如何将Pandas DataFrame指定列的负值替换为NaN？解决报错及整行替换问题

问题原因解析 #

• 执行df.mask(df < 0)报错can't compare str and int：因为你的DataFrame包含字符串列，对整个DataFrame做<0比较时，字符串类型无法与整数0进行比较，触发类型不兼容错误。
• 执行df.mask(df['column1'] < 0)导致整行变NaN：mask方法传入布尔Series时，会将对应行的所有列都替换为NaN，而非仅修改目标列。

正确解决方案 #

只需针对目标数值列单独操作，无需处理或排除字符串列，以下是几种可行方法：

方法1：对目标列直接使用mask

df['column1'] = df['column1'].mask(df['column1'] < 0)

该方法仅将column1列中的负值替换为NaN，其他列（包括字符串列）完全不受影响。

方法2：使用loc索引赋值

import numpy as np
df.loc[df['column1'] < 0, 'column1'] = np.nan

通过布尔索引定位column1列的负值位置，直接赋值为NaN，逻辑直观清晰。

方法3：使用where方法（与mask逻辑相反）

df['column1'] = df['column1'].where(df['column1'] >= 0)

where会保留满足条件的值，不满足条件的自动替换为NaN，效果与方法1一致。

关于字符串列的疑问 #

不需要单独排除字符串列，因为我们的操作仅针对目标数值列，字符串列不会被涉及类型比较或值替换，自然不会产生错误。

内容的提问来源于stack exchange，提问作者Marharyta Kalynchuk