如何将pd.DataFrame负值加256转正且保留正值？

问题场景 #

原始DataFrame：

import pandas as pd
dfx = pd.DataFrame({'red': [72], 'green': [101], 'blue': [-125]})

输出：

red  green  blue
0   72    101  -125

使用dfx = dfx[dfx < 0] + 256后，正值被替换为NaN，不符合需求：

red  green  blue
0  NaN    NaN   131

需要实现：仅对负值加256转为正值，同时保留原有正值不变，期望输出：

red  green  blue
0   72    101   131

错误原因 #

原代码通过布尔索引筛选出负值并加256，但未被筛选的位置会被赋值为NaN，直接覆盖整个DataFrame导致正值丢失。

解决方案 #

以下三种方法均可实现需求：

方法1：使用numpy.where（高效简洁）

import numpy as np
dfx = dfx.apply(lambda col: np.where(col < 0, col + 256, col))

对每一列元素判断：小于0则加256，否则保留原值。

方法2：使用Pandas内置mask方法（贴合Pandas风格）

dfx = dfx.mask(dfx < 0, dfx + 256)

mask方法会将满足条件（元素<0）的位置替换为对应计算后的值，不满足条件的元素保持不变。

方法3：使用applymap逐元素处理（直观易懂）

dfx = dfx.applymap(lambda x: x + 256 if x < 0 else x)

遍历DataFrame中每一个元素，根据条件直接处理。

内容的提问来源于stack exchange，提问作者lingyau lee