如何在含NaN的Pandas列中执行条件二元替换

针对需求：保留"A"、将所有非NaN的非"A"值替换为"D"、NaN保持不变，以下是几种高效实现方法：

方法一：结合np.where与pd.notna #

通过条件判断精准筛选需要替换的行，避免修改NaN：

import numpy as np
import pandas as pd

df["col1"] = np.where((pd.notna(df["col1"])) & (df["col1"] != "A"), "D", df["col1"])

逻辑：仅当值**非空且不等于"A"**时替换为"D"，其余情况（NaN或"A"）保留原内容。

方法二：使用df.loc直接定位修改 #

利用Pandas的索引定位功能，直接修改目标行：

df.loc[(df["col1"].notna()) & (df["col1"] != "A"), "col1"] = "D"

逻辑：通过布尔索引筛选出需要替换的行，直接赋值为"D"，不会影响空值和"A"。

方法三：正则表达式配合replace #

用正则匹配所有非"A"的非空字符串进行替换：

df["col1"] = df["col1"].replace(r'^(?!A$).+', "D", regex=True)

逻辑：正则^(?!A$).+匹配所有不是单个"A"的非空值，将其替换为"D"，NaN因不匹配正则而保留。

以上三种方法均无需枚举所有非"A"值，适用于非"A"值种类较多的实际场景。

内容的提问来源于stack exchange，提问作者Fredrik