如何为时间序列数据中每个用户的前3天设置value列为NaN？

针对你的时间序列数据需求，可通过以下步骤用Pandas实现：

1. 转换时间列类型
   首先确保timestamp列是可运算的datetime格式：

   import pandas as pd
   df['timestamp'] = pd.to_datetime(df['timestamp'])
   

2. 分组处理每个用户的前3天数据
   按person分组，对每个组计算其最早记录时间，再筛选出该时间点后3天内的行，将对应value设为NaN：

   def process_group(group):
       # 获取当前用户的最早记录时间
       earliest_time = group['timestamp'].min()
       # 计算3天后的时间阈值
       threshold = earliest_time + pd.Timedelta(days=3)
       # 把阈值内的value设为NaN
       group.loc[group['timestamp'] < threshold, 'value'] = pd.NA
       return group
   
   # 应用分组处理
   df = df.groupby('person', group_keys=False).apply(process_group)
   

补充说明 #

• 这里的"前3天"是从每个用户的第一条记录时间开始计算的72小时区间，完全适配不同用户起止时间不同的场景。
• 如果需要按自然日（比如从第一条记录的当日0点开始算3个自然日），可以将earliest_time调整为当日0点：

  earliest_time = group['timestamp'].min().normalize()
  

内容的提问来源于stack exchange，提问作者prof32