Python中fillna函数的不同填充策略

在Python的pandas库中，fillna()函数用于填充缺失值（NaN）

使用常数值填充：可以使用一个指定的常数值来填充缺失值。例如，将所有缺失值替换为0：

df.fillna(0, inplace=True)

使用前一个值填充（前向填充）：可以使用缺失值之前的那个值来填充缺失值。这种方法也称为前向填充（forward fill）。例如：

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

使用后一个值填充（后向填充）：可以使用缺失值之后的那个值来填充缺失值。这种方法也称为后向填充（backward fill）。例如：

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

使用平均值填充：可以使用缺失值所在列的平均值来填充缺失值。例如：

df.fillna(df.mean(), inplace=True)

使用中位数填充：可以使用缺失值所在列的中位数来填充缺失值。例如：

df.fillna(df.median(), inplace=True)

使用众数填充：可以使用缺失值所在列的众数来填充缺失值。例如：

df.fillna(df.mode().iloc[0], inplace=True)

使用插值填充：可以使用插值方法来填充缺失值。例如，使用线性插值：

df.interpolate(method='linear', inplace=True)

在使用fillna()函数时，可以根据实际需求选择合适的填充策略。注意，填充缺失值是数据预处理的一部分，应该根据数据的特点和分析目标来选择合适的方法。