Python 如果索引大于日期，则替换所有值

我正在寻找有关熊猫数据框的帮助

我有一个具有以下结构的数据帧

Date(indexed)      Total Clients   Sales Headcount    Total Products
2019-11-01         1005            5                  4
2019-12-01         1033            5                  5
2020-01-01         1045            10                 6
2020-02-01         1124            10                 10
2020-03-01         1199            10                 11

如果日期在2020-01-01之后，如何用0填写产品总数栏

预期成果：

Date(indexed)      Total Clients   Sales Headcount    Total Products
2019-11-01         1005            5                  4
2019-12-01         1033            5                  5
2020-01-01         1045            10                 6
2020-02-01         1124            10                 0
2020-03-01         1199            10                 0

---

使用

.loc

根据布尔值分配值

# df['Date(indexed)'] = pd.to_datetime(df['Date(indexed)'])

df.loc[df['Date(indexed)'] > '2020-01-01','Total Products'] = 0

---

---

确保日期列包含时间戳

# Assuming `Date(indexed)` means that this column is the index of the dataframe.
df.index = pd.to_datetime(df.index)

然后使用

.loc

将2020年及以后的所有值设置为零

df.loc['2020':, 'Total Products'] = 0

>>> df
            Total Clients  Sales Headcount  Total Products
Date                                                      
2019-11-01           1005                5               4
2019-12-01           1033                5               5
2020-01-01           1045               10               0
2020-02-01           1124               10               0
2020-03-01           1199               10               0

---

使用.loc并将其分配回您尝试过什么，做过什么研究吗？谢谢！我的意思是这是一个索引列。如果我想对大于“2020-01-01”的所有内容使用您的逻辑，请将该列设置为0。我该怎么做？

df.loc['2020'：，：]=0

df.loc['2020':, 'Total Products'] = 0

>>> df
            Total Clients  Sales Headcount  Total Products
Date                                                      
2019-11-01           1005                5               4
2019-12-01           1033                5               5
2020-01-01           1045               10               0
2020-02-01           1124               10               0
2020-03-01           1199               10               0