升级至Pandas 2.0.3后df.replace()抛出ValueError，求兼容方案

错误原因 #

原代码第一行使用Series.replace()时，传入的to_replace=column.loc[column > 0]是一个带索引的Series（属于dict-like结构）。新版Pandas（2.x）严格限制了参数组合规则：当to_replace为dict-like类型时，不能同时指定非None的value参数。旧版Pandas（0.22）对参数校验不严格，允许这种用法，但新版修复了逻辑一致性，因此抛出ValueError。

修复方案 #

无需使用replace()，直接用Series.where()即可实现需求，逻辑清晰且兼容新版Pandas：

完整修复代码 #

# 替换原第一行代码：将列中>0的值替换为列名，其余保留NaN
df = df.apply(lambda column: column.where(column <= 0, column.name), axis=0)

# 后续逻辑保持不变
df["merged"] = df.apply(lambda row: ",".join(row.dropna().astype(str)), axis=1)
df = df[["merged"]].reset_index()

代码说明 #

• column.where(column <=0, column.name)：当列值<=0时保留原数值（原数据中仅NaN满足此条件），否则替换为列名，完全匹配原代码的逻辑。
• 执行后可得到期望输出：

index               merged
0   Apple   Fruit,Sour_taste
1   Lemon   Fruit,Sour_taste
2   Potato      Vegetable

高效替代方案（可选） #

如果处理大数据量，apply()效率偏低，可改用向量化操作：

# 生成布尔矩阵标记需要替换的位置
mask = df > 0
# 用列名填充标记位置，其余为NaN
df = mask @ df.columns
# 后续合并逻辑不变
df["merged"] = df.apply(lambda row: ",".join(row.dropna().astype(str)), axis=1)
df = df[["merged"]].reset_index()

利用矩阵乘法@快速将布尔矩阵转换为对应列名，性能比逐列apply()更优。

内容的提问来源于stack exchange，提问作者Marmach