昨天，我们学习了pandas中的dropna方法，今天，学习一下fillna方法。该方法的主要作用是实现对NaN值的填充功能。该方法主要有3个参数，分别是：value，method，limit等。其余参数可以通过调用help函数获取信息。
（1）value
该参数主要是确定填充数值
>>> df = pd.read_excel(r'D:/myExcel/1.xlsx')
>>> df
name Chinese Chinese.1 id
0 bob 12.0 12 123.0
1 millor NaN 32 124.0
2 jiken 89.0 89 NaN
3 jiken 89.0 89 125.0
# 默认将所有值均填充为0
>>> df.fillna(0)
name Chinese Chinese.1 id
0 bob 12.0 12 123.0
1 millor 0.0 32 124.0
2 jiken 89.0 89 0.0
3 jiken 89.0 89 125.0
# 也可以通过字典控制每列传什么值
>>> my_dict = {'Chinese' : 92, 'id' : 98}
>>> df.fillna(my_dict)
name Chinese Chinese.1 id
0 bob 12.0 12 123.0
1 millor 92.0 32 124.0
2 jiken 89.0 89 98.0
3 jiken 89.0 89 125.0
2、method参数
该参数主要控制自动填充，是向上填充还是向下填充
method : {‘backfill', ‘bfill', ‘pad', ‘ffill', None}, default None
pad / ffill: 向下自动填充
backfill / bfill: 向上自动填充
# 向下 >>> df.fillna(method='ffill') name Chinese Chinese.1 id 0 bob 12.0 12 123.0 1 millor 12.0 32 124.0 2 jiken 89.0 89 124.0 3 jiken 89.0 89 125.0 # 向上 >>> df.fillna(method='bfill') name Chinese Chinese.1 id 0 bob 12.0 12 123.0 1 millor 89.0 32 124.0 2 jiken 89.0 89 125.0 3 jiken 89.0 89 125.0
3、limit参数
该参数类似于mysql中的limit。向上或者向下填充时控制最大填充前几行
# 限制自动填充最大填充1行。 >>> df.fillna(method = 'bfill', limit=1) name Chinese Chinese.1 id 0 bob 12.0 12 123.0 1 millor 89.0 32 124.0 2 jiken 89.0 89 125.0 3 jiken 89.0 89 125.0
哈哈，以上就是关于fillna方法的介绍。
关于，isna方法很好理解，判断是否为NaN值
>>> df.isna() name Chinese Chinese.1 id 0 False False False False 1 False True False False 2 False False False True 3 False False False False >>>
