如何在Julia DataFrame中将特定值替换为missing值？

问题背景 #

需要把DataFrame中的特定值（比如99）替换为missing，目前已实现一种可行方案，但希望找到更简便的实现方式，尤其是原地修改现有DataFrame的方法。尝试直接用replace!修改时触发了类型转换错误：

replace!.(eachcol(df), 99 => missing)
# ERROR: MethodError: Cannot `convert` an object of type Missing to an object of type Int64

报错原因 #

原DataFrame的列是Int64这类非可空类型数组，而Missing是独立类型，无法直接存入非可空数组，必须先将列类型转为Union{Int64, Missing}（即允许存储missing的可空类型）。

简便实现方法 #

方法1：原地修改（两步操作） #

先将所有列转为支持存储missing的类型，再原地替换目标值：

# 初始化示例DataFrame
df = DataFrame(
    :x1 => [1,2,99],
    :x2 => [10,99,11],
    :x3 => [20,21,22]
)

# 让所有列支持存储missing
allowmissing!(df)
# 原地替换每个列中的99为missing
replace!.(eachcol(df), 99 => missing)

执行后df会被直接修改，列类型自动变为Int64?（即Union{Int64, Missing}）。

方法2：原地修改（一步到位） #

用transform!直接完成类型转换和值替换，无需提前修改列类型：

transform!(df, names(df) .=> (col -> replace(col, 99 => missing)) .=> names(df))

transform!会自动处理列类型升级，将非可空列转为可空类型，同时完成值替换。

方法3：生成新DataFrame（简洁写法） #

如果不需要原地修改，生成新DataFrame的代码可以简化：

df_n = DataFrame(replace.(eachcol(df), 99 => missing), names(df))

效果和原有实现一致，但代码更简洁。

验证结果 #

无论采用哪种方法，最终都会得到符合预期的DataFrame：

3×3 DataFrame
 Row │ x1       x2       x3
     │ Int64?   Int64?   Int64?
─────┼──────────────────────────
   1 │       1       10      20
   2 │       2  missing      21
   3 │ missing       11      22

内容的提问来源于stack exchange，提问作者imantha