如何在Pandas中对多列使用mask方法替换负值？

我有一个包含20列的数据集，只需要把ArrDelay和DepDelay两列里的负值替换成0。但数据里有字符串类型的列，没法对全量数据用mask方法；单独对一列用mask能正常跑，但想同时处理这两列。

当前代码：

data = data.mask(data.ArrDelay.lt(0),0) #how to add 'DepDelay'?
data

数据集示例：

FlightNum ArrDelay DepDelay TailNum Month Dest
3232      3        -6       432G    1     ORX
4342      -2       4        476N    2     TOL
6344      -1       -4       643G    3     JFK
7564      5        13       653A    4     CVO

期望结果：

FlightNum ArrDelay DepDelay TailNum Month Dest
3232      3        0        432G    1     ORX
4342      0        4        476N    2     TOL
6344      0        0        643G    3     JFK
7564      5        13       653A    4     CVO

方法1：指定列应用mask #

直接选中目标列，只对这两列执行mask操作，不会影响其他字符串列：

cols = ['ArrDelay', 'DepDelay']
data[cols] = data[cols].mask(data[cols] < 0, 0)

方法2：用clip简化操作 #

clip函数可以直接把数值限制在指定区间，这里设置下限为0，所有小于0的值都会被替换成0，代码更简洁：

cols = ['ArrDelay', 'DepDelay']
data[cols] = data[cols].clip(lower=0)

方法3：apply逐列处理 #

如果需要自定义更复杂的逻辑，也可以用apply对目标列逐个处理：

cols = ['ArrDelay', 'DepDelay']
data[cols] = data[cols].apply(lambda x: x.mask(x < 0, 0))

内容的提问来源于stack exchange，提问作者Toshik