Python DataFrame含NaN的列如何替换负值为0且保留NaN

代码触发类型比较错误，是因为Data列当前为混合类型，存在字符串格式的值，字符串和整数/浮点数无法直接做大小比较。

不需要写多条件筛选行的复杂逻辑，两步操作即可满足需求，同时自动解决类型问题、保留原有NaN值：

• 先将列安全转换为数值类型，统一数据格式
• 用下界截断方法直接把小于0的值替换为0，NaN不会被改动

对应代码：

import pandas as pd

# 安全转换列为数值类型，无法解析的异常值转为NaN，不影响原有正常数值和NaN
df['Data'] = pd.to_numeric(df['Data'], errors='coerce')
# 截断所有小于0的值为0，大于0的值保持原样，NaN自动保留
df['Data'] = df['Data'].clip(lower=0)

如果确认列内没有无法转数值的脏数据，可以合并为一行写法：

df['Data'] = pd.to_numeric(df['Data'], errors='coerce').clip(lower=0)

执行后得到的结果和预期完全一致：

Data
0   1.0
1   0.5
2   0.0
3   0.0
4   0.0
5   NaN
6   NaN

说明：如果需要保留整数位的数值格式，可以在转换后追加.astype('Int64')（pandas支持带NaN的整数类型）即可，不会改变替换逻辑。

内容的提问来源于stack exchange，提问作者Elizabeth