fillna在python中的用法

import pandas as pd

# 创建一个包含缺失值的DataFrame
data = {
    'A': [1, 2, None, 4],
    'B': [None, 5, 6, 7],
    'C': [8, 9, 10, None]
}

df = pd.DataFrame(data)
print("原始数据:")
print(df)

# 使用fillna方法填充缺失值
# 方法1: 用指定的值填充所有缺失值
df_filled_1 = df.fillna(0)
print("\n使用0填充所有缺失值:")
print(df_filled_1)

# 方法2: 用不同的值填充不同列的缺失值
df_filled_2 = df.fillna({'A': 10, 'B': 20, 'C': 30})
print("\n使用不同值填充不同列的缺失值:")
print(df_filled_2)

# 方法3: 用前一个非缺失值填充（向前填充）
df_filled_3 = df.fillna(method='ffill')
print("\n使用前一个非缺失值填充:")
print(df_filled_3)

# 方法4: 用后一个非缺失值填充（向后填充）
df_filled_4 = df.fillna(method='bfill')
print("\n使用后一个非缺失值填充:")
print(df_filled_4)

# 方法5: 用均值填充某一列的缺失值
mean_value = df['C'].mean()
df_filled_5 = df.copy()
df_filled_5['C'] = df_filled_5['C'].fillna(mean_value)
print(f"\n使用列'C'的均值({mean_value})填充缺失值:")
print(df_filled_5)

解释说明：

• fillna 是 Pandas 库中用于处理缺失值的一个重要方法。它可以用来填充 DataFrame 或 Series 中的缺失值（NaN）。
• 方法1：用指定的单一值（如0）填充所有缺失值。
• 方法2：用不同的值填充不同列的缺失值，通过传递一个字典来指定每列的填充值。
• 方法3：使用前一个非缺失值进行填充（向前填充），适用于时间序列数据或有序数据。
• 方法4：使用后一个非缺失值进行填充（向后填充），同样适用于时间序列数据或有序数据。
• 方法5：用某一列的均值填充该列中的缺失值，适用于数值型数据。