Pandas：根据lof列值将normalized flux列替换为np.nan

问题描述 #

我有一个如下所示的DataFrame：

wavelength  normalized flux  lof
0       5100.00        0.948305    1
1       5100.07        0.796783    1
2       5100.14        0.696425    1
3       5100.21        0.880586    1
4       5100.28        0.836257    1
...         ...             ...  ...
4281    5399.67        1.076449    1
4282    5399.74        1.038198    1
4283    5399.81        1.004292    1
4284    5399.88        0.946977    1
4285    5399.95        0.894559    1

需求：当lof列的值为-1时，将normalized flux列对应的值替换为np.nan；否则保持原值不变。

简便实现方法 #

方法1：使用np.where #

直观的向量式操作，一行代码即可完成：

import numpy as np
import pandas as pd

# 假设你的DataFrame名为df
df['normalized flux'] = np.where(df['lof'] == -1, np.nan, df['normalized flux'])

方法2：使用Pandas的loc索引 #

通过布尔索引定位目标行后直接赋值，性能高效：

df.loc[df['lof'] == -1, 'normalized flux'] = np.nan

方法3：使用mask方法 #

mask方法语义贴合需求，会在条件为真时替换对应值：

df['normalized flux'] = df['normalized flux'].mask(df['lof'] == -1, np.nan)

以上三种方法都简洁高效，其中loc方法在处理大规模数据集时表现更优，mask方法的可读性更强。

内容的提问来源于stack exchange，提问作者Dila