<think>我们正在讨论如何使用pandas DataFrame的fillna方法来填充缺失值。根据引用[1]和[2]，fillna方法可以接受一个标量值、字典、Series或DataFrame来填充缺失值（NaN）。此外，引用[2]展示了如何使用列均值填充缺失值，而引用[3]则说明了当使用另一个DataFrame进行填充时，填充操作会基于相同的列名和索引进行。
下面我将详细介绍fillna方法的使用，包括参数说明和示例。
### 1. fillna方法的基本用法
`fillna`方法用于填充DataFrame中的缺失值（NaN）。其基本语法如下：
```python
DataFrame.fillna(value=None, method=None, axis=None, inplace=False, limit=None, downcast=None)
```
常用参数说明：
- **value**：用于填充缺失值的标量、字典、Series或DataFrame。如果使用字典，键为列名，值为该列填充的值。
- **method**：填充方法，可选值为`'backfill'`, `'bfill'`, `'pad'`, `'ffill'`。`'ffill'`表示用前一个非缺失值填充；`'bfill'`表示用后一个非缺失值填充。
- **axis**：填充的轴，0表示按行（填充时参考同一列），1表示按列（填充时参考同一行）。
- **inplace**：是否原地修改，默认为False（返回新对象）。若为True，则直接修改当前DataFrame，不返回新对象。
- **limit**：限制填充的连续缺失值的最大数量。
- **downcast**：尝试向下转换数据类型以节省内存，例如将float64转换为float32。
### 2. 使用示例
#### 示例1：用标量填充所有缺失值
```python
import pandas as pd
import numpy as np
# 创建包含缺失值的DataFrame
df = pd.DataFrame({
'A': [1, np.nan, 3, np.nan],
'B': [5, np.nan, np.nan, 8],
'C': [np.nan, 7, 9, 10]
})
print("原始DataFrame:")
print(df)
# 用0填充所有缺失值
df_filled = df.fillna(0)
print("\n用0填充后的DataFrame:")
print(df_filled)
```
#### 示例2：用不同列的不同值填充（使用字典）
```python
# 为每列指定不同的填充值
fill_values = {'A': 0, 'B': 1, 'C': 2}
df_filled = df.fillna(value=fill_values)
print("\n按列指定填充值后的DataFrame:")
print(df_filled)
```
#### 示例3：使用列均值填充（引用[2]的方法）
```python
# 使用列均值填充缺失值
df_filled = df.fillna(df.mean())
print("\n用列均值填充后的DataFrame:")
print(df_filled)
```
#### 示例4：使用前向填充（ffill）或后向填充（bfill）
```python
# 使用前向填充（用同一列的前一个非缺失值填充）
df_filled_ffill = df.fillna(method='ffill')
print("\n前向填充后的DataFrame:")
print(df_filled_ffill)
# 使用后向填充（用同一列的后一个非缺失值填充）
df_filled_bfill = df.fillna(method='bfill')
print("\n后向填充后的DataFrame:")
print(df_filled_bfill)
```
#### 示例5：使用另一个DataFrame填充（引用[3]的方法）
```python
# 创建另一个DataFrame用于填充
df2 = pd.DataFrame({
'A': [0, 0, 0, 0],
'B': [1, 1, 1, 1],
'C': [2, 2, 2, 2]
})
# 使用df2填充df中的缺失值，注意：df2必须与df有相同的列名和索引（或可广播）
df_filled_df2 = df.fillna(df2)
print("\n用另一个DataFrame填充后的DataFrame:")
print(df_filled_df2)
```
### 3. 注意事项
- **原地修改**：如果希望直接修改原DataFrame而不创建新对象，设置`inplace=True`（例如`df.fillna(0, inplace=True)`）。
- **数据类型一致性**：填充值的数据类型应与列的数据类型兼容，否则可能导致类型转换或错误。
- **缺失值表示**：pandas中缺失值用`NaN`表示，但有时也可能用`None`。注意`NaN`是浮点类型，因此填充整数列时，如果填充浮点数，该列会被转换为浮点型。
- **性能考虑**：对于大型DataFrame，使用`method`参数（如ffill/bfill）可能比使用`value`参数（如标量或字典）更高效，因为前者利用了向量化操作。
### 4. 总结
`fillna`是处理DataFrame缺失值的核心方法，支持多种填充策略。根据需求选择合适的填充方式：
- 固定值填充：使用标量或字典指定每列填充值。
- 统计值填充：如列均值、中位数等（结合`mean()`, `median()`等函数）。
- 前后填充：对于时间序列数据，常用`ffill`或`bfill`。
- 用另一个DataFrame填充：确保列名和索引对齐。
