входных данных сначала проверьте тип и явно задайте отдельный способ обработки.

Если для собственного проекта нужно проверить структуру данных, расчёт и границы вывода, можно обсудить консультацию по статистическому анализу. Заранее согласуйте исследовательский вопрос, состав исходных файлов, правила обработки и объём помощи. Арифметическая проверка сама по себе не подтверждает качество исследования.