填充空列 - Pandas

在数据分析中，我们通常需要对缺失的值进行处理。Pandas中提供了许多函数来处理缺失值的情况。其中就包括填充空列。

填充空列指的是将DataFrame中的空列（缺失值）替换为特定的值。

语法

DataFrame.fillna(value=None, method=None, axis=None, inplace=False, limit=None, downcast=None)

参数

1. value ：用于填充空列的值。可以是标量，Series，DataFrame或者字典类型。
2. method ：指定一种填充方式。可以是ffill（向前填充）或bfill（向后填充）。
3. axis ：指定填充的轴。可以是0或1，0表示列，1表示行。
4. inplace ：是否修改原始数据，默认为False。
5. limit ：指定连续空列填充的最大个数。
6. downcast ：指定类型转换方式。

示例

首先创建一个包含空列的DataFrame：

import pandas as pd

data = {'A': [1, 2, 3, None, None], 'B': [4, None, 6, None, 8]}
df = pd.DataFrame(data)
print(df)

输出结果为：

     A    B
0  1.0  4.0
1  2.0  NaN
2  3.0  6.0
3  NaN  NaN
4  NaN  8.0

填充所有空列为特定值

我们可以使用fillna()函数来将所有的空列填充为特定的值：

df.fillna(0)

输出结果为：

     A    B
0  1.0  4.0
1  2.0  0.0
2  3.0  6.0
3  0.0  0.0
4  0.0  8.0

向前填充空列

如果我们希望使用前一个非空列的值来填充空列，可以使用method参数指定ffill：

df.fillna(method='ffill')

输出结果为：

     A    B
0  1.0  4.0
1  2.0  4.0
2  3.0  6.0
3  3.0  6.0
4  3.0  8.0

向后填充空列

如果我们希望使用后一个非空列的值来填充空列，可以使用method参数指定bfill：

df.fillna(method='bfill')

输出结果为：

     A    B
0  1.0  4.0
1  2.0  6.0
2  3.0  6.0
3  NaN  8.0
4  NaN  8.0

指定轴填充空列

上面的例子中，fillna()函数默认按列填充空列。如果需要按行填充，可以使用axis参数来指定轴：

df.fillna(method='ffill', axis=1)

输出结果为：

     A    B
0  1.0  4.0
1  2.0  2.0
2  3.0  6.0
3  NaN  NaN
4  NaN  8.0

限制连续填充的空列个数

有时候，我们不希望对所有的空列都进行填充，可以使用limit参数来限制连续填充的空列个数：

df.fillna(method='ffill', limit=1)

输出结果为：

     A    B
0  1.0  4.0
1  2.0  4.0
2  3.0  6.0
3  3.0  NaN
4  NaN  8.0

原地修改

上面的例子中，fillna()函数会返回一个新的DataFrame，原始的DataFrame并没有被修改。如果需要直接修改原始的DataFrame，可以将inplace参数设置为True：

df.fillna(method='ffill', inplace=True)

这样，原始的DataFrame就被直接修改了。