基于条件将NumPy数组中的负值转换为np.nan

没问题！把用作缺失值标记的负数转换成np.nan是NumPy里非常常见的操作，我给你两种简单好用的实现方式：

首先别忘了先导入NumPy库：

import numpy as np

方法1：布尔索引直接修改原数组 #

这是最直观的方式——用布尔掩码定位所有小于0的元素，直接替换成np.nan：

# 示例原数组（包含作为缺失值的负数）
original_array = np.array([1, -2, 3, -4, 5, -6])
# 执行转换
original_array[original_array < 0] = np.nan
# 查看结果
print(original_array)
# 输出：[ 1. nan  3. nan  5. nan]

⚠️ 小提示：如果你的原数组是整数类型，替换后会自动转为浮点型，因为np.nan本身是浮点类型，这是正常的转换，不用担心。

方法2：用np.where生成新数组（保留原数组） #

如果你不想改动原始数据，而是生成一个新的处理后数组，np.where会是更合适的选择：

original_array = np.array([1, -2, 3, -4, 5, -6])
# 按条件生成新数组：满足array<0则替换为np.nan，否则保留原数值
new_array = np.where(original_array < 0, np.nan, original_array)
print(new_array)
# 输出同样为：[ 1. nan  3. nan  5. nan]

二维数组（表格型数据集）的适配 #

如果你的数据集是二维数组（比如常见的表格数据），这两种方法完全通用，NumPy会自动对整个数组做元素级的判断和替换：

# 二维数组示例
original_2d = np.array([[1, -2], [-3, 4], [5, -6]])
original_2d[original_2d < 0] = np.nan
print(original_2d)
# 输出：
# [[ 1. nan]
#  [nan  4.]
#  [ 5. nan]]

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