如何将Pandas Series中的-inf值替换为np.nan？多种尝试无效

咱先理清楚这个问题：你已经发现针对单列（Series）用df[feature] = df[feature].replace(-np.infty, np.nan)是有效的，但全表替换时df = df.replace(-np.inf,...)出问题了，下面给你几个可行的解决思路：

一、单列替换的补充方法 #

除了你已经验证有效的写法，这两种方式也能实现单列替换：

• 用条件判断的where方法，逻辑更直白：

  df[feature] = df[feature].where(df[feature] != -np.inf, np.nan)
  

• 直接在原Series上修改，省去重新赋值的步骤：

  df[feature].replace(-np.inf, np.nan, inplace=True)
  

二、全表替换的正确姿势 #

你遇到全表替换无效的情况，大概率是因为replace的参数设置或者数据类型匹配问题，试试这几种方法：

1. 用字典格式指定替换规则，确保全表所有列都能匹配：

   df = df.replace({-np.inf: np.nan})
   

   或者直接原地修改原DataFrame：

   df.replace(-np.inf, np.nan, inplace=True)
   

2. 如果数据里同时存在数值型-np.inf和字符串型'-inf'，可以一次性处理两种情况：

   df = df.replace([-np.inf, '-inf'], np.nan)
   

3. Pandas还有个更通用的方法，能同时替换正无穷和负无穷：

   df = df.replace([np.inf, -np.inf], np.nan)
   

为什么单列有效全表可能失效？ #

单列处理时，Series的数据类型是统一的（比如float），所以-np.inf能精准匹配；而全表处理时，如果某些列是object类型（比如混合了字符串和数值），就可能导致匹配失败，这时候用字典或列表的替换方式会更可靠。

内容的提问来源于stack exchange，提问作者Javiss