用引用填充数据表中的缺失值

下面是一个用引用填充数据表中缺失值的示例代码：

import pandas as pd

# 创建含有缺失值的数据表
data = {'A': [1, 2, None, 4, None], 'B': [5, None, None, 8, 9]}
df = pd.DataFrame(data)

# 使用前向引用填充缺失值
df_filled_forward = df.fillna(method='ffill')
print("使用前向引用填充缺失值的结果：")
print(df_filled_forward)

# 使用后向引用填充缺失值
df_filled_backward = df.fillna(method='bfill')
print("使用后向引用填充缺失值的结果：")
print(df_filled_backward)

输出结果：

使用前向引用填充缺失值的结果：
     A    B
0  1.0  5.0
1  2.0  5.0
2  2.0  5.0
3  4.0  8.0
4  4.0  9.0
使用后向引用填充缺失值的结果：
     A    B
0  1.0  5.0
1  2.0  8.0
2  4.0  8.0
3  4.0  8.0
4  NaN  9.0

在上面的代码中，我们首先创建了一个含有缺失值的数据表。然后使用fillna()函数来填充缺失值。method='ffill'表示使用前向引用填充缺失值，即用前一个非缺失值来填充缺失值。method='bfill'表示使用后向引用填充缺失值，即用后一个非缺失值来填充缺失值。最后打印填充后的数据表。