如何将DataFrame中float64列的整数值替换为空值？

你之前方法的问题说明 #

• 第一种方法用' '空格字符串替换，会导致列类型从float64变为object，破坏数值列的特性，且未处理NaN值的情况。
• 第二种方法存在变量名错误（循环变量是cols，但代码里用了col），且直接给整个df赋值会意外修改其他列，逻辑范围不正确。
• 第三种思路错误地将float类型列当作字符串处理，contains是字符串方法，不能直接用于数值列。

可行解决方案 #

因为你的列是float64类型，数值列的空值应该用np.nan表示（而非空格字符串），以下是两种可靠方法：

方法一：使用mask结合is_integer

import numpy as np
import pandas as pd

# 遍历每一列处理
for col in df.columns:
    # 先排除NaN值，再判断是否为整数，满足条件则替换为np.nan
    df[col] = df[col].mask(df[col].notna() & df[col].apply(lambda x: x.is_integer()), np.nan)

方法二：使用取模运算判断整数

import numpy as np
import pandas as pd

for col in df.columns:
    # 排除NaN后，判断数值取模1是否等于0（整数的特征）
    df[col] = df[col].mask(df[col].notna() & (df[col] % 1 == 0), np.nan)

更简洁的批量处理方式（无需循环）

如果所有列都是float64类型，可以直接对整个DataFrame操作：

import numpy as np
import pandas as pd

df = df.mask(df.notna() & df.applymap(lambda x: x.is_integer()), np.nan)

内容的提问来源于stack exchange，提问作者Panvas