Sentinel-2影像处理：替换DataFrame中-3.402823466e+38为NaN失败

问题根源 #

你遇到的-3.402823466e+38不是随机值，它是float32类型能表示的最小有限值（可通过np.finfo(np.float32).min获取精确值）。之前替换失败的核心原因是：你手动输入的数值是float64精度，而数据本身是float32类型，二者二进制存储存在细微差异，直接用==匹配根本找不到目标值。

针对性解决方案 #

1. 在rasterio读取阶段处理（最高效） #

直接在数组层面替换，用numpy提供的float32最小值常量匹配，彻底避免精度问题：

import rasterio
import numpy as np

with rasterio.open(each_directory) as src:
    array = src.read(1)
    # 获取float32类型的最小有限值
    float32_min = np.finfo(np.float32).min
    # 替换目标值为NaN
    array[array == float32_min] = np.nan
    # 同时保留你指定的NoData值替换
    array[array == -4.444444] = np.nan

注：如果数组原本是float32类型，赋值np.nan会自动转为float32格式的NaN，不影响后续处理。

2. DataFrame层面处理 #

如果数据已经存入DataFrame，同样用float32最小常量进行替换：

import numpy as np

float32_min = np.finfo(np.float32).min
# 针对Valeurs列的数组批量替换
df_annee['Valeurs'] = df_annee['Valeurs'].apply(
    lambda arr: np.where(arr == float32_min, np.nan, arr)
)
# 若列内数据为float32类型，也可直接用replace
df_annee.replace(float32_min, np.nan, inplace=True)

3. 后续计算与绘图修正 #

替换完成后：

• 计算均值时使用np.nanmean()，它会自动忽略NaN值：

  mean_value = np.nanmean(df_annee['Valeurs'])
  

• seaborn会自动跳过NaN值，不会再出现因极小值导致的绘图失真问题。

额外优化提示 #

你可以在QGIS裁剪阶段直接避免生成该极值：在裁剪（栅格）工具中，找到NoData值参数填入-4.444444，同时勾选将输出范围之外的像素设置为NoData，从源头减少后续处理步骤。

内容的提问来源于stack exchange，提问作者sam