9、pandas的填充缺失值fillna()和inplace函数

在数据集里面的缺失值需要填充起来，避免各种出错。

数据源 fillna填充 mean()和sum()填充

fillna可以指定数值进行填充，也可以使用计算公式进行填充，比如df.mean()、df.sum()等。

还可以指定用那一列的数据进行填充：

填充指定的列的数据

在做分析的时候，我们经常要将缺失值填充为前一个值，或者是后一个值，而不是单纯的填充0或者均值。

使用指定method来向前或向后填充

其中‘bfill’就是将缺失值按照后面一个值进行填充，'ffill' 就是将缺失值按照前面一个值进行填充。

这里的前、后一个数值默认是纵向看的，如果需要使用左或者右边的数值进行填充，只需要加参数axis=1，就可以了。

指定axis = 1为向左向右的数值填充

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。

限制填充的数目

由于本文档每列只有一个缺失值，所以看起来不明显。

查询是否有缺失值isnull函数：

查询缺失值

还可以用describe()函数计算确实的值：

用describe()函数计算确实值个数  

以上的操作都是没有改变源数据的，如果要改变源数据的话需要添加参数inplace = True才可以改变源数据（也可以用赋值的方式）。

不改变源数据 添加参数inplace = True改变源数据