Python中填充nan的函数

在Python中，有多种方法可以填充NaN值，以下列举了几个常用的函数：

1. pandas.DataFrame.fillna：这是pandas库中的函数，可以用来填充DataFrame中的NaN值。它可以使用常量值、缺失值前后的值以及其他统计量等来进行填充。示例代码如下：

import pandas as pd

# 创建一个包含NaN值的DataFrame
df = pd.DataFrame({'A': [1, 2, np.nan, 4], 'B': [5, np.nan, 7, 8]})
# 使用前一个有效值进行填充
df.fillna(method='ffill', inplace=True)
print(df)

2. numpy.nan_to_num：这是numpy库中的函数，可以将NaN值替换为0或其他指定值。示例代码如下：

import numpy as np

# 创建一个包含NaN值的数组
arr = np.array([1, 2, np.nan, 4])
# 将NaN值替换为0
arr = np.nan_to_num(arr, nan=0)
print(arr)

3. sklearn.impute.SimpleImputer：这是sklearn库中的函数，可以用来进行缺失值的填充。它支持使用平均值、中位数、众数等进行填充。示例代码如下：

from sklearn.impute import SimpleImputer
import numpy as np

# 创建一个包含NaN值的数组
arr = np.array([1, 2, np.nan, 4]).reshape(-1, 1)
# 使用平均值进行填充
imputer = SimpleImputer(missing_values=np.nan, strategy='mean')
arr = imputer.fit_transform(arr)
print(arr)

除了以上几个函数外，还有一些其他的函数也可以用来填充NaN值，如numpy.nanmedian、numpy.nanmean等。需要根据具体的应用场景选择合适的函数。