使用Pandas的fillna函数填充DataFrame中的缺失值

在使用Pandas的fillna函数填充DataFrame中的缺失值时，可以使用中位数（median）作为填充策略。下面是一个示例代码，演示如何使用fillna函数使用中位数来填充DataFrame中的缺失值：

import pandas as pd
import numpy as np
# 创建一个包含缺失值的DataFrame
df = pd.DataFrame({
'A': [1, 2, np.nan, 4],
'B': [5, np.nan, np.nan, 8],
'C': [9, 10, 11, np.nan]
})
# 使用fillna函数使用中位数填充缺失值
df_filled = df.fillna(df.median())
# 打印填充后的DataFrame
print(df_filled)

在上面的代码中，我们首先创建了一个包含缺失值的DataFrame。然后，我们使用fillna函数并传递df.median()作为参数，将缺失值替换为各列的中位数。最后，我们打印填充后的DataFrame。
需要注意的是，在使用fillna函数时，如果DataFrame中的某一列没有缺失值，那么该列的中位数将作为填充值。另外，如果DataFrame中有多个列具有相同的缺失值，则这些列将具有相同的中位数作为填充值。因此，在使用fillna函数时，要确保传递给函数的参数是正确的，以便得到期望的填充结果。
除了使用中位数作为填充策略外，fillna函数还支持其他填充方法，如使用固定值、前向或后向填充等。这些方法可以帮助你根据具体情况选择最适合的填充策略。在实际应用中，你可能需要根据数据的特点和需求选择合适的填充方法。