能否在DataFrame中实现选择性内容替换、排除不参与替换的指定列？

完全可以实现排除指定列、不执行替换的精细化需求，基于pandas原生能力即可完成，不需要依赖第三方组件，以下是两类高频使用的落地方式：

方法1：筛选目标列子集执行替换 #

这是逻辑最清晰、性能最优的实现方式，适合排除列固定的场景：

• 先从DataFrame总列名中，剔除所有不需要执行替换的列（比如业务要求保留原始内容的Summary列）
• 仅对筛选得到的待处理列集合，应用原有的字符替换规则

对应的实现代码：

# 定义需要跳过替换的列清单
exclude_columns = ['Summary']
# 筛选需要执行替换的目标列
process_cols = [col for col in df.columns if col not in exclude_columns]
# 仅对目标列范围执行替换操作
df[process_cols] = df[process_cols].replace(
    ['《', '》', ' ,\t'],
    ['', '', '|'],
    regex=True
)

这种方式不会触达被排除的列，完全不会改动Summary列的原始值，且因为减少了遍历的列数量，替换执行效率和原全量替换逻辑接近。

方法2：逐列判断灵活匹配规则 #

如果排除的列不是固定名称，而是需要按照列特征（比如列名关键词、列数据类型）动态判断是否跳过替换，可以通过逐列应用处理函数的方式实现：

• 自定义列级处理函数，在函数内先判断当前列是否属于需要排除的范围
• 命中排除规则的列直接返回原始内容，其余列应用预设的替换规则

对应的实现代码：

def handle_col_content(col):
    # 匹配到排除列时，直接返回原始列数据
    if col.name == 'Summary':
        return col
    # 其余列应用预设替换规则
    return col.replace(['《', '》', ' ,\t'], ['', '', '|'], regex=True)

# 对全DataFrame逐列应用处理逻辑
df = df.apply(handle_col_content)

这种方式灵活度更高，可以在列判断环节叠加更多业务规则，适配更复杂的精细化替换需求。

注意：原全量替换代码中使用的inplace=True在跨列范围操作时，容易触发pandas的链式赋值警告，上述两种方法采用直接赋值回原DataFrame对应列的写法，可以完全规避这类警告，同时保证替换效果和原逻辑一致。

内容的提问来源于stack exchange，提问作者marlon