你可以使用以下方法和fillna()来替换 pandas DataFrame 中特定列的 NaN 值：
方法1：在一个特定列中使用fillna()
df['col1'] = df['col1'].fillna(0)
方法2：在多个特定列中使用fillna()
df[['col1', 'col2']] = df[['col1', 'col2']].fillna(0)
本教程解释了如何在以下pandas DataFrame中使用这个函数：
import numpy as np
import pandas as pd
#create DataFrame with some NaN values
df = pd.DataFrame({'rating': [np.nan, 85, np.nan, 88, 94, 90, 76, 75, 87, 86],
'points': [25, np.nan, 14, 16, 27, 20, 12, 15, 14, 19],
'assists': [5, 7, 7, np.nan, 5, 7, 6, 9, 9, 5],
'rebounds': [11, 8, 10, 6, 6, 9, 6, 10, 10, 7]})
#view DataFrame
df
rating points assists rebounds
0 NaN 25.0 5.0 11
1 85.0 NaN 7.0 8
2 NaN 14.0 7.0 10
3 88.0 16.0 NaN 6
4 94.0 27.0 5.0 6
5 90.0 20.0 7.0 9
6 76.0 12.0 6.0 6
7 75.0 15.0 9.0 10
8 87.0 14.0 9.0 10
9 86.0 19.0 5.0 7
例子1：在一个特定列中使用 fillna()
下面的代码显示了如何使用 **fillna()**将 "评级 "列中的 NaN 值替换为零
#replace NaNs with zeros in 'rating' column
df['rating'] = df['rating'].fillna(0)
#view DataFrame
df
rating points assists rebounds
0 0.0 25.0 5.0 11
1 85.0 NaN 7.0 8
2 0.0 14.0 7.0 10
3 88.0 16.0 NaN 6
4 94.0 27.0 5.0 6
5 90.0 20.0 7.0 9
6 76.0 12.0 6.0 6
7 75.0 15.0 9.0 10
8 87.0 14.0 9.0 10
9 86.0 19.0 5.0 7
请注意，NaN值只在 "评级 "列中被替换，其他每一列都没有动过。
例2：使用fillna() 有几个特定列
下面的代码显示了如何使用**fillna()**将 "评级 "和 "积分 "两列中的NaN值替换为零：
#replace NaNs with zeros in 'rating' and 'points' columns
df[['rating', 'points']] = df[['rating', 'points']].fillna(0)
#view DataFrame
df
rating points assists rebounds
0 0.0 25.0 5.0 11
1 85.0 0.0 7.0 8
2 0.0 14.0 7.0 10
3 88.0 16.0 NaN 6
4 94.0 27.0 5.0 6
5 90.0 20.0 7.0 9
6 76.0 12.0 6.0 6
7 75.0 15.0 9.0 10
8 87.0 14.0 9.0 10
9 86.0 19.0 5.0 7
注意，NaN值在 "评级 "和 "积分 "列中被替换了，但其他列仍未被触动。
注：你可以在这里找到pandas**fillna()**函数的完整文档。
其他资源
下面的教程解释了如何在pandas中执行其他常见操作：
