使用python将dataframe中特定列中的特定值的所有列中的值更改为无

我有一个如下所示的数据帧：

time                 c1        c2
1 2017-07-23 11:39:10  3.385661  3.193302
2 2017-07-23 11:39:20  3.157000  2.912690
3 2017-07-23 11:39:30  3.277145  3.124290
4 2017-07-23 11:39:40  3.126075  2.982679
5 2017-07-23 11:39:50  3.135766  2.985840
6 2017-07-23 11:40:00  3.166134  3.016147
7 2017-07-23 11:40:10  2.487507  2.256214
8 2017-07-23 11:40:20  3.348368  3.158728
9 2017-07-23 11:40:30  3.219001  2.996357
10 2017-07-23 11:40:40  2.862558  2.711170
11 2017-07-23 11:40:50  2.558438  2.346303
12 2017-07-23 11:41:00  3.338989  3.192018
13 2017-07-23 11:41:10  2.674149  2.496557
14 2017-07-23 11:41:20  3.523231  3.315889
15 2017-07-23 11:41:30  2.931527  2.740840
16 2017-07-23 11:41:40  3.078464  2.938004

问题1：如果C1和c2中的值介于时间列的两个特定时间范围之间，我想将其设置为无

对于问题1：我试图做的是，获取位于两个特定时间范围内的所有行的索引，然后更改值：

index_list = df.ds[(df.ds >= start_time) & (df.ds <= end_time)].index.tolist()

index\u list=df.ds[（df.ds>=start\u time）&（df.ds=start\u time）&（df['ds']您可以使用将值更改为
NaN
，但实际上这是有问题的，还可以检查：


您可以使用for
DatetimeIndex
，然后选择rows by并设置
NaN

Replace
float
值有点问题，因为精度有点高。因此，通过
布尔掩码为Replace to
None
提供帮助功能：

#if necessary convert to datetime
#df['time'] = pd.to_datetime(df['time'])
df = df.set_index('time')

df.loc['2017-07-23 11:39:20':'2017-07-23 11:39:50'] = np.nan
df.loc['2017-07-23 11:40:20':'2017-07-23 11:40:50'] = np.nan
df = df.mask(np.isclose(df.values, 3.38566))
print (df)
                           c1        c2
time                                   
2017-07-23 11:39:10       NaN  3.193302
2017-07-23 11:39:20       NaN       NaN
2017-07-23 11:39:30       NaN       NaN
2017-07-23 11:39:40       NaN       NaN
2017-07-23 11:39:50       NaN       NaN
2017-07-23 11:40:00  3.166134  3.016147
2017-07-23 11:40:10  2.487507  2.256214
2017-07-23 11:40:20       NaN       NaN
2017-07-23 11:40:30       NaN       NaN
2017-07-23 11:40:40       NaN       NaN
2017-07-23 11:40:50       NaN       NaN
2017-07-23 11:41:00  3.338989  3.192018
2017-07-23 11:41:10  2.674149  2.496557
2017-07-23 11:41:20  3.523231  3.315889
2017-07-23 11:41:30  2.931527  2.740840
2017-07-23 11:41:40  3.078464  2.938004

问题1我使用以下方法解决：

start_time = '2017-07-23 11:40:20'
end_time = '2017-07-23 11:40:50'

df.loc[(df['ds'] >= start_time) & (df['ds'] <= end_time), df.columns!= 'ds'] = None

start_time = '2017-07-23 11:40:20'
end_time = '2017-07-23 11:40:50'

df.loc[(df['time'] >= start_time) & (df['time'] <= end_time), df.columns!= 'time'] = None

start_time='2017-07-23 11:40:20'
结束时间='2017-07-23 11:40:50'
df.loc[（df['time']>=start_time）&（df['time']我不想将time列作为索引列。我也不想使用isclose（）当我在寻找精确值时，你可以解释更多吗？如果使用
float
s什么是精度？精确的数字。我会给出作为输入，所以不必担心精度。例如：假设输入是3.166134，那么在所有列中，除了前面提到的时间列之外，将3.166134设为无。我不想将时间列作为索引列。我无法取消重新理解问题2的解决方案。
#if necessary convert to datetime
#df['time'] = pd.to_datetime(df['time'])
df = df.set_index('time')

df.loc['2017-07-23 11:39:20':'2017-07-23 11:39:50'] = np.nan
df.loc['2017-07-23 11:40:20':'2017-07-23 11:40:50'] = np.nan
df = df.mask(np.isclose(df.values, 3.38566))
print (df)
                           c1        c2
time                                   
2017-07-23 11:39:10       NaN  3.193302
2017-07-23 11:39:20       NaN       NaN
2017-07-23 11:39:30       NaN       NaN
2017-07-23 11:39:40       NaN       NaN
2017-07-23 11:39:50       NaN       NaN
2017-07-23 11:40:00  3.166134  3.016147
2017-07-23 11:40:10  2.487507  2.256214
2017-07-23 11:40:20       NaN       NaN
2017-07-23 11:40:30       NaN       NaN
2017-07-23 11:40:40       NaN       NaN
2017-07-23 11:40:50       NaN       NaN
2017-07-23 11:41:00  3.338989  3.192018
2017-07-23 11:41:10  2.674149  2.496557
2017-07-23 11:41:20  3.523231  3.315889
2017-07-23 11:41:30  2.931527  2.740840
2017-07-23 11:41:40  3.078464  2.938004

start_time = '2017-07-23 11:40:20'
end_time = '2017-07-23 11:40:50'

df.loc[(df['time'] >= start_time) & (df['time'] <= end_time), df.columns!= 'time'] = None