如何在pandas DataFrame中将符合条件的对应行指定列值替换为NaN

你当前的代码逻辑与axis参数无关，错误核心是replace方法的使用不符合需求：replace(0, np.nan)会遍历整个DataFrame的所有单元格，仅将值等于0的内容替换为NaN。你的x列取值都是三位数不存在0值，自然不会被修改，计算x列均值时用的还是全量数据，得到的当然是整体均值。

方案1：groupby直接分组计算（推荐） #

不需要修改原数据，一行代码即可得到不同group对应的x列均值：

import pandas as pd
import numpy as np

normalData = pd.read_csv('NormalSample.csv')
# 按group列分组后计算x列的均值
group_x_mean = normalData.groupby('group')['x'].mean()
print(group_x_mean)

运行后会直接输出如下格式的结果：

group
0    169.5
1    307.0
Name: x, dtype: float64

方案2：布尔索引筛选子集后计算 #

如果需要单独获取某一个group的均值，可以用条件筛选行之后再计算：

# 计算group为0的x列均值
mean_g0 = normalData[normalData['group'] == 0]['x'].mean()
# 计算group为1的x列均值
mean_g1 = normalData[normalData['group'] == 1]['x'].mean()

方案3：按需求替换NaN后计算（对应你原来的思路调整） #

如果你坚持要用替换为NaN后求均值的逻辑，需要将不需要计算的行的x列值设为NaN，而不是仅修改group列：

# 计算group为0的均值：把group不等于0的行的x值设为NaN
normalData.loc[normalData['group'] != 0, 'x'] = np.nan
print(normalData['x'].mean())

内容的提问来源于stack exchange，提问作者Schultzie67