Pandas 如何将月值转换为nan？

我有这个df：

       CODE      DATE     TMAX  TMIN   PP
0      000130 1991-01-01  32.6  23.4  0.0
1      000130 1991-01-02  31.2  22.4  0.0
2      000130 1991-01-03  32.0   NaN  0.0
3      000130 1991-01-04  32.2  23.0  0.0
4      000130 1991-01-05  30.5  22.0  0.0
      ...        ...   ...   ...  ...
10865  000130 2020-12-31   NaN   NaN  NaN
10866  000132 1991-01-01  35.2   NaN  0.0
10867  000132 1991-01-02  34.6   NaN  0.0
10868  000132 1991-01-03  35.8   NaN  0.0
10869  000132 1991-01-04  34.8   NaN  0.0

对于PP列，仅当一个月内有3个或更多NaN值（不一定是连续的）时，我需要将每月PP数据转换为NaN。例如：如果1991年1月PP列中有3个NaN值（不必连续），则PP列中1991年1月的所有值都必须转换为NaN。每年每个月都一样。我需要通过代码来完成这项工作。所以我想首先使用df.groupby（'CODE'）。但是我不知道怎么做。我将感谢任何帮助

---

提前感谢

创建一个序列，计算每个代码x年-月组的

NaN

值的数量，然后您可以使用该序列来

屏蔽
=3的原始列

以下是一些样本数据，其中[000130，1991-01]应为NaN，[000130，2020-12]和[000132，1991-01]保持不变

### Sample Data

       CODE      DATE     TMAX  TMIN   PP
0      000130 1991-01-01  32.6  23.4  NaN
1      000130 1991-01-02  31.2  22.4  NaN
2      000130 1991-01-03  32.0   NaN  0.0
3      000130 1991-01-04  32.2  23.0  NaN
4      000130 1991-01-05  30.5  22.0  0.0
10865  000130 2020-12-31   NaN   NaN  0.0
10866  000132 1991-01-01  35.2   NaN  0.0
10867  000132 1991-01-02  34.6   NaN  NaN
10868  000132 1991-01-03  35.8   NaN  0.0
10869  000132 1991-01-04  34.8   NaN  0.0


df['DATE'] = pd.to_datetime(df['DATE'])

s = df['PP'].isnull().groupby([df['CODE'], df['DATE'].astype('datetime64[M]')]).transform('sum')

df['PP'] = df['PP'].mask(s.ge(3))

#         CODE       DATE  TMAX  TMIN   PP
#0      000130 1991-01-01  32.6  23.4  NaN
#1      000130 1991-01-02  31.2  22.4  NaN
#2      000130 1991-01-03  32.0   NaN  NaN
#3      000130 1991-01-04  32.2  23.0  NaN
#4      000130 1991-01-05  30.5  22.0  NaN
#10865  000130 2020-12-31   NaN   NaN  0.0
#10866  000132 1991-01-01  35.2   NaN  0.0
#10867  000132 1991-01-02  34.6   NaN  NaN
#10868  000132 1991-01-03  35.8   NaN  0.0
#10869  000132 1991-01-04  34.8   NaN  0.0