Python 使用气候学数据（当年除外）填写缺失值

我用气候学的中值来填充数据框中缺失的值。日期范围为2010年1月1日至2016年12月31日。但是，我只想填写当前日期（比如2016年10月1日）前几天的缺失值。如何修改语句？

使用

np。其中

，示例：

df.groupby([df.index.month, df.index.day])[vars_rs].transform(lambda y: y.fillna(y.median()))

修改的数据帧：

import pandas as pd
import numpy as np
df = pd.DataFrame({'A':['a','a','b','b','c','c'],'B':[1,2,3,4,5,6],'C':[1,np.nan,np.nan,np.nan,np.nan,np.nan]})
df.ix[:,'C'] = np.where((df.A != 'c')&(df.B < 4)&(pd.isnull(df.C)),-99,df.ix[:,'C'])

   A  B    C
0  a  1  1.0
1  a  2  NaN
2  b  3  NaN
3  b  4  NaN
4  c  5  NaN
5  c  6  NaN

---

使用

np。其中

，示例：

df.groupby([df.index.month, df.index.day])[vars_rs].transform(lambda y: y.fillna(y.median()))

修改的数据帧：

import pandas as pd
import numpy as np
df = pd.DataFrame({'A':['a','a','b','b','c','c'],'B':[1,2,3,4,5,6],'C':[1,np.nan,np.nan,np.nan,np.nan,np.nan]})
df.ix[:,'C'] = np.where((df.A != 'c')&(df.B < 4)&(pd.isnull(df.C)),-99,df.ix[:,'C'])

   A  B    C
0  a  1  1.0
1  a  2  NaN
2  b  3  NaN
3  b  4  NaN
4  c  5  NaN
5  c  6  NaN

---

算法是：

获取数据框的一部分，该部分仅包含按日期过滤的行，并带有布尔掩码

对其执行所需的替换

将初始数据帧的其余部分追加到结果数据帧的末尾

虚拟数据：

   A  B     C
0  a  1   1.0
1  a  2 -99.0
2  b  3 -99.0
3  b  4   NaN
4  c  5   NaN
5  c  6   NaN

代码

df = pd.DataFrame(np.zeros((5, 2)),columns=['A', 'B'],index=pd.date_range('2000',periods=5,freq='M'))

            A   B
2000-01-31  0.0 0.0
2000-02-29  0.0 0.0
2000-03-31  0.0 0.0
2000-04-30  0.0 0.0
2000-05-31  0.0 0.0

---

算法是：

获取数据框的一部分，该部分仅包含按日期过滤的行，并带有布尔掩码

对其执行所需的替换

将初始数据帧的其余部分追加到结果数据帧的末尾

虚拟数据：

   A  B     C
0  a  1   1.0
1  a  2 -99.0
2  b  3 -99.0
3  b  4   NaN
4  c  5   NaN
5  c  6   NaN

代码

df = pd.DataFrame(np.zeros((5, 2)),columns=['A', 'B'],index=pd.date_range('2000',periods=5,freq='M'))

            A   B
2000-01-31  0.0 0.0
2000-02-29  0.0 0.0
2000-03-31  0.0 0.0
2000-04-30  0.0 0.0
2000-05-31  0.0 0.0