如何在Pandas中无需for循环将列中列表匹配值替换为nan

现有如下DataFrame：

import pandas as pd
import numpy as np

test = {'x': [1.1, 1.2, 0.15, 20], 'y': [-111, -20, -1.9, -80]} 
df = pd.DataFrame(test)

另有数值列表 ls=[1.2, 0.15, 2.2]，需要将df中"x"列与ls内数值相同的元素替换为nan。当前通过for循环实现：

for i in ls:
    df.loc[df['x'] == i, 'x'] = np.nan

希望找到无需for循环的实现方式，预期输出如下：

方法1：使用isin()结合布尔索引 #

利用pandas.Series.isin()快速判断元素是否在目标列表中，再通过布尔索引赋值：

df.loc[df['x'].isin(ls), 'x'] = np.nan

df['x'].isin(ls)会返回布尔Series，标记"x"列中属于ls的元素位置，通过loc定位后批量赋值为nan。

方法2：使用replace()方法 #

直接调用replace()批量替换目标值：

df['x'] = df['x'].replace(ls, np.nan)

replace()支持传入列表作为替换目标，自动将"x"列中所有匹配列表内的值替换为nan。

两种方法均能实现原循环的效果，且在数据量较大时效率显著更高。

内容的提问来源于stack exchange，提问作者Luckyboy. Jupiterchen