Pandas：仅填充数字（int 或 float）列

使用Pandas库中的方法，我们可以轻松地对DataFrame中的数字列进行填充。在数据处理和分析中，经常会遇到一些缺失值或空值，这会对后续的计算和分析造成困扰。因此，填充这些缺失值是非常重要的一步。Pandas提供了多种填充方法，本文将重点介绍如何仅填充数字（int或float）列。

python
import pandas as pd
# 创建包含缺失值的DataFrame
data = {'A': [1, 2, None, 4, 5],
        'B': [None, 2.5, 3.5, None, 5.5],
        'C': ['a', 'b', 'c', 'd', 'e']}
df = pd.DataFrame(data)
# 使用ffill方法向前填充数字列
df['A'] = df['A'].ffill()
# 使用bfill方法向后填充数字列
df['B'] = df['B'].bfill()
print(df)

python
import pandas as pd
# 创建包含缺失值的DataFrame
data = {'A': [1, 2, None, 4, 5],
        'B': [None, 2.5, 3.5, None, 5.5],
        'C': ['a', 'b', 'c', 'd', 'e']}
df = pd.DataFrame(data)
# 使用mean方法填充数字列
df['A'] = df['A'].fillna(df['A'].mean())
print(df)

python
import pandas as pd
# 创建包含缺失值的DataFrame
data = {'A': [1, 2, None, 4, 5],
        'B': [None, 2.5, 3.5, None, 5.5],
        'C': ['a', 'b', 'c', 'd', 'e']}
df = pd.DataFrame(data)
# 使用interpolate方法填充数字列
df['A'] = df['A'].interpolate()
print(df)