对于大多数情况而言，fillna方法是最主要的函数。通过一个常数调用fillna就会将缺失值替换为那个常数值。

fillna(value)

参数：value

说明：用于填充缺失值的标量值或字典对象

#通过常数调用fillna

书写方式：df.fillna(0) #用0替换缺失值

#通过字典调用fillna

书写方式：df.fillna({1:0.5,3:-1})

fillna(value,inplace=True)

参数：inplace

说明：修改调用者对象而不产生副本

#总是返回被填充对象的引用

书写方式：df.fillna(0,inplace=True)

fillna(method=ffill)

参数：method

说明：插值方式。如果函数调用时未指定其他参数的话，默认为“ffill”

对reindex有效的那些插值方法也可用于fillna：

In [23]: from numpy import nan as NA

In [21]: df=DataFrame(np.random.randn(6,3))

In [24]: df.ix[2:,1]=NA;df.ix[4:,2]=NA

In [25]: df

Out[25]:

0 1 2

0 -0.863925 1.005127 -0.529901

1 0.701671 -0.501728 -0.617387

2 -0.951060 NaN -0.263626

3 0.810230 NaN -0.277401

4 -0.403899 NaN NaN

5 -0.081091 NaN NaN

In [26]: df.fillna(method='ffill')

Out[26]:

0 1 2

0 -0.863925 1.005127 -0.529901

1 0.701671 -0.501728 -0.617387

2 -0.951060 -0.501728 -0.263626

3 0.810230 -0.501728 -0.277401

4 -0.403899 -0.501728 -0.277401

5 -0.081091 -0.501728 -0.277401

fillna(limit=2)

参数：limit

说明：(对于前向和后向填充)可以连续填充的最大数量

In [27]: df.fillna(method='ffill',limit=2)

Out[27]:

0 1 2

0 -0.863925 1.005127 -0.529901

1 0.701671 -0.501728 -0.617387

2 -0.951060 -0.501728 -0.263626

3 0.810230 -0.501728 -0.277401

4 -0.403899 NaN -0.277401

5 -0.081091 NaN -0.277401

fillna(data.mean())

只要稍微动动脑子，就可以利用fillna实现许多别的功能。比如说，可以传入Series的平均值或中位数：

In [28]: data=Series([1,NA,3.5,NA,7])

In [29]: data.fillna(data.mean())

Out[29]:

0 1.000000

1 3.833333

2 3.500000

3 3.833333

4 7.000000

dtype: float64

axis

参数：axis

说明：待填充的值，默认axis=0

「亲，如果笔记对您有帮助，收藏的同时，记得给点个赞、加个关注哦！感谢！」

「文中代码均亲测过，若有错误之处，欢迎批评指正，一起学习，一起成长！」