在Python中，使用Pandas库可以很容易地用均值填充缺失值。以下是使用均值填充缺失值的步骤和示例代码：
1. 导入Pandas库：
```python
import pandas as pd
2. 创建一个包含缺失值的DataFrame：```pythondata = {'A': [1, 2, None, 4], 'B': [None, 2, 3, 4]}
df = pd.DataFrame（data）
3. 使用 `fillna` 方法并指定 `mean` 来填充缺失值：
```python
df_filled_mean = df.fillna（df.mean（））
以上代码会计算每列的均值，并用该均值替换DataFrame中对应列的缺失值（NaN）。如果你想对特定的列进行操作，可以先将列名放入列表中，然后遍历这个列表对每列进行操作：```pythoncolumns_to_fill = df.columns[df.isnull（）.sum（） > 0]
for column in columns_to_fill:
mean_val = df[column].mean（）
df[column].fillna（mean_val, inplace=True）
这段代码会找到所有含有缺失值的列，计算它们的均值，并替换掉这些列中的缺失值。