DataFrame列值替换需求：将含'2018'值及非列表值替换为NULL

首先，我先帮你构造一个完全符合你描述的可复现示例DataFrame：

import pandas as pd
import numpy as np

# 构造示例：列中包含列表、NULL（np.nan）、单个非列表值
df = pd.DataFrame({
    'target_col': [
        ['2017', '2018'],  # 列表包含'2018'
        ['2019'],          # 列表不包含'2018'
        np.nan,            # 原NULL值
        '2018',            # 非列表值需替换
        ['2020', '2018'],  # 列表包含'2018'
        '2021'             # 非列表值无需替换
    ]
})

针对你的需求——既要替换所有包含'2018'的元素（不管是列表内的元素还是单个值），又要避免替换后列数据类型混杂，最稳妥的方式是自定义一个处理函数，逐个元素判断并替换。这里的关键是用和原列一致的空值类型（比如原列用np.nan就返回np.nan，用None就返回None），避免引入不同类型的空值导致混杂。

步骤1：编写自定义处理函数 #

这个函数会处理三种情况：原空值、列表类型、非列表非空值：

def replace_2018_with_null(val):
    # 原NULL值直接返回，不做修改
    if pd.isna(val):
        return val
    # 如果是列表，检查是否包含'2018'
    elif isinstance(val, list):
        if '2018' in val:
            return np.nan  # 这里用和原列一致的空值类型，原列是np.nan就用它，原列是None就换None
        else:
            return val
    # 非列表非空值，检查是否等于'2018'
    else:
        if val == '2018':
            return np.nan
        else:
            return val

步骤2：应用函数到目标列 #

用apply方法把函数作用到整个列上：

df['target_col'] = df['target_col'].apply(replace_2018_with_null)

验证结果 #

处理后的DataFrame会变成这样：

可以看到：

• 所有包含'2018'的列表和单个'2018'值都被替换成了和原列一致的NaN
• 原NULL值保持不变
• 不包含'2018'的列表和非列表值也保留了原类型，没有出现类型混杂的问题

补充说明 #

如果你的原列NULL值是None而不是np.nan，只需要把函数里的return np.nan改成return None即可，这样整个列的空值类型保持统一，不会出现混杂。

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