Pandas read_csv，读取缺失值指定为 int 的布尔值

我正在尝试将 csv 导入到 pandas 数据框中。我有用 1 和 0 表示的布尔变量，其中缺失值用 -9 标识。 当我尝试将 dtype 指定为布尔值时，我会收到许多不同的错误，具体取决于我尝试的内容。

示例数据：test.csv

var1, var2
0,   0
0,   1
1,   3
-9,  0
0,   2
1,   7

我尝试在导入时指定数据类型：

dtype_dict = {'var1':'bool','var2':'int'}
nan_dict = {'var1':[-9]}
foo = pd.read_csv('test.csv',dtype=dtype_dict, na_values=nan_dict)

我收到以下错误：

ValueError：无法安全地将 |b1 的传递用户数据类型转换为 int64 第 0 列中的 dtyped 数据

我也尝试过指定 true 和 false 值，

foo = pd.read_csv('test.csv',dtype=dtype_dict,na_values=nan_dict,
                 true_values=[1],false_values=[0])

但后来我得到了一个不同的错误：

例外：必须是所有编码字节

该错误的源代码说明了有关捕获偶尔的 none 的内容，但 none 或 null 正是我想要的。

您可以指定converters参数为var1 column:

from io import StringIO
import numpy as np
import pandas as pd

pd.read_csv(StringIO("""var1, var2
0,   0
0,   1
1,   3
-9,  0
0,   2
1,   7"""), converters = {'var1': lambda x: bool(int(x)) if x != '-9' else np.nan})