pandas:填充缺失值

当数据中存在NaN缺失值时，我们可以用其他数值替代NaN，主要用到了DataFrame.fillna()方法，下面我们来看看具体的用法：
1.先来创建一个带有缺失值的DataFrame:

import pandas as pd
import numpy as np
df=pd.DataFrame(np.random.randn(5,3),index=list('abcde'),columns=['one','two','three'])
df=pd.DataFrame(np.random.randn(5,3),index=list('abcde'),columns=['one','two','three'])
df.ix[1,:-1]=np.nan
df.ix[1:-1,2]=np.nan
df

2.使用0替代缺失值（当然你可以用任意一个数字代替NaN）

df.fillna(0)

3.用一个字符串代替缺失值

df.fillna('missing')

4.用前一个数据代替NaN：method='pad’

df.fillna(method='pad')

5.与pad相反，bfill表示用后一个数据代替NaN。这里我们增加一个知识点，用limit限制每列可以替代NaN的数目，下面我们限制每列只能替代一个NaN

df.fillna(method='bfill',limit=1)

6.除了上面用一个具体的值来代替NaN之外，还可以使用平均数或者其他描述性统计量来代替NaN

df.fillna(df.mean()

7.最后，我们还可以选择哪一列进行缺失值的处理。
df.fillna(df.mean()[‘one’:‘two’])