如何用对应列均值批量替换DataFrame中所有列的'XX'值

针对你有200+列的大型数据集，这里有两种高效的批量处理方案，比逐列手动操作省心太多：

方案一：全列统一处理（所有列均为需处理的数值属性） #

如果你的数据集里所有列都是需要替换'XX'的数值属性，可以直接用pandas的向量化操作一步完成，效率远超循环：

import pandas as pd
import numpy as np

# 第一步：把所有列转成数值型，将'XX'强制转为NaN
df = df.apply(pd.to_numeric, errors='coerce')
# 第二步：用每列的均值填充NaN（也就是原来的'XX'位置）
df = df.fillna(df.mean())

方案二：仅处理包含'XX'的列（避免干扰无关列） #

如果数据集中有部分列是不需要处理的字符串列，可以先筛选出包含'XX'的列再处理：

import pandas as pd
import numpy as np

# 筛选出存在'XX'的列
cols_with_xx = df.columns[df.isin(['XX']).any()]

# 对目标列进行转换和填充
df[cols_with_xx] = df[cols_with_xx].apply(pd.to_numeric, errors='coerce')
df[cols_with_xx] = df[cols_with_xx].fillna(df[cols_with_xx].mean())

为什么这个方法比逐列操作更好？ #

pandas的apply和fillna都是向量化操作，内部做过性能优化，面对200+列的大型数据集，比循环遍历每列执行替换要快得多，代码也更简洁易维护。

内容的提问来源于stack exchange，提问作者prof31