如何原地更新DataFrame：将指定行的'int'替换为NaN

首先定义原始DataFrame：

import pandas as pd
import numpy as np

df = pd.DataFrame({'Id':[1,1,2,3],'Origin':['int','int','pot','pot'],'Origin2':['pot','int','int','int']})

问题说明 #

需要将Id=1的行（索引0、1）中值为'int'的元素替换为np.nan，但df.update()无法实现用NaN覆盖非NaN值，因此需要换用其他方式。

可行方案 #

方案1：全局目标行替换（原地更新）

直接通过布尔索引定位目标行，执行替换后赋值回原DataFrame：

# 生成Id=1的行掩码
mask = df['Id'].eq(1)
# 对目标行执行替换并原地更新
df.loc[mask] = df.loc[mask].replace('int', np.nan)

执行后得到目标结果：

print(df)
#    Id Origin Origin2
# 0   1    NaN     pot
# 1   1    NaN     NaN
# 2   2    pot     int
# 3   3    pot     int

方案2：指定列精准更新

如果仅需更新Origin和Origin2列，可以缩小操作范围：

cols_to_update = ['Origin', 'Origin2']
df.loc[mask, cols_to_update] = df.loc[mask, cols_to_update].replace('int', np.nan)

补充说明 #

df.update()的设计逻辑是仅用非NaN值更新原DataFrame，因此无法实现用NaN覆盖已有非NaN内容，而直接通过.loc定位赋值的方式可以绕过这个限制，直接完成原地更新。

内容的提问来源于stack exchange，提问作者INGl0R1AM0R1