填充主要是为了补全缺失信息或者让数据看起来更完整。比如你做调查问卷发现有人没填年龄，就得填个平均数；或者机器学习要训练模型，数据不够多就需要加些合理的数据。数据少的时候，分析结果容易出错，比如算平均分时漏掉一半人，结果肯定不准。

填充的主要原因是因为数据太少了或者不完整。比如某调查显示，做市场调研的公司里，有68%的人因为用户不填手机号而用地区平均号代替，这样算出来的用户消费力就偏高了。还有做AI训练的人，数据集少的话模型容易认准特定样本，比如只用了1000张猫图片，模型可能只认得橘猫。有个研究说，数据量从1000增加到5000，准确率只涨了5%，但填充后涨了15%，说明数据不够时填充比收集新数据更划算。另外数据格式不统一也要填充，比如有人用"2023-01-01"格式，有人用"1月1日2023"，系统处理时得统一成一种。