返回一个新的 DataFrame，其中空值用新值填充。
DataFrame.fillna 是 DataFrameNaFunctions.fill 彼此的别名。
Syntax
fillna(value: Union["LiteralType", Dict[str, "LiteralType"]], subset: Optional[Union[str, Tuple[str, ...], List[str]]] = None)
参数
| 参数 | 类型 | 说明 |
|---|---|---|
value |
int、float、string、bool 或 dict | 要替换为 null 值的值。 如果值为听写，则 subset 将被忽略，并且 value 必须是从列名（字符串）到替换值的映射。 替换值必须是 int、float、boolean 或字符串。 |
subset |
str、元组或列表，可选 | 要考虑的列名的可选列表。 忽略子集中指定的不具有匹配数据类型的列。 |
退货
DataFrame：DataFrame 替换为替换的 null 值。
示例
df = spark.createDataFrame([
(10, 80.5, "Alice", None),
(5, None, "Bob", None),
(None, None, "Tom", None),
(None, None, None, True)],
schema=["age", "height", "name", "bool"])
df.na.fill(50).show()
# +---+------+-----+----+
# |age|height| name|bool|
# +---+------+-----+----+
# | 10| 80.5|Alice|NULL|
# | 5| 50.0| Bob|NULL|
# | 50| 50.0| Tom|NULL|
# | 50| 50.0| NULL|true|
# +---+------+-----+----+
df.na.fill(False).show()
# +----+------+-----+-----+
# | age|height| name| bool|
# +----+------+-----+-----+
# | 10| 80.5|Alice|false|
# | 5| NULL| Bob|false|
# |NULL| NULL| Tom|false|
# |NULL| NULL| NULL| true|
# +----+------+-----+-----+
df.na.fill({'age': 50, 'name': 'unknown'}).show()
# +---+------+-------+----+
# |age|height| name|bool|
# +---+------+-------+----+
# | 10| 80.5| Alice|NULL|
# | 5| NULL| Bob|NULL|
# | 50| NULL| Tom|NULL|
# | 50| NULL|unknown|true|
# +---+------+-------+----+