pandas填充多列缺失值

当处理数据时，经常会遇到缺失值的情况。Pandas是一个强大的数据处理库，提供了多种方法来填充多列缺失值。

一种常见的方法是使用fillna()函数来填充缺失值。可以通过指定不同的填充方式来处理多列缺失值。以下是几种常见的填充方式：

1. 使用常数填充：可以使用fillna()函数的参数value来指定要填充的常数值。例如，df.fillna(0)会将所有缺失值替换为0。

2. 使用列的均值或中位数填充：可以使用fillna()函数的参数method来指定填充方式。例如，df.fillna(df.mean())会将每列的缺失值替换为该列的均值。

3. 使用前一个或后一个有效值填充：可以使用fillna()函数的参数method来指定填充方式为ffill或bfill。ffill表示使用前一个有效值填充，bfill表示使用后一个有效值填充。

4. 使用插值方法填充：可以使用fillna()函数的参数method来指定插值方法，例如linear表示线性插值，quadratic表示二次插值等。

下面是一个示例代码，演示如何使用Pandas填充多列缺失值：

import pandas as pd

# 创建一个包含缺失值的DataFrame
data = {'A': [1, 2, None, 4, 5],
        'B': [None, 2, 3, None, 5],
        'C': [1, None, 3, 4, None]}
df = pd.DataFrame(data)

# 使用均值填充缺失值
df_filled = df.fillna(df.mean())
print(df_filled)

# 使用前一个有效值填充缺失值
df_ffill = df.fillna(method='ffill')
print(df_ffill)

# 使用插值方法填充缺失值
df_interpolate = df.interpolate(method='linear')
print(df_interpolate)