如何替换Pandas DataFrame指定列中的所有负值？

没问题，针对你想要只修改B列负值、保留其他列原样的需求，这里有几种简单高效的实现方式，都是pandas里常用的操作：

方法1：用loc直接定位修改（最直观） #

这是最容易理解的方式，通过布尔索引筛选出B列中值为负的行，然后直接赋值替换：

# 把B列的负值替换为你需要的数值，这里示例用0，可自行修改
df_1.loc[df_1['B'] < 0, 'B'] = 0

执行后，只有B列的-5会被替换成0，其他列的负值（比如A列的-1、C列的-9）完全不受影响。

方法2：用mask或where方法（更简洁的链式操作） #

如果你习惯链式调用，可以用mask方法——它会把满足条件的元素替换成指定值：

df_1['B'] = df_1['B'].mask(df_1['B'] < 0, 0)

或者用where方法，逻辑刚好相反：保留满足条件（值≥0）的元素，替换不满足的：

df_1['B'] = df_1['B'].where(df_1['B'] >= 0, 0)

这两种方法的效果和loc完全一致，只是写法更简洁。

方法3：用apply自定义逻辑（适合复杂场景） #

如果你的替换逻辑更复杂（比如根据不同负值替换成不同值），可以用apply配合lambda函数：

df_1['B'] = df_1['B'].apply(lambda x: 0 if x < 0 else x)

不过对于简单的负值替换，前面两种方法的性能会更好，因为apply是逐元素操作，而前两种是向量化操作。

修改后的结果示例 #

替换完成后，你的DataFrame会变成这样：

A  B  C
2017-01-01 00:01:00 -1  4  7
2017-01-01 00:02:00  2  0  8
2017-01-02 00:01:00  3  6 -9

内容的提问来源于stack exchange，提问作者mitchute