将 pandas 数据框中的所有 inf、-inf 值替换为 NaN

Question

我有一个大型数据框，在不同的列中包含 inf、-inf 值。我想用 NaN

替换所有 inf、-inf 值

我可以逐列这样做。所以这有效：

df['column name'] = df['column name'].replace(np.inf, np.nan)

但是我的代码无法一次性完成整个数据帧。

df.replace([np.inf, -np.inf], np.nan)

输出不替换 inf 值

Answer 1

TL;DR

• df.replace 替换 ±inf
最快
• 但是你可以通过设置mode.use_inf_as_na
来避免完全替换

---

替换 inf 和 -inf

df = df.replace([np.inf, -np.inf], np.nan)

^{请注意 inplace 是可能的，但 not recommended and will soon be deprecated.}

较慢的 df.applymap 选项：

• df = df.applymap(lambda x: np.nan if x in [np.inf, -np.inf] else x)
• df = df.applymap(lambda x: np.nan if np.isinf(x) else x)
• df = df.applymap(lambda x: x if np.isfinite(x) else np.nan)

---

设置mode.use_inf_as_na

请注意，实际上我们根本不需要修改 df。设置 mode.use_inf_as_na 只会改变 inf 和 -inf 的解释方式：

True means treat None, nan, -inf, inf as null
False means None and nan are null, but inf, -inf are not null (default)

• 要么全局启用

  pd.set_option('mode.use_inf_as_na', True)
  

• 或在本地通过上下文管理器

  with pd.option_context('mode.use_inf_as_na', True):
      ...
  

Answer 2

pandas.Series.replace doesn't happen .

所以你的代码替换整个数据框的问题不起作用，因为你需要将它分配回去，或者添加 inplace=True 作为参数。这也是您逐列工作的原因，因为您将其分配回 df['column name'] = ...

列

因此，将 df.replace([np.inf, -np.inf], np.nan) 更改为：

df.replace([np.inf, -np.inf], np.nan,inplace=True)

或者分配回一个新的数据帧：

df = df.replace([np.inf, -np.inf], np.nan)