我试图在数据帧中的4个特定列（字符串/对象类型）上用“”填充NAs。我可以将这些列指定给一个新变量，如I fillna（），但当I fillna（）插入时，基础数据不会改变
a_n6=a_n6[[“最后一次验证”、“第一次验证”、“中间验证”、“规范NM”]。fillna（“”）
a_n6
给我：
<；类“pandas.core.frame.DataFrame”>；
INT64索引：1542个条目，0到3611
数据列（共4列）：
PROV LAST 1542非空值
PROV FIRST 1542非空值
PROV MID 1542非空值
规格NM 1542非空值
数据类型：对象（4）
但是
a_n6[[“最后一次验证”、“第一次验证”、“中间验证”、“规范NM”]。fillna（“，inplace=True）
a_n6
给我：
<；类“pandas.core.frame.DataFrame”>；
INT64索引：1542个条目，0到3611
数据列（共7列）：
NPI 1103非空值
引脚1542非空值
PROV FIRST 1541非空值
PROV LAST 1542非空值
PROV MID 1316非空值
规格NM 1541非空值
标志439非空值
数据类型：float64（2）、int64（1）、object（4）
这只是一排，但仍然令人沮丧。我做错了什么
使用dict作为fillna（）
正如@rhkarls对@Jeff答案的评论中所提到的，使用索引到列列表的.loc将不支持in place操作，我也感到沮丧。这里有一个解决办法
例如：
将熊猫作为pd导入
将numpy作为np导入
df=pd.DataFrame（{'a'：[1,2,3,4，np.nan]，
"b":[6,7,8,np.nan,np.nan],，
'x'：[11,12,13，np.nan，np.nan]，
‘y’：[16，np.nan，np.nan，19，np.nan]}）
打印（df）
#a b x y
#0 1.0 6.0 11.0 16.0
#1 2.0 7.0 12.0 NaN
#2 3.0 8.0 13.0 NaN
#3 4.0楠楠19.0
#4楠楠楠楠
假设我们只想为x和y填写a和b
我希望使用.loc能起作用（如在作业中），但事实并非如此，如前所述：
#不起作用
df.loc[：，['x'，'y']].fillna（0，inplace=True）
打印（df）#未更改
但是，文档中指出，fillna（）的value参数可以是：
或者是一个dict/Series/DataFrame值，指定每个索引（对于系列）或列（对于数据帧）使用哪个值。（不在dict/Series/DataFrame中的值将不被填充）
事实证明，使用价值观的dict是可行的：
#有效
df.fillna（{'x'：0，'y'：0}，inplace=True）
打印（df）
#a b x y
#0 1.0 6.0 11.0 16.0
#1 2.0 7.0 12.0 0.0
#2 3.0 8.0 13.0 0.0
#3 4.0 NaN 0.0 19.0
#4楠楠0.0 0.0
此外，如果子集中有很多列，则可以使用dict理解，如：
df.fillna（{x:0表示['x'，'y']}中的x，inplace=True）#