填充缺失值和空值的方式有很多种，比如人工填写、热卡填充等，Pandas中的fillna()方法可以实现填充空值或缺失值。
fillna(value=None, method=None, axis=None, inplace=False, limit=None, downcast=None, **kwargs)
- value：用于填充的数值。
- method：表示填充方式，默认值为None。
- limit： 可以连续填充的最大数量，默认None。
method参数不能与value参数同时使用。
| name | score |
|---|---|
| agou | NaN |
| None | 78.0 |
| ahua | 89.0 |
有一张表格里存在缺失值，如果使用常量99.0来替换缺失值，那么填充前后的效果如下图所示。
| name | score |
|---|---|
| agou | 99.0 |
| 99.0 | 78.0 |
| ahua | 89.0 |
通过fillna()方法填充常量的示例如下：
# 使用99.0替换缺失值
df_obj.fillna('99.0')
显然name列不适合用99.0来填充，我们可以指定某列的填充值
# 指定列填充数据
df_obj.fillna({'name': 'someone', 'score': 99.0})
结果：
| name | score |
|---|---|
| agou | 99.0 |
| someone | 78.0 |
| ahua | 89.0 |
通过fillna()方法采用前向填充的方式替换空值或缺失值，示例如下：
# 使用前向填充的方式替换空值或缺失值 df.fillna(method='ffill')
