如何将Pandas DataFrame中的不完整元组替换为np.nan

直接调用df.replace(to_replace=t, value=np.nan)无法生效，核心原因是pandas对object类型列存储的元组这类非标量值做全局替换时，内部默认的快速匹配逻辑不会逐单元格做对象等值校验，受类型推断、广播机制影响很容易漏匹配。

你不需要提前知道具体列名，只要匹配word_score_前缀筛选目标列即可，以下两种方法都能稳定完成替换：

• 方法1：逐列掩码替换（性能最好，推荐）
  先定义待替换的异常元组，筛选出所有目标列后逐列做等值判断，不符合条件的位置保留原值，命中异常值的位置替换为np.nan：

  import numpy as np
  import pandas as pd
  
  bad_val = ("", 1e-05)
  # 筛选所有以word_score_开头的列
  target_cols = df.columns[df.columns.str.startswith("word_score_")]
  
  for col in target_cols:
      df[col] = df[col].where(df[col] != bad_val, np.nan)
  

• 方法2：全表逐元素替换（代码最简洁）
  如果要替换全表所有位置的这类异常元组，不需要筛选列，可以直接逐元素判断替换：

  import numpy as np
  import pandas as pd
  
  bad_val = ("", 1e-05)
  # pandas 2.1.0以下版本用applymap，以上版本直接用df.map
  df = df.applymap(lambda x: np.nan if x == bad_val else x)
  

用提供的复现数据测试，替换后查看原异常位置的取值：

print(df.loc[30, "word_score_1"])  # 输出 nan
print(df.loc[41, "word_score_1"])  # 输出 nan

两个位置的异常元组都会被正确替换为空值。

内容的提问来源于stack exchange，提问作者leifericf