fillna() 函数通常用于填充缺失值，例如 NaN（Not a Number）或 None
首先，导入所需库并创建一个包含缺失值的 DataFrame：
import pandas as pd
import numpy as np
data = {'A': [1, 2, np.nan],
'B': [4, np.nan, 6],
'C': [7, 8, 9]}
df = pd.DataFrame(data)
print("原始 DataFrame:")
print(df)
这将输出以下 DataFrame：
原始 DataFrame:
A B C
0 1.0 4.0 7
1 2.0 NaN 8
2 NaN 6.0 9
现在，我们将使用 fillna() 函数处理特定类型的缺失值。在这个例子中，我们将用 0 替换所有类型为 float 的缺失值（NaN）：
# 使用 fillna() 函数处理特定类型的缺失值
filled_df = df.fillna(0, inplace=False)
print("填充后的 DataFrame:")
print(filled_df)
这将输出以下 DataFrame：
填充后的 DataFrame:
A B C
0 1.0 4.0 7
1 2.0 0.0 8
2 0.0 6.0 9
注意，inplace=False 表示我们不会直接修改原始 DataFrame，而是返回一个新的 DataFrame。如果你希望直接修改原始 DataFrame，可以将 inplace 参数设置为 True。
如果你想要基于特定条件填充缺失值，可以使用 fillna() 函数的 method 参数。例如，你可以使用前一个有效值（ffill）或后一个有效值（bfill）来填充缺失值：
# 使用前一个有效值填充缺失值
filled_df_ffill = df.fillna(method='ffill', inplace=False)
print("使用前一个有效值填充后的 DataFrame:")
print(filled_df_ffill)
# 使用后一个有效值填充缺失值
filled_df_bfill = df.fillna(method='bfill', inplace=False)
print("使用后一个有效值填充后的 DataFrame:")
print(filled_df_bfill)
这将分别输出以下 DataFrames：
使用前一个有效值填充后的 DataFrame:
A B C
0 1.0 4.0 7
1 2.0 4.0 8
2 2.0 6.0 9
使用后一个有效值填充后的 DataFrame:
A B C
0 1.0 4.0 7
1 2.0 6.0 8
2 1.0 6.0 9
