python如何填充nan

在Python的pandas库中，你可以使用 `fillna` 方法来补充（填充）DataFrame中的缺失值（NaN）。以下是一些常用的方法：

1. 使用特定值填充：

 import pandas as pd 创建一个包含缺失值的示例DataFrame data = {'A': [1, 2, 3, 4], 'B': [5, 6, None, 8], 'C': [9, None, None, None]} df = pd.DataFrame（data） 使用0填充缺失值 df.fillna（0, inplace=True） print（df） 

2. 使用前一个值填充（前向填充）：

 使用前一个值填充缺失值 df.fillna（method='bfill', inplace=True） print（df） 

3. 使用平均值填充：

 使用平均值填充缺失值 df.fillna（df.mean（）, inplace=True） print（df） 

4. 使用中位数填充：

 使用中位数填充缺失值 df.fillna（df.median（）, inplace=True） print（df） 

5. 使用众数填充：

 使用众数填充缺失值 df.fillna（df.mode（）.iloc, inplace=True） print（df） 

6. 使用插值填充：

 使用插值方法填充缺失值 df.interpolate（inplace=True） print（df） 

7. 使用 `map` 和 `combine_first` 替换NaN：

 创建新的Series，然后用combine_first替换NaN df1 = pd.DataFrame（{'gross（mean）': [np.nan, 3.e+06, 4.e+05, 2.011249e+06, 10, 20, 30], 'interval': [1922, 1927, 1932, 1938, 1932, 1938, 1953]}） df1['interval'] = pd.cut（df1['interval'], bins=[1920, 1925, 1930, 1935, 1940, 1945, 1950, 1955]） print（df1） df = pd.DataFrame（{'name': ['k', 'l'], 'gross': [1000, np.nan], 'interval': [1938, 1952]}） df['interval'] = pd.cut（df['interval'], bins=[1920, 1925, 1930, 1935, 1940, 1945, 1950, 1955]） df1 = df1.set_index（'interval'） df = df.set_index（'interval'） df.combine_first（df1, fill_value=0） print（df） 

选择哪种方法取决于你的具体需求。