如何在Python的DataFrame中将数值替换为指定字符串？

你遇到的核心问题是分步替换会改变DataFrame的数据类型，导致后续无法进行数值逻辑判断。解决思路是基于原始数值列一次性完成所有条件判断，再生成目标符号列。以下是两种高效实现方式：

方法1：使用numpy.where嵌套判断 #

利用numpy.where的嵌套特性，依次处理负数、零、正数三种情况，直接生成结果DataFrame：

import pandas as pd
import numpy as np

# 构造示例数据
df = pd.DataFrame({
    'C1': [1.2, -0.5, 0.5],
    'C2': [0.0, 3.4, -4],
    'C3': [-0.2, 0.0, -2.8],
    'C4': [3, 4, 0.0]
}, index=['R1', 'R2', 'R3'])

# 多层条件替换
df_result = pd.DataFrame(
    np.where(df < 0, '*', np.where(df == 0, '_', '**')),
    index=df.index,
    columns=df.columns
)

print(df_result)

输出结果：

C1  C2 C3  C4
R1  **   _  *  **
R2   *  **  _  **
R3  **   *  *   _

方法2：使用applymap自定义函数 #

通过applymap对每个元素应用自定义判断函数，逻辑更直观，适合复杂条件场景：

import pandas as pd

# 构造示例数据
df = pd.DataFrame({
    'C1': [1.2, -0.5, 0.5],
    'C2': [0.0, 3.4, -4],
    'C3': [-0.2, 0.0, -2.8],
    'C4': [3, 4, 0.0]
}, index=['R1', 'R2', 'R3'])

# 定义替换规则函数
def map_value(x):
    if x < 0:
        return '*'
    elif x == 0:
        return '_'
    else:
        return '**'

# 应用到整个DataFrame
df_result = df.applymap(map_value)

print(df_result)

输出结果与方法1一致。

关键说明 #

两种方法都基于原始数值列完成所有条件判断，不会中途修改数据类型，因此能一次性完成三种值的替换，避免了分步替换导致的数值逻辑判断失效问题。

内容的提问来源于stack exchange，提问作者sidrah maryam