4. 缺失值填充基础：fillna() 方法

在数据清洗流程中，fillna() 是 Pandas 提供的核心缺失值填充接口。它支持固定值填充、前向/后向传播填充以及填充数量限制，是处理缺失数据最直接的工具。本章将系统讲解 fillna() 的四种典型用法及其适用场景。

4.1 方法概览与参数说明

fillna() 的完整签名如下，其中 value、method、axis、limit 是最常用的四个参数：

DataFrame.fillna(
    value=None,          # 固定填充值，如 0、'Unknown'、均值
    method=None,         # 填充方法：'ffill' 或 'bfill'
    axis=None,           # 填充轴：0 为行方向，1 为列方向
    limit=None,          # 连续缺失的最大填充个数
    inplace=False        # 是否原地修改
)

参数	类型	说明	典型值
value	标量 / dict / Series / DataFrame	用于替换缺失值的固定值	0, '未知', df.mean()
method	'ffill' / 'bfill' / None	使用前一个或后一个有效值填充	'ffill'
axis	0 / 1	填充方向：0 沿行（上下），1 沿列（左右）	0
limit	int	连续缺失值最多填充多少个	2

4.2 固定值填充

固定值填充是最直观的方式：将全部缺失值替换为同一个指定值。适用于缺失量少、特征含义明确或业务规则固定的情况。

import pandas as pd
import numpy as np

df = pd.DataFrame({
    '年龄': [25, np.nan, 30, np.nan, 28],
    '收入': [5000, 6000, np.nan, 6500, np.nan]
})

# 用 0 填充所有缺失值
df_fixed = df.fillna(0)
print(df_fixed)

输出结果：

   年龄    收入
0  25.0  5000.0
1   0.0  6000.0
2  30.0     0.0
3   0.0  6500.0
4  28.0     0.0

更精细的做法是按列指定不同填充值：

# 按列指定填充值
df_fixed_col = df.fillna({'年龄': df['年龄'].mean(), '收入': 0})
print(df_fixed_col)

4.3 前向填充（ffill）

前向填充将缺失值替换为它前面的最近一个非缺失值。在时间序列中，这相当于“沿用上一时刻的值”。

# 前向填充：用上一个有效值填充
df_ffill = df.fillna(method='ffill')
print(df_ffill)

输出结果：

   年龄    收入
0  25.0  5000.0
1  25.0  6000.0
2  30.0  6000.0
3  30.0  6500.0
4  28.0  6500.0

可以看到，第 1 行的年龄被第 0 行的 25 填充，第 3 行的年龄被第 2 行的 30 填充，第 4 行的收入被第 3 行的 6500 填充。

4.4 后向填充（bfill）

后向填充与 ffill 方向相反：用缺失值后面的第一个非缺失值来填充。适用于“未来值已知，向前回填”的场景。

# 后向填充：用下一个有效值填充
df_bfill = df.fillna(method='bfill')
print(df_bfill)

输出结果：

   年龄    收入
0  25.0  5000.0
1  30.0  6000.0
2  30.0  6500.0
3  28.0  6500.0
4  28.0   NaN

注意：如果末尾连续缺失，后向填充无法处理（因为没有后续值），结果仍为 NaN。

4.5 限制填充数量（limit）

limit 参数控制连续缺失值最多被填充多少个。超过限制的缺失值保持 NaN，避免过度传播。

# 限制：连续缺失最多填充 1 个
df_limit = df.fillna(method='ffill', limit=1)
print(df_limit)

输出结果：

   年龄    收入
0  25.0  5000.0
1  25.0  6000.0
2  30.0  6000.0
3   NaN  6500.0
4  28.0  6500.0

第 3 行的年龄原本缺失，前一行（第 2 行）是 30，但因为 limit=1，第 1 行已经消耗了这次填充机会（第 1 行年龄被第 0 行填充），所以第 3 行保持 NaN。

4.6 四种填充方式对比

填充方式	适用场景	优点	缺点
固定值填充	分类特征、业务默认值	简单、可解释性强	可能引入偏差
前向填充 (ffill)	时间序列、传感器数据	保留趋势连续性	首行缺失无法填充
后向填充 (bfill)	未来值已知、回填修正	利用后续信息	末行缺失无法填充
限制填充 (limit)	防止过度传播	控制填充范围	需根据业务设定阈值

4.7 填充流程示意图

下图展示了 fillna() 四种核心填充策略在二维数据上的执行逻辑：

4.8 实战代码模板

以下是一个综合示例，展示如何在实际项目中组合使用多种填充策略：

import pandas as pd
import numpy as np

# 模拟时间序列数据
df = pd.DataFrame({
    '时间': pd.date_range('2024-01-01', periods=10, freq='D'),
    '温度': [22.5, np.nan, np.nan, 23.0, np.nan, 24.1, np.nan, np.nan, np.nan, 25.0],
    '湿度': [60, 62, np.nan, np.nan, 65, np.nan, 66, np.nan, 68, 70]
})

# 策略：先前向填充，限制连续填充 2 个
df['温度_ffill'] = df['温度'].fillna(method='ffill', limit=2)

# 对剩余缺失值用后向填充
df['温度_final'] = df['温度_ffill'].fillna(method='bfill')

# 湿度列：用均值填充
df['湿度_final'] = df['湿度'].fillna(df['湿度'].mean())

print(df[['时间', '温度', '温度_final', '湿度', '湿度_final']])