对于pandas数据框中的列，将定义的集合中的值设置为给定值（f.e.NaN）

Question

如果有一组已定义的有效值，则应将其中的所有pandas数据帧列值设置为给定值fe NaN 。 可以假设集合和数据框中包含的值是数字类型。

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：

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：

使用list与set pd.Series.isin将更有效地工作。 另请参阅Pandas pd.Series.isin性能与set与数组。
您的系列一定会被转换为float以来NaN被认为是float 。
当使用inplace=True时，操作不需要赋值给变量。

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