介绍
本实验将引导你逐步学习如何使用 Pandas DataFrame 的 ffill() 方法。ffill() 方法全称为 "forward fill"（向前填充），它通过取空值之前的最后一个值来填充 DataFrame 中的缺失值。
虚拟机使用提示
虚拟机启动完成后，点击左上角切换到 Notebook 标签页，以访问 Jupyter Notebook 进行练习。
有时，你可能需要等待几秒钟，直到 Jupyter Notebook 完成加载。由于 Jupyter Notebook 的限制，操作验证无法自动化。
如果你在学习过程中遇到问题，随时可以向 Labby 寻求帮助。实验结束后请提供反馈，我们将及时为你解决问题。
导入必要的库
为了使用 ffill() 方法，你需要导入 pandas 库。你可以通过运行以下代码来实现：
import pandas as pd
创建包含缺失值的 DataFrame
接下来，你需要创建一个包含一些缺失值的 DataFrame。你可以通过运行以下代码来实现：
df = pd.DataFrame({"A": [2, None, 4], "B": [None, 4, np.nan], "C": [2, 0.25, np.nan], "D": [9, 4, None]})
使用 ffill() 方法填充缺失值
现在，你可以使用 ffill() 方法来填充 DataFrame 中的缺失值。只需运行以下代码即可实现：
df_filled = df.ffill()
指定 axis 参数
默认情况下，ffill() 方法会沿着索引轴（axis=0）填充缺失值。但你也可以通过指定 axis 参数来沿着列轴（axis=1）填充缺失值。只需运行以下代码即可实现：
df_filled = df.ffill(axis=1)
原地填充
默认情况下，ffill() 方法不会修改原始的 DataFrame。但你可以通过指定 inplace=True 参数来原地填充缺失值。只需运行以下代码即可实现：
df.ffill(axis=1, inplace=True)
指定 limit 参数
你还可以通过指定 limit 参数来限制向前填充的连续 NaN 值的数量。只需运行以下代码即可实现：
df_filled = df.ffill(axis=1, limit=2)
总结
在本实验中，你学习了如何使用 Pandas DataFrame 的 ffill() 方法来填充 DataFrame 中的缺失值。你学习了如何导入必要的库、创建包含缺失值的 DataFrame、沿不同轴填充缺失值、原地填充缺失值以及限制向前填充的连续 NaN 值的数量。这种方法在处理缺失数据和为分析预处理数据集时非常有用。