這是一個關於 pandas 從基礎到進階的練習題系列，來源於 github 上的 guipsamora/pandas_exercises 。這個專案從基礎到進階，可以檢驗你有多麼瞭解 pandas。
我會挑選一些題目，並且
提供比原題庫更多的解決方法以及更詳盡的解析
。
計劃每天更新一期，希望各位小夥伴先自行思考，再檢視答案。如果對你有幫助，記得轉發推薦給你的好友！
上期文章：
pandas每天一題-題目16：條件賦值的多種方式
更多 pandas 高階應用教程，請訂閱我的 pandas 專欄：
後臺回覆"資料"，可以下載本題資料集
如下資料：
import pandas as pdimport numpy as npdf = pd。read_csv（‘chipotle。tsv’， sep=‘\t’， converters={‘item_price’： lambda x： float（x［1：-1］）}）
資料描述：
此資料是訂單明細表。一個訂單會包含很多明細項，表中每個樣本（每一行）表示一個明細項
order_id 列存在重複
item_name 是明細項物品名稱
quantity 是明細項數量
item_price 是該明細項的總價錢
choice_description 是每一項更詳盡的描述
例如： 某個單子中，客人要 1瓶可樂 和 1瓶雪碧 ，那麼這個訂單的 order_id 為:'xx'，有2個行記錄(樣本)，2行的item_name 都是 "Canned Soda"(蘇打水，視為罐裝飲料) ，quantity 都是1。
第一行的 choice_description 是 "Diet Coke"(可樂) ，第二行是 "Sprite"(雪碧)
前面章節講解過的知識點，本文不再講解！
需求：對資料中的缺失值做合適處理
下面是答案了
哪些列有缺失？
之前的文章已經有講解過：
df。apply（ lambda col： col。isna（）。sum（）， axis=0）
只有 choice_description 列有缺失
不同的填充方式
最簡單的方式，把 nan 都填充一個固定的值：
df［‘choice_description’］。fillna（‘無’）
顯然，這只是返回填充後的列，因此我們把新值賦值回去：
df［‘choice_description’］ = df［‘choice_description’］。fillna（‘無’）df
除此之外，還可以使用空值上一行或下一行的值來填充：
df = pd。read_csv（‘chipotle。tsv’， sep=‘\t’， converters={‘item_price’： lambda x： float（x［1：-1］）}）df［‘choice_description’］。fillna（method=‘ffill’）
行4：引數 method 可以是 ‘ffill’ 前向參考，‘bfill’ 後向參考。
這裡使用前向參考，因此第一行記錄前面沒有記錄可參考，無法填充。第4行記錄使用第3行的值填充
顯然，直接前向或後向填充，通常沒有意義。
篇幅關係，我把分組填充缺失值放到下一節
推薦閱讀：
懂Excel就能輕鬆入門Python資料分析包pandas（五）：重複值處理
20行程式碼教會Python分析商品評價
Python動態互動系列（01），不用改程式碼，點點按鈕就可以完成
Python玩資料入門必備系列（7）：最會匹配的集合，字典
