Pandas 替换 NaN 值

在 Pandas 中，可以使用各种方法来替换 DataFrame 或 Series 中的 NaN 值。下面是一些常见的方法：

1. 使用 fillna() 方法
   fillna() 方法用于填充 NaN 值。可以通过传递一个值或一个方法来替换 NaN。例如，使用平均值、中位数或众数等。
   示例：

   import pandas as pd
   import numpy as np
   df = pd.DataFrame({'A': [1, 2, np.nan], 'B': [5, np.nan, np.nan]})
   df.fillna(value=0, inplace=True)

   在这个例子中，我们使用 0 来替换所有的 NaN 值。
2. 使用 replace() 方法
   replace() 方法用于替换指定的值。可以传递一个值或一个方法来替换 NaN。
   示例：

   df = pd.DataFrame({'A': [1, 2, np.nan], 'B': [5, np.nan, np.nan]})
   df.replace(np.nan, 0, inplace=True)

   在这个例子中，我们使用 0 来替换所有的 NaN 值。
3. 使用 where() 方法
   where() 方法可以根据条件来设置值。当条件为真时，设置相应的值；否则，将 NaN 值保留为原始值。
   示例：

   df = pd.DataFrame({'A': [1, 2, np.nan], 'B': [5, np.nan, np.nan]})
   df.where(df > 0, 0, inplace=True)

   在这个例子中，我们将所有大于 0 的值设置为 0，而保留原始的 NaN 值。
4. 使用 mask() 方法
   mask() 方法可以根据条件来设置值。当条件为假时，设置相应的值；否则，将 NaN 值保留为原始值。
   示例：

   df = pd.DataFrame({'A': [1, 2, np.nan], 'B': [5, np.nan, np.nan]})
   df.mask(df <= 0, 0, inplace=True)

   在这个例子中，我们将所有小于等于 0 的值设置为 0，而保留原始的 NaN 值。
5. 使用 ffill() 和 bfill() 方法（前向和后向填充）
   ffill() 和 bfill() 方法用于根据前一个或后一个有效值来填充 NaN 值。可以使用默认的 None 来指定前向或后向填充方向，或者传递一个方法来自定义填充方式。例如，可以使用 mean、median、mode 等方法进行填充。
   示例：

   import pandas as pd
   import numpy as np
   df = pd.DataFrame({'A': [1, 2, np.nan], 'B': [5, np.nan, np.nan]})
   df['A'].ffill(inplace=True)
   df['B'].bfill(inplace=True)

   在这个例子中，我们将 A 列的 NaN 值向前填充为前一个有效值，将 B 列的 NaN 值向后填充为后一个有效值。
   以上是一些常见的方法来替换 Pandas 中的 NaN 值。你可以根据自己的需求选择适合的方法。