如何按列将Pandas DataFrame中的异常值替换为np.nan？

• 核心问题：你用了df_ex.apply(outliers, axis=1)，其中axis=1是按行处理每个数据行，而你需要的是按列计算列内的异常值，方向完全搞反了。
• 为什么结果不对：axis=1时，outliers函数会接收每一行作为独立的Series，计算该行的分位数和IQR，判断该行内的异常值——这和你要的“按列统计整列数据的异常值”逻辑完全不符。

修正后的代码 #

把axis=1改成axis=0（或者直接省略，因为apply默认axis=0就是按列处理）：

import pandas as pd
import numpy as np

df_ex = pd.DataFrame({
'a': [np.nan,np.nan,2.0,-0.5,6,120], 
'b': [1, 3, 4, 2,40,11], 
'c': [np.nan, 2, 3, 4,2,2], 
'd': [6, 2.2, np.nan, 0,3,3],
'e': [12, 4, np.nan, -5,5,5],
'f': [2, 3, 8, 2,12,8],
'g': [3, 3, 9.0, 11, np.nan,2]})

def outliers(s, replace=np.nan):
    # 计算分位数时跳过NaN，避免干扰统计结果
    Q1, Q3 = np.percentile(s.dropna(), [25 ,75])
    IQR = Q3 - Q1
    return s.where((s >= (Q1 - 1.5 * IQR)) & (s <= (Q3 + 1.5 * IQR)), replace)

# 按列处理异常值，axis=0可省略
df_ex_o = df_ex.apply(outliers, axis=0)
print(df_ex_o)

处理效果说明 #

修正后会按列统计异常值：

• 列a中的120会被替换为NaN（属于列内极端值）
• 列b中的40会被替换为NaN（属于列内极端值）
• 原DataFrame中的NaN会保留，其他正常数据不受影响

内容的提问来源于stack exchange，提问作者Zen4ttitude