Python Pandas fillna() 函数详解：参数、方法及实战代码
发布时间：2026-10-15| 3人浏览过
本文详细介绍Pandas中fillna()函数处理缺失值的多种方法。涵盖inplace参数对原对象的影响、method参数（ffill/bfill）的前后填充逻辑，以及limit和axis参数的控制技巧。通过常数填充、字典映射及具体代码示例，帮助开发者高效完成数据清洗任务。
使用fillna()填充缺失值
df = pd.read_csv('ccf_offline_stage1_train.csv')
print(df['Distance'])
df['distance'] = df['Distance'].fillna(-1).astype(int)
print(df['distance'])由于输出结果篇幅较长，此处省略展示。经过上述操作，dataframe中distance列的所有缺失值均已成功替换为-1。
关于fillna()函数详解
inplace参数的取值：True、False
True：直接修改原对象False：创建一个副本，修改副本，原对象不变（缺省默认）
method参数的取值 ： {‘pad’, ‘ffill’,‘backfill’, ‘bfill’, None}, default None
pad/ffill：用前一个非缺失值去填充该缺失值backfill/bfill：用下一个非缺失值填充该缺失值None：指定一个值去替换缺失值（缺省默认这种方式）
limit参数：限制填充个数
axis参数：修改填充方向
#导包
import pandas as pd
import numpy as np
from numpy import nan as NaNdf1=pd.DataFrame([[1,2,3],[NaN,NaN,2],[NaN,NaN,NaN],[8,8,NaN]])
df1代码结果：
一、不指定任何参数
1. 用常数填充
#一、不指定method参数
#1.用常数填充
print (df1.fillna(100))
print ("-----------------------")
print (df1)运行结果：
2. 用字典填充
#2.用字典填充
df1.fillna({0:10,1:20,2:30})运行结果：
二、指定inplace参数
#二、指定inplace参数
print (df1.fillna(0,inplace=True))
print ("-------------------------")
print (df1)运行结果：
三、指定method参数
1.method = 'ffill'/'pad'：用前一个非缺失值去填充该缺失值
#三、指定method参数
df2 = pd.DataFrame(np.random.randint(0,10,(5,5)))
df2.iloc[1:4,3] = NaN
df2.iloc[2:4,4] = NaN
df2运行结果：
#1.method = 'ffill'/'pad'：用前一个非缺失值去填充该缺失值
df2.fillna(method='ffill')运行结果：
2.method = 'bflii'/'backfill'：用下一个非缺失值填充该缺失值
#2.method = 'bflii'/'backfill'：用下一个非缺失值填充该缺失值
df2.fillna(method='bfill')运行结果：
四、指定limit参数
#四、指定limit参数
#用下一个非缺失值填充该缺失值
#只填充2个
df2.fillna(method='bfill', limit=2)运行结果：
五、指定axis参数
#五、指定axis参数
df2.fillna(method="ffill", limit=1, axis=1)运行结果：
以上为个人经验，希望能给大家一个参考，也希望大家多多支持本站。
免责声明：本文内容仅供参考，不代表本站观点。转载或引用请注明出处。
