import pandas as pd 
 
# 原數據
df = pd.DataFrame({'A':['a1','a1','a2','a2'],
                   'B':['b1','b2',None,'b2'],
                   'C':[1,2,3,4],
                   'D':[5,6,None,8],
                   'E':[5,None,7,8]
                   })
 
# 將缺失值填充為0
res1 = df.fillna(0)

結果展示

df

res1

# 常用的方法還有以下幾個:
# 填充為0
df.fillna(0)
# 填充為指定字符
df.fillna('missing')
df.fillna('暫無')
df.fillna('待補充')
# 指定字段填充
df.E.fillna('暫無')
# 指定字段填充
df.E.fillna(0, inplace = True)
# 只替換第一個
df.fillna(0, limit = 1)
# 將不同列的缺失值替換為不同的值
values = {'A':0,'B':1,'C':2,'D':3}
df.fillna(value = values)

需要注意的是,如果想讓填充馬上生效，需要重新為df賦值或者傳入參數inplace = True

有時候我們不能填入固定值，而是按照一定的方法填充，df.fillna()提供了一個method參數，可以指定以下幾個方法:

pad/ffill:向前填充，使用前一個有效值填充,df.fillna(method=’ffill’)可以簡寫為df.ffill()

bfill/backfill:向后填充，使用后一個有效值填充,df.fillna(method=’bfill’)可以簡寫為df.bfill()

import pandas as pd 
 
# 原數據
df = pd.DataFrame({'A':['a1','a1','a2','a2'],
                   'B':['b1','b2',None,'b2'],
                   'C':[1,2,3,4],
                   'D':[5,6,None,8],
                   'E':[5,None,7,8]
                   })
 
# 取后一個有效值填充
res1 = df.fillna(method = 'bfill')
 
# 取前一個有效值填充
res2 = df.fillna(method = 'ffill')

結果展示

df

res1

res2

除了取前后值，還可以取經過計算得到的值，比如常用的平均值填充法:

# 填充列的平均值
df.fillna(df.mean())
# 對指定列填充平均值
df.fillna(df.mean()['B':'D'])
# 另一種填充列的平均值的方法
df.where(pd.notna(df),df.mean(),axis = 'columns')

缺失值的填充的另一思路是使用替換方法df.replace():

# 將指定列的空值替換成指定值
import pandas as pd 
import numpy as np
# 原數據
df = pd.DataFrame({'A':['a1','a1','a2','a2'],
                   'B':['b1','b2',None,'b2'],
                   'C':[1,2,3,4],
                   'D':[5,6,None,8],
                   'E':[5,None,7,8]
                   })
df.replace({'B':{np.nan:'Hudas'}})

結果展示