如何将DataFrame中异常年份值替换为NaN？现有代码失效求助

问题原因分析 #

你的代码未生效通常有两个核心原因：

• 数据类型不匹配：如果year列是整数类型，但你传入的是字符串格式的异常值（如'911'），会导致匹配失败
• 未修改原DataFrame：replace()默认返回新的Series对象，不会直接修改原数据，需要赋值或启用inplace参数

具体修复方案 #

方案1：匹配正确数据类型并赋值

如果year列是整数类型，将异常值改为整数格式，同时赋值回原列：

import numpy as np

# 赋值回原列，修改原数据
df['year'] = df['year'].replace([911, 4788, 6344], np.nan)

或者使用inplace=True直接修改原数据：

df['year'].replace([911, 4788, 6344], np.nan, inplace=True)

方案2：适配字符串类型的year列

如果year列是字符串类型，确保替换的字符串与列中值完全一致：

df['year'] = df['year'].replace(['911', '4788', '6344'], np.nan)

方案3：布尔索引替换（更直观）

不管数据类型如何，都可以用布尔掩码精准定位异常值并替换：

invalid_years = {911, 4788, 6344}
df.loc[df['year'].isin(invalid_years), 'year'] = np.nan

验证结果 #

执行替换后，可通过以下代码确认效果：

print(df['year'])

内容的提问来源于stack exchange，提问作者KilianAndy