应使用 dtype={"col_a": "boolean", "col_b": "boolean"}强制指定三态布尔类型，并配合 na_values 和 converters 处理空值及大小写混杂的字符串；避免用小写 bool，因其不支持缺失值。
read_csv 读取时 bool 列被识别为 object 或 int 怎么办
pandas 默认不会主动将字符串（如 "True"、"false"）或整数（如 1、0）转成 bool，而是常归为 object 或 int64。这不是 bug，是设计选择：避免误判（比如把业务字段 "1" 当作布尔值）。要让它“自动推断”，得手动干预。
用 dtype + boolean 类型提示强制转换
从 pandas 1.5.0 开始，boolean 是推荐的三态布尔类型（支持 True/False/pd.NA），比旧版 bool 更安全。关键不是“自动”，而是“精准指定”：
- 明确列出需要转布尔的列名，传给
dtype参数：dtype={"col_a": "boolean", "col_b": "boolean"} - 配合
na_values和keep_default_na控制空值识别，例如：na_values=["", "NULL", "N/A"], keep_default_na=False - 若原始数据含大小写混杂的字符串（
"true"、"FALSE"），需先预处理或用converters统一规整
遇到 "BooleanArray cannot contain NA" 错误怎么办
这个错误通常出现在你用了 dtype="bool"（小写的 bool），但数据里有缺失或非法值。它不接受 pd.NA 或 None —— 必须全为非空的 True/False。
- 改用
"boolean"（带引号，字符串形式）即可支持缺失值 - 如果必须用
bool，先用dropna()或fillna()清理，再调用.astype(bool) - 注意：从字符串转换时，
"0"、"1"不会被"boolean"自动识别，需提前映射：converters={"col": lambda x: True if str(x).lower() in ("true", "1") else False if str(x).lower() in ("false", "0") else pd.NA}
为什么不用 converters + astype(bool) 一步到位
可以，但容易翻车：
-
astype(bool)对非空字符串一律返回True（连"False"都是True），因为 Python 中非空字符串本身为真 - 直接
astype("boolean")又不接受字符串输入，会报TypeError: BooleanArray requires numeric or boolean data - 稳妥做法仍是组合：用
converters做字符串到布尔的显式映射，再让dtype定义最终类型，或者读完后对特定列调用pd.array(..., dtype="boolean")
真正难的不是语法，而是确认哪些列在业务上确实是布尔语义——比如 "is_active" 可以，但 "status_code" 看似是 0/1，实则不能当布尔用。类型声明一旦写错，后续计算和序列化都可能出隐性问题。
