优化df=data1.fillna(method='ffill')

`fillna` 方法中的 `method='ffill'` 是一种前向填充的方式，即用前面的非空值来填充缺失值。如果你觉得前向填充的方式不适用于你的数据集，你可以使用其他的填充方式，或者使用其他的缺失值处理方法。

以下是一些常见的缺失值处理方法：

1. 删除缺失值：如果某一个样本中有缺失值，可以直接将该样本删除。可以使用 `df.dropna()` 方法来删除缺失值。

2. 均值填充：用所有样本的均值来填充缺失值。可以使用 `df.fillna(df.mean())` 方法来进行均值填充。

3. 中位数填充：用所有样本的中位数来填充缺失值。可以使用 `df.fillna(df.median())` 方法来进行中位数填充。

4. 插值填充：用缺失值前后的值进行插值，来填充缺失值。可以使用 `df.interpolate()` 方法来进行插值填充。

需要注意的是，不同的数据集可能适用于不同的缺失值处理方法，需要根据数据集的实际情况进行选择。