如何将DataFrame列的NaN值替换为0、其余值替换为1？求助

嘿，我来帮你搞定这个问题！你之前的lambda函数出问题是因为它在检查整个列的非0值，而不是逐个判断每个元素是不是NaN，所以才会整列都变成1。下面给你几种简单高效的正确解法：

方法1：用notna() + astype(int)（最简洁高效） #

这是最推荐的方法，notna()会直接标记非NaN值为True，NaN值为False，转成整数后True对应1，False对应0，完全符合你的需求：

import pandas as pd
# 假设你的DataFrame叫df，目标列是'Column'
df['Column'] = df['Column'].notna().astype(int)

方法2：用apply配合正确的lambda函数 #

如果想用lambda实现，要针对每个元素x单独判断是否为NaN，而不是对整个列做全局判断：

df['Column'] = df['Column'].apply(lambda x: 1 if pd.notna(x) else 0)

这里pd.notna(x)是专门用来判断元素是否非NaN的方法，比利用“NaN不等于自身”的特性（x == x）更直观易懂。

方法3：用replace配合映射逻辑 #

也可以通过两次替换完成：先把NaN换成0，再把所有非0值统一换成1：

df['Column'] = df['Column'].replace({pd.NA: 0})
df['Column'] = df['Column'].apply(lambda x: 1 if x != 0 else 0)

不过这种方法需要两步操作，不如前两种简洁高效。

为什么你的原lambda失效？ #

你写的lambda x: 1 if any(dataframe['Colum'].values != 0) else 0里，any(dataframe['Colum'].values != 0)是对整个列做判断：只要列里存在一个非0的元素（你的列里有字符串、数字这些非NaN值，都会被判定为True），any()就返回True，所以每个元素都会被替换成1，这就是问题的核心。

内容的提问来源于stack exchange，提问作者Imran Ahmad Ghazali