python - 根据条件用 NaN 替换数据帧值，同时保留 df 的形状

Question

这里是 Python 新手。我确定我问的是一个微不足道的问题，但不幸的是，在做了一些 google-foo 之后，我还没有找到解决方案。所以这里是:如果我有这样的数据框:

raw_data = {'first_name': ['Jason', 'Molly', 'Tina', 'Jake', 'Amy'], 
    'last_name': ['Miller', 'Jacobson', 'Ali', 'Milner', 'Cooze'], 
    'age': [42, 52, 36, 24, 73], 
    'preTestScore': [-999, -999, -999, 2, 1],
    'postTestScore': [2, 2, -999, 2, -999]}
df = pd.DataFrame(raw_data, columns = ['first_name', 'last_name', 'age', 'preTestScore', 'postTestScore'])

如何执行以下操作:如果 preTestScore = -999，则将 preTestScore 和 postTestScore 都替换为 NaN？

我可以使用 df.replace(-999, np.nan) 将单个列值替换为 NaN ，但这需要有条件地删除两列。

谢谢你

Answer 1

使用loc带有 bool 掩码和设置为 NaN 的列列表:

df.loc[df['preTestScore'] == -999, ['preTestScore','postTestScore']] = np.nan
print (df)

      first_name last_name  age  preTestScore  postTestScore
0      Jason    Miller   42           NaN            NaN
1      Molly  Jacobson   52           NaN            NaN
2       Tina       Ali   36           NaN            NaN
3       Jake    Milner   24           2.0            2.0
4        Amy     Cooze   73           1.0         -999.0

详细信息:

print (df['preTestScore'] == -999)
0     True
1     True
2     True
3    False
4    False
Name: preTestScore, dtype: bool