大家好，我是皮皮。
一、前言
前几天在Python最强王者交流群【Chloe】问了一道Pandas处理的问题，如下图所示。
原始数据如下：
代码语言：javascript复制df = pd.DataFrame({
'ord_no':[70001,np.nan,70002,70004,np.nan,70005,np.nan,70010,70003,70012,np.nan,70013],
'purch_amt':[150.5,np.nan,65.26,110.5,948.5,np.nan,5760,1983.43,np.nan,250.45, 75.29,3045.6],
'sale_amt':[10.5,20.65,np.nan,11.5,98.5,np.nan,57,19.43,np.nan,25.45, 75.29,35.6],
'ord_date': ['2012-10-05','2012-09-10',np.nan,'2012-08-17','2012-09-10','2012-07-27','2012-09-10','2012-10-10','2012-10-10','2012-06-27','2012-08-17','2012-04-25'],
'customer_id':[3002,3001,3001,3003,3002,3001,3001,3004,3003,3002,3001,3001],
'salesman_id':[5002,5003,5001,np.nan,5002,5001,5001,np.nan,5003,5002,5003,np.nan]})
df
预期的结果如下图所示：使用代码
代码语言：javascript复制df.fillna(df.mode())
得到的结果如下图所示：
有些地方还是nan值。
二、实现过程
方法一
这里【月神】给出一个可行的代码，大家后面遇到了，可以对应的修改下，事半功倍，代码如下所示：
代码语言：javascript复制df.apply(lambda x: x.fillna(x.mode().iloc[0]))
运行之后，结果就是想要的了。
方法二
这里【月神】还补充了一份代码，如下所示：
代码语言：javascript复制df.fillna(df.mode().head(1).to_dict('records')[0])
运行之后，也可以完成填充。
方法三
后来【瑜亮老师】也给了一份代码。代码如下所示：
代码语言：javascript复制df.fillna(df.mode().iloc[0], axis=0)
运行之后，结果就是想要的了。
完美的解决了粉丝的问题！
三、总结
大家好，我是皮皮。这篇文章主要盘点了一道使用Pandas处理数据的问题，文中针对该问题给出了具体的解析和代码实现，一共三个方法，帮助粉丝顺利解决了问题。
最后感谢粉丝【Chloe】提问，感谢【月神】、【瑜亮老师】给出的思路和代码解析，感谢【dcpeng】、【冯诚】、【冷喵】、【D I Y】等人参与学习交流。
