将定义集中的值设置为 Pandas 数据框中列的给定值（f.e. NaN）

Question

拥有一组已定义的有效值，其中的所有 pandas 数据框列值都应设置为给定值 f.e. NaN。集合和数据框中包含的值可以假定为数值类型。

具有以下有效值集和数据框：

valid = {5, 22}
df = pd.DataFrame({'a': [5, 1, 7, 22],'b': [12, 3 , 10, 9]})

    a   b
0   5  12
1   1   3
2   7  10
3  22   9

在a 列上设置有效值将导致：

     a   b
0    5  12
1  NaN   3
2  NaN  10
3   22   9

Answer 1

你可以使用pd.Series.where:

df['a'].where(df['a'].isin(valid), inplace=True)

print(df)

      a   b
0   5.0  12
1   NaN   3
2   NaN  10
3  22.0   9

注意几点：

• pd.Series.isin 与 list 相比，set 的工作效率更高。另见Pandas pd.Series.isin performance with set versus array。
• 您的系列必须转换为 float，因为 NaN 被视为 float。
• 当使用inplace=True 时，该操作不需要分配给变量。

Answer 2

为什么不isin：

df.loc[~df['a'].isin(valid),'a']=pd.np.nan

示例：

import pandas as pd
valid = {5, 22}
df = pd.DataFrame({'a': [5, 1, 7, 22],'b': [12, 3 , 10, 9]})
df.loc[~df['a'].isin(valid),'a']=pd.np.nan
print(df)

输出：

      a   b
0   5.0  12
1   NaN   3
2   NaN  10
3  22.0   9