如何将DataFrame中的指定值替换为NA，同时保留近似原始数据类型并转换为对应可空扩展类型

这个问题确实很常见——当我们想给基于numpy原生类型的DataFrame添加缺失值时，总是会不小心把列类型变成object，好在pandas有几个优雅的自动解决方案，完全不用手动维护繁琐的类型映射表：

方法1：用mask()一键替换并自动转类型 #

直接使用DataFrame.mask()方法，把等于-1的值替换为pd.NA，pandas会智能识别原列的numpy类型，自动将其升级为对应的pandas可空扩展类型：

import numpy as np
import pandas as pd

# 初始化你的原始数据
ar = np.array([(1, -1), (-1, 2)], dtype=[('a', 'i2'), ('b', 'i4')])
df = pd.DataFrame(ar)

# 替换-1为NA，自动转换类型
df_with_na = df.mask(df == -1, pd.NA)

# 查看结果
print(df_with_na)
#       a     b
# 0     1  <NA>
# 1  <NA>     2

print(df_with_na.dtypes)
# a    Int16
# b    Int32
# dtype: object

这个方法完全不需要你操心类型匹配：原int16会转成Int16，int32转成Int32，连浮点、datetime类型都能自动适配——比如float32会变成Float32，原生datetime64本身支持缺失值，会直接保留类型并兼容pd.NA。

方法2：如果已经用了replace()，用convert_dtypes()修正 #

要是你已经执行了replace(-1, pd.NA)导致类型变成object，也不用重新来，用convert_dtypes()方法就能自动把列转回最合适的可空扩展类型：

df_with_na = df.replace(-1, pd.NA).convert_dtypes()
print(df_with_na.dtypes)
# a    Int16
# b    Int32
# dtype: object

这个方法会自动检测列中的数据，精准匹配原numpy类型的可空版本，同样不需要手动指定任何类型。

为什么replace()会把类型变成object？ #

简单说，numpy的原生整数/浮点类型是不支持缺失值的，当你用replace()把数值换成pd.NA时，pandas没办法在原生类型里容纳缺失值，只能退而求其次用object类型来混合存储数值和NA。而mask()方法会提前检测这种需求，自动帮你把列升级到pandas的可空扩展类型——这些类型原生支持缺失值，同时还能保留原类型的精度。

扩展测试：其他数据类型也适用 #

这个逻辑对其他数据类型同样有效，比如浮点和datetime：

# 浮点类型测试
ar_float = np.array([(1.5, -1.0), (-1.0, 2.5)], dtype=[('x', 'f4'), ('y', 'f8')])
df_float = pd.DataFrame(ar_float)
df_float_na = df_float.mask(df_float == -1.0, pd.NA)
print(df_float_na.dtypes)
# x    Float32
# y    Float64
# dtype: object

# datetime类型测试
ar_dt = np.array([(np.datetime64('2020-01-01'), np.datetime64('1970-01-01')), 
                  (np.datetime64('1970-01-01'), np.datetime64('2020-01-02'))], 
                 dtype=[('start', 'datetime64[ns]'), ('end', 'datetime64[ns]')])
df_dt = pd.DataFrame(ar_dt)
df_dt_na = df_dt.mask(df_dt == np.datetime64('1970-01-01'), pd.NA)
print(df_dt_na.dtypes)
# start    datetime64[ns]
# end      datetime64[ns]
# dtype: object

内容的提问来源于stack exchange，提问作者Antti Haapala