Python 如何使用模式/平均值在pandas数据帧中填充整个缺失值？

我知道下面每一列分别填写的代码

data['Native Country'].fillna(data['Native Country'].mode(), inplace=True)

但我正在处理一个有50行的数据集，其中有20个分类值需要插补。 是否有用于输入整个数据集的单行代码？？？

使用并选择第一行，因为如果返回相同的最大发生率，则所有值：

data = pd.DataFrame({
        'A':list('abcdef'),
         'col1':[4,5,4,5,5,4],
         'col2':[np.nan,8,3,3,2,3],
         'col3':[3,3,5,5,np.nan,np.nan],
         'E':[5,3,6,9,2,4],
         'F':list('aaabbb')
})

cols = ['col1','col2','col3']

print (data[cols].mode())
   col1  col2  col3
0     4   3.0   3.0
1     5   NaN   5.0

data[cols] = data[cols].fillna(data[cols].mode().iloc[0])
    
print (data)
   A  col1  col2  col3  E  F
0  a     4   3.0   3.0  5  a
1  b     5   8.0   3.0  3  a
2  c     4   3.0   5.0  6  a
3  d     5   3.0   5.0  9  b
4  e     5   2.0   3.0  2  b
5  f     4   3.0   3.0  4  b

---

您能解释一下我们为什么使用iloc[0]？@AntonyJoy-如果选中打印（数据[cols].mode（））列

col1

和

col3

，有多种模式（因为这里3乘以4，5 in

col1

和2乘以4，5 in

col3

的最大计数数），只需替换为一个值，所以使用了第一个值。