Jupyter Notebook 中的 df.fillna() 函数介绍

在数据分析中，经常会遇到缺失值的情况，而 Pandas 提供了丰富的处理缺失值的函数。其中，df.fillna() 函数就是一种常用的填充缺失值的方法。

函数介绍

df.fillna() 函数可以将 DataFrame 中的缺失值（NaN 或 None）替换为用户指定的值。函数的语法如下：

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

其中，参数的含义如下：

• value：用于填充缺失值的标量或字典对象。
• method：用于填充缺失值的方法。可选参数为 'backfill'、'bfill'、'pad'、'ffill'。
• axis：要填充缺失值的轴。可选参数 'index'、'columns'。
• inplace：是否将填充的结果写入原 DataFrame 中。默认为 False。
• limit：在前向或后向填充时的最大连续填充数。
• downcast：如果可能，将 DataFrame 中所有列的数据类型下降为比当前 dtype 更紧凑的类型。

使用示例

下面是一个简单的使用示例，假设我们有一个 DataFrame，其中含有一些缺失值：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'A': [1, 2, np.nan, 4],
    'B': [5, np.nan, 7, np.nan],
    'C': [np.nan, 8, 9, 10],
    'D': [11, 12, 13, 14]
})

我们可以使用 df.fillna() 函数将缺失值填充为一个指定的值（比如0）：

df.fillna(0, inplace=True)

我们也可以使用 method 参数指定填充方法，比如使用前向填充：

df.fillna(method='ffill', inplace=True)

更多使用示例请参见 Pandas 文档。