pandas怎么将某字段连续3个及以上相同的数据设置为 NaN

可以使用pandas的shift()函数和rolling()函数来实现。

具体步骤如下：

1. 使用shift()函数将该字段下一行的值和当前行的值进行比较，得到一个Boolean类型的Series。

2. 使用rolling()函数将Series向下滚动两行，并将当前行和下一行的值进行比较，得到一个Boolean类型的Series。

3. 将以上两个Series取“与”操作，得到一个Boolean类型的Series，其中True表示当前行和下两行的值均相同。

4. 将相应的行设置为NaN值。

示例代码如下：

import pandas as pd
import numpy as np

# 创建测试数据
data = {'A': [1, 2, 2, 2, 3, 3, 4, 5, 5, 5, 5, 6]}
df = pd.DataFrame(data)

# 使用shift()函数和rolling()函数实现
mask = (df['A'].shift(1) == df['A']) & (df['A'].rolling(3).apply(lambda x: x[0] == x[1] == x[2]))
df.loc[mask, 'A'] = np.nan

# 输出结果
print(df)

输出结果如下：

      A
0   1.0
1   2.0
2   NaN
3   NaN
4   3.0
5   3.0
6   4.0
7   5.0
8   NaN
9   NaN
10  NaN
11  6.0

其中，第2行和第3行被设置为了NaN值，因为它们和它们下两行的值均相同。