pandas数据框填充

在pandas中，可以使用`fillna()`方法来填充数据框中的缺失值。`fillna()`方法可以接受一个值或一个字典作为参数，用于指定填充缺失值的方式。

以下是两种常见的填充缺失值的方法：

1. 使用指定的值填充缺失值：

import pandas as pd

# 创建一个包含缺失值的数据框
df = pd.DataFrame({'A': [1, 2, np.nan, 4, 5],
                   'B': [np.nan, 2, 3, np.nan, 5],
                   'C': [1, 2, 3, 4, 5]})

# 使用指定的值填充缺失值
df_filled = df.fillna(0)
print(df_filled)

输出：

     A    B  C
0  1.0  0.0  1
1  2.0  2.0  2
2  0.0  3.0  3
3  4.0  0.0  4
4  5.0  5.0  5

2. 使用字典填充缺失值：

import pandas as pd

# 创建一个包含缺失值的数据框
df = pd.DataFrame({'A': [1, 2, np.nan, 4, 5],
                   'B': [np.nan, 2, 3, np.nan, 5],
                   'C': [1, 2, 3, 4, 5]})

# 使用字典填充缺失值，每列使用不同的填充值
fill_values = {'A': 0, 'B': 99}
df_filled = df.fillna(fill_values)
print(df_filled)

输出：

     A     B  C
0  1.0  99.0  1
1  2.0   2.0  2
2  0.0   3.0  3
3  4.0  99.0  4
4  5.0   5.0  5