经常听别人说 Python 在数据领域有多厉害，结果学了很长时间，连数据处理都麻烦得要死。后来才发现，原来不是 Python 数据处理厉害，而是他有数据分析神器—— pandas
前言
Excel 的表格是以灵活为主，也因此造就各种数据灾难现场。今天来看看怎么填补有意义的空白单元格，并且对应的 pandas 方法。
带"坑"的表格
如下一份销售人员记录表：
- 你作为一名有素质的数据人员，第一时间就觉得这表格怪怪的，怎么有这么多萝卜坑？！
- 当你询问表格制作的同事，他却说，这挺好的，条理很分明，空格体现时尚简约！
好吧，幸好你已经长时间接受这种非人的锻炼，打开 Excel，定位 等号 批量写入，轻松解决：
- 内功心法：选区 -> 定位 -> 空值 -> 输入公式 -> 引用上方一个单元格 -> Ctrl Enter
你为了展示 Excel 功力，全程使用快捷键，一切尽在不知不觉中解决问题：
- 内功心法：选区 -> F5 -> Alt S -> Alt K -> 回车 -> 引用上方一个单元格 -> Ctrl Enter
啪！！！！白日梦做完了，你的同事一言不合给你扔了 n 个同样"时尚简约"的表格。那不是要手残了？！
幸好，你想起来昨晚看到这一篇文章刚好说到是如何用 pandas 解决
pandas 中的填"坑"
对于 pandas 来说，Excel 中的这些空单元格，加载后全是 nan：
- 这么看来一点都不时尚了
要填补这些眼花缭乱的 nan，只需要一个方法：
- 行2：表格.fillna() 填"坑"操作，但是怎么填是有讲究的，参数 method 就是告诉他怎么填
- method 参数有很多可选值：{'backfill', 'bfill', 'pad', 'ffill', None}
- 用 ffill 相当于之前的 Excel 操作，获取前面的值(相当于 Excel 操作中，输入等号后，引用公式上方的单元格地址)
但是，调用一个方法还要写上这么多字母，手残党怎么办？pandas 不会让你失望：
别小看 pandas 这么一个小方法，他可以做几乎应对所有填"坑"的场景，比如，直接填个值，大声告诉所有人，"我是空白，我骄傲！"：
当然，与普通的表格方法差不多，能通过 axis 参数控制填充方向：
- 呃，虽然出来的结果不知所云，如果你把手机横过来看(行列互换)，说不定能看懂
你会说，填坑到底为了啥？
其实很多时候这些坑来源于合并单元格，比如原来的表格是这样子：
- 你要统计每个人的总销量
看完这文章，你不就非常容易搞定事情了吗：
