Python 立即替换类别列和数字列中缺少的值

是否有一种方法可以同时替换分类列和数字列中的NAN值

一个非常简单的例子：

data = {'col_1': [3, np.nan, 1, 2], 'col_2': ['a', 'a', np.nan, 'd']}
df = pd.DataFrame.from_dict(data)

数据帧：

    col_1   col_2
0   3.0     a
1   NaN     a
2   1.0    NaN
3   0.0     d

目标：

将

列1

的NAN替换为

列1

的

平均值
，将
列2
的NAN替换为
列2
的
模式（'a'）

现在，我必须为每一列单独替换它。如果所有列都是数字或分类的，那么就很容易了，因为该操作可以应用于整个数据帧，但我找不到一种方法来对混合数据帧执行一行操作
 
mean
仅适用于数字类型，因此先填充该类型，然后用mode填充其余部分

df.fillna(df.mean()).fillna(df.mode().iloc[0])

#   col_1 col_2
#0    3.0     a
#1    2.0     a
#2    1.0     a
#3    2.0     d

如果您有领带，则模式将是首先排序的模式
 我要做什么

df.fillna(df.agg(['mean',lambda x : x.value_counts().index[0]]).ffill().iloc[-1,:])
   col_1 col_2
0    3.0     a
1    2.0     a
2    1.0     a
3    2.0     d

是
col2
只是
object
还是
category
dtype？@ALollz在我的实际数据集中，它的
category
dtype。我尝试了另一个不同的数据集，其中分类列有一个type对象，而它对具有type对象的分类列不起作用。你知道为什么会这样吗？现在，我已经将对象类型更改为category，然后它就可以工作了。我再次尝试重新创建该问题，现在它甚至可以与dtype对象一起工作。我之前可能把笔记本里的东西弄乱了。