在处理收入数据的缺失值时，选择合适的填充方法十分重要，尤其是在数据分布不对称的情况下。对于你提到的情况——客户的收入差距较大且呈现非对称分布，以下是对每种填充方法的分析：

| 填充方式 | 描述 | 优缺点分析 |
|:--|:--|:--|
| **A: 均值** | 将所有数据的总和除以数据数量。 | **缺点**：在非对称分布中，均值容易受到极端值（非常高或非常低的收入）的影响，从而可能无法准确代表数据的中心趋势。 |
| **B: 中位数** | 将数据排序后，处于中间位置的数值。 | **优点**：中位数不受极端值影响，是非对称分布中更可靠的中心趋势指标。因此，使用中位数填充缺失值，可以在一定程度上避免极端值的干扰。 |
| **C: 众数** | 数据集中出现频率最高的数值。 | **缺点**：由于收入一般为连续型数据，众数可能不存在或不具有代表性。 |
| **D: 调和平均数** | 用于处理分数或比率数据的平均，计算公式为数据数量除以倒数的总和。 | **缺点**：对小值敏感，不适合用于收入数据的填充，尤其是在存在极端值时。 |

基于上述分析，在客户收入差距较大且呈非对称分布的情况下，**B: 中位数** 是最合适的填充方式。中位数能够有效代表数据的中心趋势，而不受极端值的影响，这对于非对称分布特别重要。