结论：优先用dropna而非fillna，当缺失值本身是有效信号（如设备离线）、填充会扭曲计算逻辑（如t检验）或导致分布失真（如高缺失率分类变量）时必须dropna。
直接说结论：用 dropna 还是 fillna，不看“缺不缺”，而看“缺的值在业务里有没有意义”——比如用户注册时间为空，删掉可能丢转化漏斗；但传感器某次读数为空，填均值反而污染趋势。
什么时候必须用 dropna 而不是填一个数
核心判断点：缺失本身是有效信号，或填充会扭曲后续计算逻辑。
- 做时间序列建模时，
fillna用前向填充（method="ffill"）可能让模型误以为“数据一直没变”，但实际是设备离线——这时宁可删整行，保留“断连”的真实节奏 - 分类变量（如
"gender"）缺失率达 40%，填"unknown"会让类别分布失真；而dropna后若剩余样本仍满足最小支持度，就该删 - 调用
scipy.stats.ttest_ind等统计函数前，它们内部不自动处理NaN，强制填 0 或均值会导致 p 值失效——必须先dropna，否则报错ValueError: Input contains NaN
fillna 填什么，取决于列类型和下游任务
填错值比留空更危险。数值型、分类型、时间型，策略完全不同。
macOS UI 自动化技能包 —— 用 Python 控制你的 Mac
下载
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
- 数值列（如
"price"）：- 预测任务：用中位数（
df["price"].median()），比均值抗异常值干扰 - 回归任务：用随机森林拟合其他特征来预测缺失值（
sklearn.ensemble.RandomForestRegressor），但注意别造成数据穿越
- 预测任务：用中位数（
- 分类型（如
"category"）：- 不能填
0或"missing"就完事——如果后续要做pd.get_dummies，得提前确认"missing"是否在训练集出现过，否则测试时报KeyError - 更稳的做法是单独加一列
is_category_missing（布尔型），再对原列用众数填充
- 不能填
- 时间列（如
"order_time"）：- 填
pd.NaT是安全的，但某些数据库写入时会转成1970-01-01；如果下游是 ClickHouse，得填"1970-01-01 00:00:00"字符串才兼容
- 填
inplace=True 在 dropna 和 fillna 里到底要不要用
绝大多数情况——别用。它看似省内存，实则埋坑。
立即学习“Python免费学习笔记（深入）”；
- 函数链式调用时失效：
df.dropna().fillna(0)中inplace=True会让第一句返回None，第二句直接报AttributeError: 'NoneType' object has no attribute 'fillna' - Jupyter 里调试时，如果某步用了
inplace=True，再想回退只能重启 kernel，因为原df已被改写 - 唯一可考虑的场景：处理超大 DataFrame（>5GB），且确定后续不再需要原始缺失状态——但更推荐用
dask或polars替代 pandas
真正麻烦的从来不是“怎么填”，而是填完之后没人再检查分布偏移。比如填完中位数，df["age"].describe() 看似正常，但画个直方图会发现 35 岁堆成尖峰——那说明缺失集中在某个用户群，得回头查采集逻辑。
