fillna(value) 用指定的值填充缺失值，举几个例子

<think>嗯，用户想了解如何使用pandas中的fillna(value)方法来填充缺失值，并希望举几个例子。首先，我需要确认自己对这个方法的理解是否正确。fillna()确实用于处理DataFrame或Series中的NaN值，可以用特定的值替换这些缺失值。接下来，用户需要例子，所以我应该提供不同场景下的应用示例，比如用固定值填充、不同列用不同值填充，以及使用字典或前向填充等方法。 首先，我应该从基础例子开始，比如创建一个包含NaN的DataFrame，然后用单一值填充所有缺失值。这能展示fillna的基本用法。然后，可能需要展示如何为不同的列指定不同的填充值，这时候可以用字典结构传入fillna的参数。例如，age列用平均值填充，而salary列用中位数或者0填充。 另外，用户可能还想知道如何处理时间序列数据中的缺失值，这时候前向填充（method='ffill'）或后向填充（method='bfill'）可能会有用。虽然用户的问题是关于fillna(value)，但或许可以提一下这些方法作为补充，不过需要确保主要例子围绕value参数展开。 然后，需要注意是否需要解释为什么某些情况下要使用特定值填充，比如用平均值保持数据的分布，或者用0来代表缺失的数值。这可能帮助用户理解在不同场景下如何选择合适的填充策略。 接下来，考虑用户可能的后续问题，比如如何处理不同数据类型的缺失值，或者fillna的其他参数如limit、inplace等。不过根据用户的要求，这次只需要关注value参数的应用。 最后，我需要确保代码示例正确无误，并且能够覆盖不同的用例。可能需要检查是否有拼写错误，比如正确的列名，函数调用是否正确。例如，在创建DataFrame时，确保正确使用字典结构，列名和数据的对应关系正确。填充后的结果应该能明显展示出NaN被替换的情况。 总结一下，回答的结构应该是先解释fillna(value)的作用，然后给出几个不同场景的例子，每个例子包括代码和说明。最后提出相关问题，引导用户进一步学习其他处理缺失值的方法或相关函数。</think><< `fillna(value)` 是 pandas 中用于填充缺失值（NaN）的核心方法，通过指定固定值或灵活规则替换空值。以下是具体用法和示例： --- ### **1. 用固定值填充所有缺失值** ```python import pandas as pd import numpy as np # 创建包含 NaN 的 DataFrame data = {'A': [1, np.nan, 3], 'B': [np.nan, 5, 6]} df = pd.DataFrame(data) # 用 0 填充所有 NaN df_filled = df.fillna(0) print(df_filled) ``` **输出**： ``` A B 0 1.0 0.0 1 0.0 5.0 2 3.0 6.0 ``` --- ### **2. 为不同列指定不同填充值** ```python # 列 A 用 100 填充，列 B 用 -1 填充 df_filled = df.fillna({'A': 100, 'B': -1}) print(df_filled) ``` **输出**： ``` A B 0 1.0 -1.0 1 100.0 5.0 2 3.0 6.0 ``` --- ### **3. 用统计值填充（如均值、中位数）** ```python # 用列 A 的均值填充其 NaN mean_A = df['A'].mean() df_filled = df.fillna({'A': mean_A}) # 均值填充列 A print(df_filled) ``` **输出**： ``` A B 0 1.0 NaN 1 2.0 5.0 # 列 A 的均值 (1+3)/2 = 2.0 2 3.0 6.0 ``` --- ### **4. 用前向填充（ffill）或后向填充（bfill）** ```python # 前向填充（用前一行的值填充） df_filled = df.fillna(method='ffill') print(df_filled) ``` **输出**： ``` A B 0 1.0 NaN # 第一行 B 列无前值，仍为 NaN 1 1.0 5.0 # A 列继承上一行的 1.0 2 3.0 6.0 ``` --- ### **5. 仅填充连续缺失值的第一个** ```python # 用 0 填充，但最多连续填充 1 次 df_filled = df.fillna(0, limit=1) print(df_filled) ``` **输出**： ``` A B 0 1.0 0.0 # 填充第一个 NaN 1 0.0 5.0 # 填充 A 列的 NaN 2 3.0 6.0 ``` --- ### **原理解释** - `fillna(value)` 直接修改 DataFrame/Series 中的 NaN，不改变原始对象（除非设置 `inplace=True`）。 - `value` 可以是标量、字典（按列填充）、Series（按索引对齐）或函数（动态计算填充值）。 ---