Pandas中df.fillna()方法详解：缺失值填充的多种策略与实现

拾光

发布时间：2026-10-12 | 3人浏览过

原创

本文详细介绍Pandas库中df.fillna()函数的使用方法，涵盖固定值填充、前后向填充（ffill/bfill）及基于统计量的填充策略。通过具体代码示例解析value、method、inplace等关键参数的应用，并对比df.replace()替代方案，帮助开发者高效处理数据中的缺失值。

df.fillna()函数主要用于处理数据中的缺失值，用户可以根据需求选择填充具体的数值，或者采用临近值进行填充。

官方文档

DataFrame.fillna(self, value=None, method=None, axis=None, inplace=False, limit=None, downcast=None)

调用df.fillna(x)即可将数据中的缺失值替换为指定的固定值x。

import pandas as pd 
 
# 原数据
df = pd.DataFrame({'A':['a1','a1','a2','a2'],
                   'B':['b1','b2',None,'b2'],
                   'C':[1,2,3,4],
                   'D':[5,6,None,8],
                   'E':[5,None,7,8]
                   })
 
# 将缺失值填充为0
res1 = df.fillna(0)

结果展示

res1

# 常用的方法还有以下几个:
# 填充为0
df.fillna(0)
# 填充为指定字符
df.fillna('missing')
df.fillna('暂无')
df.fillna('待补充')
# 指定字段填充
df.E.fillna('暂无')
# 指定字段填充
df.E.fillna(0, inplace = True)
# 只替换第一个
df.fillna(0, limit = 1)
# 将不同列的缺失值替换为不同的值
values = {'A':0,'B':1,'C':2,'D':3}
df.fillna(value = values)

需要注意，若希望填充操作立即生效并修改原数据，需将结果重新赋值给df，或在调用时传入参数inplace=True。

在某些场景下，填充固定值并不合适，而是需要依据特定逻辑进行填充。df.fillna()提供了method参数，支持以下几种填充策略：

pad或ffill：表示向前填充，即使用前一个有效值来填充当前的缺失值。代码中df.fillna(method='ffill')可简写为df.ffill()。

bfill或backfill：表示向后填充，即使用后一个有效值来填充当前的缺失值。代码中df.fillna(method='bfill')可简写为df.bfill()。

import pandas as pd 
 
# 原数据
df = pd.DataFrame({'A':['a1','a1','a2','a2'],
                   'B':['b1','b2',None,'b2'],
                   'C':[1,2,3,4],
                   'D':[5,6,None,8],
                   'E':[5,None,7,8]
                   })
 
# 取后一个有效值填充
res1 = df.fillna(method = 'bfill')
 
# 取前一个有效值填充
res2 = df.fillna(method = 'ffill')

结果展示

res1

res2

除了直接取前后值，还可以基于计算结果进行填充，例如常用的平均值填充法。

# 填充列的平均值
df.fillna(df.mean())
# 对指定列填充平均值
df.fillna(df.mean()['B':'D'])
# 另一种填充列的平均值的方法
df.where(pd.notna(df),df.mean(),axis = 'columns')

处理缺失值的另一种思路是使用替换方法df.replace()。

# 将指定列的空值替换成指定值
import pandas as pd 
import numpy as np
# 原数据
df = pd.DataFrame({'A':['a1','a1','a2','a2'],
                   'B':['b1','b2',None,'b2'],
                   'C':[1,2,3,4],
                   'D':[5,6,None,8],
                   'E':[5,None,7,8]
                   })
df.replace({'B':{np.nan:'Hudas'}})

结果展示