如何基于指定值列表批量替换Pandas DataFrame各列的匹配值

核心思路 #

直接利用pandas内置的替换方法适配按列独立匹配的需求，两种实现方式可选：批量替换写法简洁高效，逐列循环写法便于调试排查。

代码实现 #

首先导入依赖库：

import pandas as pd
import numpy as np

你给出的查找值列表参考：

lookup_values_per_column = [[-99999], [9999], [99, 98],[9],[99],[996, 997, 998, 999]]

方法1：批量替换（推荐，性能更高） #

直接构造列维度的替换映射，一次调用完成所有列的替换：

# 构造替换规则字典，键为列名，值为{待匹配值: 替换目标}的映射
replace_rule = {}
for col_order, lookup_vals in enumerate(lookup_values_per_column):
    # 按顺序取对应的列名，lookup_values_per_column第0项对应DataFrame第1列
    col_name = df.columns[col_order]
    replace_rule[col_name] = {val: pd.NA for val in lookup_vals}

# 执行替换，inplace=True表示直接修改原DataFrame，不需要重新赋值
df.replace(replace_rule, inplace=True)

方法2：逐列循环（便于调试） #

如果需要中间打印匹配结果排查问题，可以用逐列判断的写法：

for col_order, lookup_vals in enumerate(lookup_values_per_column):
    col_name = df.columns[col_order]
    # 筛选当前列中属于查找列表的行，替换为NA
    df.loc[df[col_name].isin(lookup_vals), col_name] = pd.NA

注意事项 #

• 如果你习惯使用numpy的空值而非pandas原生pd.NA，把代码中的pd.NA替换为np.nan即可
• 替换后如果出现整数列自动转为float类型的问题，可在替换结束后执行df = df.convert_dtypes()转为pandas可空数值类型即可保留整数格式
• 需保证lookup_values_per_column的元素顺序和你要处理的DataFrame列顺序完全对应

内容的提问来源于stack exchange，提问作者Skerre