Python中如何将DataFrame数值列的0转为缺失值（解决replace不生效）

你遇到的问题是因为df_num.replace(0, np.nan)默认会返回一个新的DataFrame，不会修改原有的df_num或原始数据集，所以你看不到变化。下面是几种可行的实现方式：

• 直接赋值覆盖原变量：

  import numpy as np
  # 替换后赋值回df_num
  df_num = df_num.replace(0, np.nan)
  # 如果要同步更新原始DataFrame的数值列
  df[df_num.columns] = df_num
  

• 使用inplace=True参数直接修改原df_num：

  df_num.replace(0, np.nan, inplace=True)
  # 同步到原始df需将替换后的列重新赋值回去
  df[df_num.columns] = df_num
  

• 用mask函数实现替换（逻辑是把满足条件的值替换为NaN）：

  df_num = df_num.mask(df_num == 0)
  # 同步到原始df
  df[df_num.columns] = df_num
  

注意：替换后数值列的类型会从整数转为浮点型，这是因为NaN属于浮点类型，属于正常现象。

内容的提问来源于stack exchange，提问作者Roshini Prashanthica