为Dataframe中指定的行将零值转换为NaN

Question

我有一份联合数据，其中载有1979年至2020年期间来自两个来源的每日降水量：

          precip_1   precip
time                     
1973-01-04  0.0       NaN
1973-01-07  0.0       NaN
1973-01-08  0.0       NaN
1973-01-12  0.0       NaN
1973-01-17  0.0       NaN
        ...       ...
2020-12-27  NaN  0.434374
2020-12-28  NaN  0.923621
2020-12-29  NaN  0.012130
2020-12-30  NaN  0.064116
2020-12-31  NaN  2.041316

[16978 rows x 2 columns]

我要做的是将6-8个月中的任何零值设置为NaN，但将任何零值保留在这些月份之外。据我所知，我可以使用以下功能来完成此操作：

df1 = df.replace(0, nan)

但是，我似乎不明白的是，如何在dataframe中只选择特定的月份。有什么想法吗？

非常感谢

Answer 1

您可以尝试将时间列转换为DateTime对象，以便轻松地比较月份。完成此操作后，您可以使用apply函数和lambda函数比较日期，并按照您的描述更改它们。希望这能有所帮助！

import pandas as pd
import datetime
data = {'time':['2020-01-18','2020-02-29','2020-6-28','2020-7-27'],'precip_1':[0.434374,0.923621,0,0]}
df = pd.DataFrame(data)
df['time'] = df['time'].apply(lambda x: datetime.datetime.strptime(x, '%Y-%m-%d'))
df['precip_1'] = df.apply(lambda row: 'nan' if (row.time.month > 5 and row.time.month < 8) and row.precip_1 == 0 else row.precip_1,axis=1)

Answer 2

“替换”工作得很好，但是它不能很好地处理来自其他列的逻辑，因此对于.loc accessor来说，这实际上是一个更好的情况。

df = pd.DataFrame(
    [
        ['2020-06-05', 1],  # > 0 value, don't change
        ['2020-06-05', 0],  # 0 value, change to nan
        ['2020-12-05', 1],
        ['2020-12-05', 0],  # wrong month, don't change
    ],
    columns=['date', 'precip']
)
df.date = pd.to_datetime(df.date)

df.loc[(df['date'].dt.month.between(6, 8)) & (df['precip'] == 0), 'precip'] = np.nan

输出：

        date  precip
0 2020-06-05     1.0
1 2020-06-05     NaN
2 2020-12-05     1.0
3 2020-12-05     0.0