df.fillna() 缺失值填充

pd.DataFrame.fillna()

使用指定的方法填充NA / NaN值

DataFrame.fillna（value = None，method = None，axis = None，inplace = False，limit = None，downcast = None）

参数：

1. values： dict, Series, or DataFrame，用于替换空值的值，该值不能是list，如果指定某列，则会是字典的形式
2. method：{‘backfill’, ‘bfill’, ‘pad’, ‘ffill’, None}, default None，填充方法（向下填充，还是向上，和replace的用法一致）
3. axis：{0 or ‘index’, 1 or ‘columns’}，填充的方向
4. inplace：bool, default False，if True means 修改原文件
5. limit：int, default None，限制填充个数
6. downcast：dict, default is None

官网例子

df = pd.DataFrame([[np.nan, 2, np.nan, 0],
                   [3, 4, np.nan, 1],
                   [np.nan, np.nan, np.nan, 5],
                   [np.nan, 3, np.nan, 4]],
                  columns=list('ABCD'))
df

     A    B   C  D
0  NaN  2.0 NaN  0
1  3.0  4.0 NaN  1
2  NaN  NaN NaN  5
3  NaN  3.0 NaN  4

将所有NaN元素替换为0

df.fillna(0)

    A   B   C   D
0   0.0 2.0 0.0 0
1   3.0 4.0 0.0 1
2   0.0 0.0 0.0 5
3   0.0 3.0 0.0 4

我们还可以向前或向后传播非null值

df.fillna(method='ffill')

    A   B   C   D
0   NaN 2.0 NaN 0
1   3.0 4.0 NaN 1
2   3.0 4.0 NaN 5
3   3.0 3.0 NaN 4

将“ A”，“ B”，“ C”和“ D”列中的所有NaN元素分别替换为0、1、2和3

values = {'A': 0, 'B': 1, 'C': 2, 'D': 3}
df.fillna(value=values)

    A   B   C   D
0   0.0 2.0 2.0 0
1   3.0 4.0 2.0 1
2   0.0 1.0 2.0 5
3   0.0 3.0 2.0 4

仅替换第一个NaN元素

df.fillna(value=values, limit=1)

    A   B   C   D
0   0.0 2.0 2.0 0
1   3.0 4.0 NaN 1
2   NaN 1.0 NaN 5
3   NaN 3.0 NaN 4