如何将数据集中替代缺失值的零值替换为null值？

针对不同的数据处理工具，以下是对应的实现方案：

Pandas（Python） #

方法1：直接替换指定值 #

使用replace()函数可以快速将指定列或整个数据集的零值替换为Null：

import pandas as pd

# 替换单列的零值
df['target_column'] = df['target_column'].replace(0, pd.NA)

# 替换整个数据集中所有的零值
df = df.replace(0, pd.NA)

方法2：条件掩码替换 #

如果只需要替换数值型列的零值，用mask()更精准：

# 仅替换数值列中的零值为Null
df = df.mask(df.select_dtypes(include=['int', 'float']) == 0)

SQL #

方法1：NULLIF函数（简洁写法） #

多数数据库（MySQL、PostgreSQL、SQL Server等）都支持NULLIF函数，它会在第一个参数等于第二个参数时返回Null：

-- 查询时替换零值为Null
SELECT NULLIF(target_column, 0) AS target_column
FROM your_table;

-- 直接更新表中的数据
UPDATE your_table
SET target_column = NULLIF(target_column, 0)
WHERE target_column = 0;

方法2：CASE语句（灵活扩展） #

如果需要更复杂的条件判断，用CASE语句更合适：

SELECT 
    CASE 
        WHEN target_column = 0 THEN NULL
        ELSE target_column
    END AS target_column
FROM your_table;

PySpark #

使用when()函数实现条件替换：

from pyspark.sql import functions as F

# 替换单列的零值
df = df.withColumn(
    "target_column",
    F.when(F.col("target_column") == 0, None).otherwise(F.col("target_column"))
)

# 批量替换所有数值列的零值
for col_name in df.columns:
    col_type = df.schema[col_name].dataType.typeName()
    if col_type in ["integer", "double", "float"]:
        df = df.withColumn(
            col_name,
            F.when(F.col(col_name) == 0, None).otherwise(F.col(col_name))
        )

内容的提问来源于stack exchange，提问作者prashant gupta