DataFrame多列Replace方法不生效问题排查

问题原因 #

你这段代码失效的核心原因是：df_g1[["列名列表"]]属于链式索引，Pandas无法保证它返回的是原DataFrame的视图还是副本。当你在这个返回结果上调用inplace=True时，修改只会作用于临时生成的副本，原DataFramedf_g1不会受到任何影响。

解决方案 #

方案1：直接赋值回原DataFrame的指定列 #

放弃inplace=True，将replace的结果直接赋值给原DataFrame的对应列，确保修改作用到原数据：

import numpy as np

target_cols = ["09-12-2013","14-09-2013","16-09-2013","18-09-2013","20-09-2013","22-09-2013"]
df_g1[target_cols] = df_g1[target_cols].replace(["Removed","removed"], np.NaN)

方案2：使用loc索引避免链式问题 #

用df.loc[:, 列名列表]明确指定操作的是原DataFrame的视图，再执行替换：

import numpy as np

target_cols = ["09-12-2013","14-09-2013","16-09-2013","18-09-2013","20-09-2013","22-09-2013"]
df_g1.loc[:, target_cols].replace(["Removed","removed"], np.NaN, inplace=True)

或者用赋值方式（推荐，避免inplace的潜在问题）：

df_g1.loc[:, target_cols] = df_g1.loc[:, target_cols].replace(["Removed","removed"], np.NaN)

方案3：正则匹配统一处理大小写（可选） #

如果需要匹配所有大小写变体（比如"REMOVED"、"Removed"等），可以用正则表达式简化代码：

import numpy as np
import re

target_cols = ["09-12-2013","14-09-2013","16-09-2013","18-09-2013","20-09-2013","22-09-2013"]
df_g1[target_cols] = df_g1[target_cols].replace(r'^removed$', np.NaN, regex=True, flags=re.IGNORECASE)

内容的提问来源于stack exchange，提问作者Pulkit