data=pd.read_csv('D:/PythonKS/超市购买记录.txt',header=None) #print(data) record=['ID','西红柿','排骨','鸡蛋','茄子','袜子','酸奶','土豆','鞋子'] R=dict() for i in range(len(record)): x=np.zeros((len(data))) li=list() for k in range(len(data.iloc[0,:])): s=data.iloc[:,k]==record[i] li.extend(list(s[s.values==True].index)) x[li]=1 R.setdefault(record[i],x) Data=pd.DataFrame(R) print(Data)，，为什么这段代码输出的布尔值全是0，怎么修改

这段代码输出的布尔值全是0，是因为在创建 x 数组时，使用的是 np.zeros() 函数，该函数会创建一个全为0的数组。因此，x 数组的初始值全部为0，然后通过遍历 data 数据框的每一列，来查找是否有对应的 record 记录，如果有则将对应的 x 数组位置设置为1，否则不变。

如果要修改这段代码，可以将 np.zeros() 函数改为 np.ones() 函数，这样就能创建一个全为1的数组，然后再执行遍历和设置对应位置的操作。修改后的代码如下：

data=pd.read_csv('D:/PythonKS/超市购买记录.txt',header=None)
record=['ID','西红柿','排骨','鸡蛋','茄子','袜子','酸奶','土豆','鞋子']
R=dict()
for i in range(len(record)):
    x=np.ones((len(data))) # 将 np.zeros() 修改为 np.ones()
    li=list()
    for k in range(len(data.iloc[0,:])):
        s=data.iloc[:,k]==record[i]
        li.extend(list(s[s.values==True].index))
    x[li]=1
    R.setdefault(record[i],x)
Data=pd.DataFrame(R)
print(Data)

这样就能够正确输出布尔值了。