为帮助学习pandas，特意从和鲸社区中提炼出120道经典数据处理常见操作例题，从基础入门到进阶来更快速、更专业的角度理解pandas。主要包括：

• Pandas基础
• Pandas进阶
• 金融数据处理
• NumPy科学计算
• 一些补充

（https://www.heywhale.com/mw/project/5ef96ce863975d002c95fd8a/content）

正文：

将字典创建为DataFrame

#将字典创建为DataFrame
data_dict={
"Grammer":["Python","C","Java","GO",np.nan,"SQL","PHP","python"],
"Score":[1,2,np.nan,4,5,6,7,10]
}
data = pd.DataFrame(data_dict)
data

需求描述

1.数值列 空值填充；

2.空值的上一行与下一行的平均数进行填充

数据理解

1.根据数据可得数据列为Score；

2.数值列Score处于第三行，其中第二行Score值为2，第三行Score为4，则空值的上一行与下一行的平均数是（2+4）/2=3

代码实现

data['Score']=data['Score'].fillna(data['Score'].interpolate())
data

题外：

缺失数据填充fillna（）使用

函数形式：fillna(value=None, method=None, axis=None, inplace=False, limit=None, downcast=None, **kwargs)

参数：

• value：用于填充的空值的值。
• method： {'backfill', 'bfill', 'pad', 'ffill', None}, default None。定义了填充空值的方法， pad / ffill表示用前面行/列的值，填充当前行/列的空值， backfill / bfill表示用后面行/列的值，填充当前行/列的空值。
• axis：轴。0或'index'，表示按行删除；1或'columns'，表示按列删除。
• inplace：是否原地替换。布尔值，默认为False。如果为True，则在原DataFrame上进行操作，返回值为None。
• limit：int， default None。如果method被指定，对于连续的空值，这段连续区域，最多填充前 limit 个空值（如果存在多段连续区域，每段最多填充前 limit 个空值）。如果method未被指定， 在该axis下，最多填充前 limit 个空值（不论空值连续区间是否间断）
• downcast：dict, default is None，字典中的项为，为类型向下转换规则。或者为字符串“infer”，此时会在合适的等价类型之间进行向下转换，比如float64 to int64 if possible。

示例
1.将Score列空值填充为0

data['Score']=data['Score'].fillna(0)
data

2.用前面行的值，填充当前行的值

data['Score'].fillna(method='pad')

3.backfill / bfill表示用后面行/列的值，填充当前行/列的空值

data['Score']=data['Score'].fillna(method='backfill')
data

插值函数interpolate

DataFrame.interpolate(method=‘linear’, axis=0, limit=None, inplace=False, limit_direction=None, limit_area=None, downcast=None, **kwargs)

• method ： str，默认为‘linear’，使用插值技术。之一：‘linear’：忽略索引，并将值等距地对待。这是MultiIndexes支持的唯一方法。‘time’: 处理每日和更高分辨率的数据，以内插给定的时间间隔长度。‘index’, ‘values’: 使用索引的实际数值。'pad'：使用现有值填写NaN。‘nearest’, ‘zero’, ‘slinear’, ‘quadratic’, ‘cubic’, ‘spline’, ‘barycentric’, ‘polynomial’: 传递给 scipy.interpolate.interp1d。这些方法使用索引的数值。‘polynomial’ 和 ‘spline’ 都要求您还指定一个顺序（int），例如 ，df.interpolate(method='polynomial', order=5)'krogh'，'piecewise_polynomial'，'spline'，'pchip'，'akima'：环绕类似名称的SciPy插值方法。请参阅注释。

axis ： {0或'index'，1或'columns'，None}，默认为None，沿轴进行interpolate。

limit ： 整数，可选，要填充的连续NaN的最大数量。必须大于0。

inplace ： bool，默认为False尽可能更新数据。

limit_direction ： {'forward'，'backward'，'both'}，默认为'forward'，如果指定了限制，则将沿该方向填充连续的NaN。

limit_area ： {None, ‘inside’, ‘outside’}, 默认为None，如果指定了限制，则连续的NaN将填充此限制。None：无填充限制。‘inside’：仅填充有效值（interpolate）包围的NaN。‘outside’: 仅在有效值之外（extrapolate）填充NaN。0.23.0版中的新功能。

downcast ： 可选， ‘infer’ 或None，默认为None，如果可能，请向下转换dtype。

**kwargs，关键字参数传递给插值函数。

1.填充NaN在Series通过线性内插

s = pd.Series([0, 1, np.nan, 3])
s.interpolate()

总结：本次案例利用了两个函数：分别是fillna()、interpolate(),根据不同函数性质，对数据进行处理。