Python 如何在一个巨大的数据集中查找和转换数据帧中缺少的值？

我正在处理一个大数据集（891221 X 85）。数据中的每列都有不同的缺失值或未知值指示。例如：第1列缺失值用-1或X表示，第2列缺失值用XX和0表示，以此类推

现在，我尝试循环遍历数据集中的每个元素，并使用以下代码将每个缺少的值转换为np.nan：

for i in range(data.shape[1]):
    for j in range(data.shape[0]):
        if data.iloc[j,i] in indicators[i]:
            data.iloc[j,i] = np.nan

由于数据有大约7500万个数据条目，这个过程可能需要几天时间。有没有更有效的方法可以做到这一点？

试试：

枚举（data.columns）中的i、col的

：
对于ind in指示器[i]：
数据[col].replace（ind，np.nan）

---

文档：

非常感谢！我能用这个在10秒钟内完成。我对性能上的差异感到震惊。。。