Pandas多级索引数据处理及fillna()填充方式

1、fillna()填充方式

pandas.DataFrame.fillna()函数可用于将Pandas数据帧（DataFrame）中的缺失值（NaN）用指定的值或方式进行填充。具体使用方法如下：

'''
fillna(value,method,axis,inplace,limit)
- value：用来填充缺失值的常数或字典，可使用字典为多列填充不同的常数
- method：填充方式，向下/右（ffill）或向上/左（bfill）填充
- axis：对缺失值填充的轴，默认0（按列填充），1为按行填充
- inplace：是否修改原数据帧
- limit：限制向前或向后填充的最大数量
'''
1
2
3
4
5
6
7
8

接下来，我们将以一个小实验的方式来具体说明fillna()填充方式如何使用，并且，在多级列索引的情况下如何使用

1.1、数据准备

多级列索引（类型1）：

arr = np.array([[1, 4, 1, 3], [2, 3, np.nan, 4], [2, np.nan, np.nan, 7], [3, 5, np.nan, 2], [4, 2, 3, 5]])
dfx = pd.DataFrame(arr, columns=pd.MultiIndex.from_product([['bar', 'foo'], ['one', 'two']]))
print(dfx.to_string())
'''
   bar       foo     
   one  two  one  two
0  1.0  4.0  1.0  3.0
1  2.0  3.0  NaN  4.0
2  2.0  NaN  NaN  7.0
3  3.0  5.0  NaN  2.0
4  4.0  2.0  3.0  5.0
'''
1
2
3
4
5
6
7
8
9
10
11
12

1.2、整个df填充操作

1） 对整个df按列向下填充

dfx1 = dfx.fillna(method='ffill')
print(dfx1.to_string())
'''
   bar       foo     
   one  two  one  two
0  1.0  4.0  1.0  3.0
1  2.0  3.0  1.0  4.0
2  2.0  3.0  1.0  7.0
3  3.0  5.0  1.0  2.0
4  4.0  2.0  3.0  5.0
'''
1
2
3
4
5
6
7
8
9
10
11

2） 对整个df按列向上填充

dfx2 = dfx.fillna(method='bfill')
print(dfx2.to_string())
'''
   bar       foo     
   one  two  one  two
0  1.0  4.0  1.0  3.0
1  2.0  3.0  3.0  4.0
2  2.0  5.0  3.0  7.0
3  3.0  5.0  3.0  2.0
4  4.0  2.0  3.0  5.0
'''
1
2
3
4
5
6
7
8
9
10
11

3） 对整个df按行向右填充

dfx3 = dfx.fillna(method='ffill', axis=1)
print(dfx3.to_string(
1