使用Pandas补全缺失值

  在大多数情况下，使用fillna来补全缺失值，调用fillna时可以使用一个常数作为参数来替代缺失值：

df = pd.DataFrame(np.random.rand(7, 3))
df.iloc[2:5, 1] = None
df.iloc[1:3, 2] = None
df

	0	        1	        2
0	0.967993	0.050330	0.003995
1	0.582064	0.158570	NaN
2	0.589933	NaN	        NaN
3	0.604145	NaN	        0.116464
4	0.845152	NaN	        0.410299
5	0.048739	0.829082	0.378123
6	0.455217	0.978345	0.204766

df.fillna(0)

	0	        1	        2
0	0.967993	0.050330	0.003995
1	0.582064	0.158570	0.000000
2	0.589933	0.000000	0.000000
3	0.604145	0.000000	0.116464
4	0.845152	0.000000	0.410299
5	0.048739	0.829082	0.378123
6	0.455217	0.978345	0.204766

  使用method参数可以使用缺失值的前一个值或后一个值填充，默认为ffill。

	0	        1	        2
0	0.967993	0.050330	0.003995
1	0.582064	0.158570	NaN
2	0.589933	NaN	        NaN
3	0.604145	NaN	        0.116464
4	0.845152	NaN	        0.410299
5	0.048739	0.829082	0.378123
6	0.455217	0.978345	0.204766

• 参数bfill使用缺失值的后一个值填充（理解为backfill）：

df.fillna(method='bfill')

	0	        1	        2
0	0.967993	0.050330	0.003995
1	0.582064	0.158570	0.116464
2	0.589933	0.829082	0.116464
3	0.604145	0.829082	0.116464
4	0.845152	0.829082	0.410299
5	0.048739	0.829082	0.378123
6	0.455217	0.978345	0.204766

• 参数ffill使用缺失值的前一个值填充（理解为frontfill）：

df.fillna(method='ffill')

	0	        1	        2
0	0.967993	0.050330	0.003995
1	0.582064	0.158570	0.003995
2	0.589933	0.158570	0.003995
3	0.604145	0.158570	0.116464
4	0.845152	0.158570	0.410299
5	0.048739	0.829082	0.378123
6	0.455217	0.978345	0.204766

  使用limit参数可以指定最大填充范围。

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

        0	        1	        2
0	0.967993	0.050330	0.003995
1	0.582064	0.158570	0.003995
2	0.589933	0.158570	NaN
3	0.604145	NaN	        0.116464
4	0.845152	NaN	        0.410299
5	0.048739	0.829082	0.378123
6	0.455217	0.978345	0.204766