如果满足条件，则填充数据帧中的列

import pandas as pd

# 创建一个包含缺失值的数据帧
df = pd.DataFrame({'A': [1, 2, None, 4, 5],
                   'B': [None, 2, 3, None, 5],
                   'C': [1, 2, 3, 4, None]})

# 使用均值填充缺失值
df_filled = df.fillna(df.mean())

# 使用中位数填充缺失值
df_filled = df.fillna(df.median())

# 使用众数填充缺失值
df_filled = df.fillna(df.mode().iloc[0])

# 使用插值方法填充缺失值
df_filled = df.interpolate()

# 使用前向填充或后向填充
df_filled = df.ffill()  # 前向填充
df_filled = df.bfill()  # 后向填充

# 使用模型预测填充缺失值
from sklearn.linear_model import LinearRegression

# 创建一个线性回归模型
model = LinearRegression()

# 提取含有缺失值的行作为测试集
test_data = df[df.isnull().any(axis=1)]

# 提取没有缺失值的行作为训练集
train_data = df.dropna()

# 训练模型
model.fit(train_data[['A', 'C']], train_data['B'])

# 预测缺失值
predicted_values = model.predict(test_data[['A', 'C']])

# 填充缺失值
df_filled = df.copy()
df_filled.loc[df.isnull().any(axis=1), 'B'] = predicted_values