如何高效替换Pandas DataFrame中含问号的元素为空字符串？

最优矢量化方案（大数据集首选） #

直接用Pandas的矢量化操作，避免Python层面的循环，这是效率最高的方式：

方法1：mask函数（推荐）

# 处理所有列，自动将含问号的元素替换为空字符串
df = df.mask(df.apply(lambda col: col.astype(str).str.contains('?', regex=False)), '')

• astype(str)确保非字符串类型的列也能被检查（比如数字列中混入的问号字符串）
• str.contains('?', regex=False)关闭正则匹配，避免问号作为正则特殊字符被解析
• mask函数底层是C级别的操作，速度远快于Python循环

方法2：applymap元素级处理

如果需要更直观的元素逻辑，可以用applymap：

df = df.applymap(lambda x: '' if '?' in str(x) else x)

这个方法会遍历每个元素，但比手动写的逐行循环高效得多，因为Pandas内部做了优化。

你之前方法的问题分析 #

1. 逐行循环方法：
   iterrows()本身性能极差，每次返回单个Series，加上嵌套的列循环，完全是Python层面的遍历，大数据集下速度会慢到无法接受，绝对不推荐。

2. 无效的df_loc_replace方法：
   你的错误在于"?" in df[colname]——这是判断整个列（Series）是否包含"?"这个单独元素，不是检查每个元素里是否包含问号。正确的写法应该是用str.contains做元素级判断，修正后的代码如下：

def df_loc_replace_fixed(df):
    for colname in df.columns:
        # 元素级检查是否包含问号
        mask = df[colname].astype(str).str.contains('?', regex=False)
        df.loc[mask, colname] = ''
    return df

这个修正后的方法比逐行循环快，但还是不如前面的矢量化方案，因为存在列循环。

关于df.replace()的补充 #

其实replace()也可以实现，不过需要用正则匹配：

df = df.replace(r'.*\?.*', '', regex=True)

这个方法会替换所有包含问号的字符串（正则里的.*匹配任意字符），但要注意如果列里有非字符串类型，可能需要先转成字符串类型再处理，灵活性不如mask方法。

内容的提问来源于stack exchange，提问作者Looz