python缺失值的邻近填充

在Python中，处理数据集中的缺失值（通常用`NaN`或`None`表示）时，邻近填充（也称为插值）是一种常见的方法，用于估计缺失值。这可以通过pandas库中的`fillna`或`interpolate`函数来实现。

**1. 使用fillna()函数进行简单填充：**
如果你想要使用前一个非缺失值或者后一个非缺失值来填充缺失值，可以使用`fillna`函数，例如：

import pandas as pd

df['column_name'].fillna(method='ffill', inplace=True)  # 从前往后填充
df['column_name'].fillna(method='bfill', inplace=True)  # 从后往前填充

**2. 使用interpolate()函数进行插值填充：**
`interpolate()`函数提供了更多的灵活性，可以根据数据的特性进行线性、多项式或其他形式的插值。例如，线性插值：

df['column_name'].interpolate(method='linear', inplace=True)

**相关问题--:**
1. 如何在pandas DataFrame中区分缺失值和非缺失值？
2. 插值填充有哪些常见的插值方法？
3. 在使用`fillna`或`interpolate`时，如何选择合适的填充方法？