Los datos que faltan y los datos duplicados son problemas distintos. Un importe que falta puede significar que un pago todavía no ha llegado. Un id de cliente repetido puede ser válido porque un cliente hizo varios pedidos. Decide qué campos definen un duplicado antes de llamar a dropDuplicates.
na.fill sustituye los valores que faltan en los campos seleccionados. Un diccionario deja explícito el alcance, por ejemplo sustituir por cero solo los importes que faltan. na.drop(subset=...) elimina las filas a las que les falta uno de los campos obligatorios y deja las demás columnas como están. Ninguno de los dos métodos repara una clave externa no válida. distinct compara todas las columnas seleccionadas; dropDuplicates puede usar una clave más pequeña. Cuando varias filas comparten esa clave pero tienen atributos distintos, una fila superviviente sin especificar no es una regla de negocio. Una lección posterior sobre ventanas te da una forma determinista de elegir la más reciente.
Aplica el cero predeterminado a los importes que faltan en lugar de dejarlos en NULL.