通过以上方法，你可以灵活地处理DataFrame中的缺失值，为后续分析提供完整的数据集[^1][^2][^3]。
§§相关问题§§
1. 如何用中位数填充DataFrame的缺失值？
2. 使用`fillna`时如何避免改变数据类型？
3. 在时间序列数据中，如何根据时间顺序填充缺失值？
4. 如何只填充连续缺失值的第一个或最后一个？</think>### Pandas DataFrame `fillna()` 方法详解
`fillna()` 是 Pandas 中处理缺失值（NaN）的核心方法，用于填充 DataFrame 中的空值。以下是详细使用指南和最佳实践：
#### 一、基本语法
```python
DataFrame.fillna(
value=None, # 填充值（标量/字典/Series/DataFrame）
method=None, # 填充方法：'ffill'(向前填充), 'bfill'(向后填充)
axis=None, # 填充轴：0（按列填充）, 1（按行填充）
inplace=False, # 是否原地修改
limit=None, # 最大连续填充数量
downcast=None # 向下转换数据类型
)
```
#### 二、核心填充方式（带示例）
1. **标量值填充**
所有缺失值替换为固定值：
```python
df.fillna(0) # 所有NaN替换为0
```
2. **列均值填充**（引用[2]）
使用每列的平均值填充：
```python
df.fillna(df.mean()) # 每列用该列均值填充
```
3. **向前/向后填充**
相邻值填充：
```python
df.fillna(method='ffill') # 用前一个非空值填充
df.fillna(method='bfill') # 用后一个非空值填充
```
4. **不同列不同填充值**
使用字典指定列填充：
```python
fill_values = {'A': 0, 'B': 100, 'C': 'missing'}
df.fillna(value=fill_values)
```
5. **DataFrame 填充**（引用[3]）
用另一个DataFrame对齐填充：
```python
fill_df = pd.DataFrame({'A': [0], 'B': [0], 'C': [0]}) # 填充模板
df.fillna(fill_df) # 按列名和索引对齐填充
```
#### 三、关键参数详解
1. **`inplace` 参数**
```python
df.fillna(0, inplace=True) # 直接修改原DataFrame
```
2. **`limit` 参数**
限制连续填充数量：
```python
# 每列最多连续填充2个NaN
df.fillna(method='ffill', limit=2)
```
3. **`axis` 参数**
控制填充方向：
```python
df.fillna(method='ffill', axis=1) # 按行向前填充
```
#### 四、完整示例
```python
import pandas as pd
import numpy as np
# 创建含缺失值的DataFrame
data = {
'A': [1, np.nan, 3, np.nan],
'B': [5, np.nan, np.nan, 8],
'C': [np.nan, 7, 9, 10]
}
df = pd.DataFrame(data)
print("原始DataFrame:\n", df)
# 场景1：用列均值填充（引用[2]）
mean_filled = df.fillna(df.mean())
print("\n列均值填充:\n", mean_filled)
# 场景2：前向填充 + 限制
ffill_limited = df.fillna(method='ffill', limit=1)
print("\n前向填充(limit=1):\n", ffill_limited)
# 场景3：不同列不同填充值
custom_fill = df.fillna({'A': 0, 'B': 100, 'C': 'N/A'})
print("\n自定义填充:\n", custom_fill)
```
#### 五、最佳实践
1. **处理前先分析**
使用 `df.isnull().sum()` 检查各列缺失值数量
2. **分类处理策略**：
- 数值列：优先用均值/中位数填充
- 时间序列：用插值法 `interpolate()`
- 分类数据：用众数填充 `df.mode().iloc[0]`
3. **避免陷阱**：
```python
# 错误：列均值计算包含NaN
df.fillna(df.mean()) # 需先确保mean()正确计算
# 正确：跳过NaN计算均值
df.fillna(df.mean(skipna=True))
```
4. **性能优化**
大数据集避免循环，优先向量化操作
#### 六、适用场景总结
| 场景 | 推荐方法 |
|---------------------|-----------------------------|
| 全局替换 | `fillna(标量值)` |
| 数值列补充 | `fillna(df.mean())` [^2] |
| 时间序列填充 | `fillna(method='ffill')` |
| 多列差异化填充 | `fillna({列: 值})` |
| 对齐填充 | `fillna(其他DataFrame)` [^3]|
> 通过合理选择填充策略，可有效提升数据质量，为后续分析提供可靠基础[^1][^2][^3]。
扫一扫
1628
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
