pandas DataFrame按时间范围及值条件替换值的实现与报错解决

• 链式赋值逻辑缺陷：代码df = df[df.between_time('06:00', '20:00')].replace([0,1,2,3], np.nan, inplace=True) 会先筛出符合时间范围的DataFrame子集，对该子集调用带inplace=True的replace方法后，方法返回值为None，会直接把原变量df覆盖为None，丢失原有数据结构，后续执行布尔条件校验时自然会抛出需要布尔数组、但拿到对象类型的报错。
• 方法使用前提不满足：between_time 是Pandas专门为datetime索引设计的切片方法，要求调用对象的索引必须是时间类型，当前代码中datetime是普通数据列而非索引，直接调用无法生成合法的筛选布尔数组，触发参数校验失败。

目标为替换06:00-20:00时间段内、vehicles列值≤3的数值为NaN，提供两种适配不同使用场景的实现方式：

方案1：基于时间索引实现，适配高频时间切片场景 #

import pandas as pd
import numpy as np

# 将datetime列设为时间索引（已完成索引设置可跳过该步骤）
df = df.set_index('datetime')

# 生成时间范围筛选的位置索引
time_pos_mask = df.index.indexer_between_time('06:00', '20:00')
# 生成数值满足要求的布尔掩码
value_mask = df['vehicles'] <= 3

# 对同时满足两个条件的位置赋值为NaN
df.iloc[time_pos_mask, df.columns.get_loc('vehicles')][value_mask.iloc[time_pos_mask]] = np.nan

方案2：不修改原索引结构，逻辑通用 #

# 从datetime列提取每行对应的时分时间部分
time_col = df['datetime'].dt.time
# 定义时间边界
start_time = pd.to_datetime('06:00').time()
end_time = pd.to_datetime('20:00').time()
# 合并三个筛选条件生成总掩码：时间在范围内 + 数值≤3
total_mask = (time_col >= start_time) & (time_col <= end_time) & (df['vehicles'] <= 3)
# 直接按掩码执行替换
df.loc[total_mask, 'vehicles'] = np.nan

内容的提问来源于stack exchange，提问作者yarvis