用NaN替换字符串中的值

Question

面对一个简单的任务，但我无法解决。 df中有一个表：

Date       X1   X2
02.03.2019  2   2
03.03.2019  1   1
04.03.2019  2   3
05.03.2019  1   12
06.03.2019  2   2
07.03.2019  3   3
08.03.2019  4   1
09.03.2019  1   2

我需要日期<05.03.2019设置X1 = NaN，X2 = NaN的行：

Date       X1   X2
02.03.2019  NaN NaN
03.03.2019  NaN NaN
04.03.2019  NaN NaN
05.03.2019  1   12
06.03.2019  2   2
07.03.2019  3   3
08.03.2019  4   1
09.03.2019  1   2

Answer 1

首先将Date列转换为datetimes，然后通过DataFrame.loc设置值：

df['Date'] = pd.to_datetime(df['Date'], format='%d.%m.%Y')

df.loc[df['Date'] < '2019-03-05', ['X1','X2']] = np.nan
print (df)
        Date   X1    X2
0 2019-03-02  NaN   NaN
1 2019-03-03  NaN   NaN
2 2019-03-04  NaN   NaN
3 2019-03-05  1.0  12.0
4 2019-03-06  2.0   2.0
5 2019-03-07  3.0   3.0
6 2019-03-08  4.0   1.0
7 2019-03-09  1.0   2.0

如果有DatetimeIndex ：

df.index = pd.to_datetime(df.index, format='%d.%m.%Y')

#change datetime to 2019-03-04
df.loc[:'2019-03-04'] = np.nan
print (df)
             X1    X2
Date                 
2019-03-02  NaN   NaN
2019-03-03  NaN   NaN
2019-03-04  NaN   NaN
2019-03-05  1.0  12.0
2019-03-06  2.0   2.0
2019-03-07  3.0   3.0
2019-03-08  4.0   1.0
2019-03-09  1.0   2.0

要么：

df.index = pd.to_datetime(df.index, format='%d.%m.%Y')

df.loc[df.index < '2019-03-05'] = np.nan

Answer 2

不要使用此解决方案，这只是另一种可能的方法（-：（ 这将影响所有列 ）

df.mask(df.Date < '05.03.2019').combine_first(df[['Date']])

---

         Date   X1    X2
0  02.03.2019  NaN   NaN
1  03.03.2019  NaN   NaN
2  04.03.2019  NaN   NaN
3  05.03.2019  1.0  12.0
4  06.03.2019  2.0   2.0
5  07.03.2019  3.0   3.0
6  08.03.2019  4.0   1.0
7  09.03.2019  1.0   2.0