将熊猫数据框中的列的定义值之外的值设置为给定值（例如NaN）

Question

具有一组定义的有效值，所有熊猫数据框列值都应设置为给定值，例如NaN。可以认为集合和数据帧中包含的值是数字类型。

已设置以下有效值和数据框：

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

在列a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

您可以使用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

需要注意的几点：

• pd.Series.isin与list相比，set的工作效率更高。另请参见Pandas pd.Series.isin performance with set versus array。
• 由于将float视为NaN，因此您的序列必须转换为float。
• 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