在Python中，可以使用pandas库来处理缺失值。下面是一个示例代码，演示了如何在保留缺失数值的情况下进行缺失值的填充：

import pandas as pd

# 创建一个包含缺失值的DataFrame
data = {'A': [1, 2, None, 4, 5],
        'B': [6, None, 8, 9, 10],
        'C': [11, 12, 13, None, 15]}
df = pd.DataFrame(data)

# 打印原始DataFrame
print("原始DataFrame:")
print(df)

# 使用fillna方法填充缺失值
filled_df = df.fillna(method='ffill')

# 打印填充后的DataFrame
print("\n填充后的DataFrame:")
print(filled_df)

输出：

原始DataFrame:
     A     B     C
0  1.0   6.0  11.0
1  2.0   NaN  12.0
2  NaN   8.0  13.0
3  4.0   9.0   NaN
4  5.0  10.0  15.0

填充后的DataFrame:
     A     B     C
0  1.0   6.0  11.0
1  2.0   6.0  12.0
2  2.0   8.0  13.0
3  4.0   9.0  13.0
4  5.0  10.0  15.0

在示例中，我们使用fillna方法来填充缺失值。method='ffill'表示使用前向填充的方式，即用前一个非缺失值进行填充。这样可以在保留原始缺失值的情况下，将缺失值用前一个非缺失值填充。