pandas.DataFrame.fillna()函数的作用是将数据帧（DataFrame）中的缺失值（NaN值）用指定的值或方法进行填充。具体使用方法如下：
DataFrame.fillna(value=None, method=None, axis=None, inplace=False, limit=None, downcast=None)参数解释：
value：要用来填充缺失值的值或字典（第二个实例会详细介绍）。
method：用来填充缺失值的方法，可以是 ffill（向前填充）或 bfill（向后填充），默认为 None。
axis：对缺失值填充的轴，可以是 0（默认，按列填充）或 1（按行填充）。
inplace：是否在原数据帧中进行填充，默认为 False。
limit：限制向前或向后填充的最大数量。
downcast：用于将填充结果数据类型降低为更小的类型，以减少内存占用。
考虑一个数据帧如下：
import numpy as np
import pandas as pd
df = pd.DataFrame({'A': [1, 2, np.nan, 4], 'B': [np.nan, 6, 7, 8], 'C': [9, 10, 11, 12]})
print(df)输出：
A B C
0 1.0 NaN 9
1 2.0 6.0 10
2 NaN 7.0 11
3 4.0 8.0 12使用 df.fillna() 将数据帧中的所有缺失值填充为常数值 0：
df.fillna(0)输出：
A B C
0 1.0 0.0 9
1 2.0 6.0 10
2 0.0 7.0 11
3 4.0 8.0 12考虑一个数据帧如下：
import numpy as np
import pandas as pd
df = pd.DataFrame({'A': [1, 2, np.nan, 4], 'B': [np.nan, 6, 7, 8], 'C': [9, 10, 11, 12]})
print(df)输出：
A B C
0 1.0 NaN 9
1 2.0 6.0 10
2 NaN 7.0 11
3 4.0 8.0 12使用 df.fillna() 将数据帧中的缺失值按列进行填充，指定不同列的填充值：
fillna_values = {'A': 0, 'B': 5, 'C': 10}
df.fillna(fillna_values)输出：
A B C
0 1.0 5.0 9
1 2.0 6.0 10
2 0.0 7.0 11
3 4.0 8.0 12通过指定字典进行填充，可以按列或行指定不同的填充值，便于快速填充缺失值。
本文链接：http://task.lmcjl.com/news/4565.html