如何使用fillna函数填补缺失值？

fillna函数是pandas库中用于填补缺失值的函数。它可以将缺失值替换为指定的数值或者使用不同的填充方法进行填补。下面是使用fillna函数填补缺失值的几种常见方法：

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

2. 使用前一个有效值填充：可以使用fillna函数的参数method='ffill'来使用前一个有效值进行填充。这种方法适用于有序数据，例如时间序列数据。例如，df.fillna(method='ffill')会将缺失值用前一个非缺失值进行填充。

3. 使用后一个有效值填充：可以使用fillna函数的参数method='bfill'来使用后一个有效值进行填充。与前一个有效值填充类似，这种方法也适用于有序数据。例如，df.fillna(method='bfill')会将缺失值用后一个非缺失值进行填充。

4. 使用平均值、中位数或众数填充：可以使用fillna函数的参数value=df.mean()、value=df.median()或value=df.mode().iloc来使用平均值、中位数或众数进行填充。这种方法适用于数值型数据。例如，df.fillna(value=df.mean())会将缺失值用平均值进行填充。

5. 使用插值方法填充：可以使用fillna函数的参数method='interpolate'来使用插值方法进行填充。插值方法可以根据已知数据的趋势进行填充，适用于有序数据。例如，df.fillna(method='interpolate')会根据已知数据的趋势进行缺失值的填充。