提示：这里简述项目相关背景：
在对不同类型的缺失值分别填充时，可能需要不同的填充方式，例如对于连续数值型的可能需要使用均值填充，对于非数值型的数据也许使用众数填充更合适。
问题描述
提示：这里描述项目中遇到的问题：
在进行众数填充时，按照教程书写时遇到了的问题，无论如何也填充不进去。
先看原代码：
#数值型数据使用均值填充 train[numerical_fea] = train[numerical_fea].fillna(train[numerical_fea].median()) #非数值型数据使用众数填充 train[category_fea] = train[category_fea].fillna(train_data[category_fea].mode())
原因分析：
分析数据类型
这里输出一下数据类型看看:
发现前者median()的输出是series类型，而后者mode()的输出是dataframe类型，也许这是造成无法直接加入的元凶。
print(type(train[numerical_fea].median())) print(type(train[category_fea].mode()))
解决方案：
将dataframe转化成series
可以先将dataframe打印出来，看看众数是否都只有一个，在本项目中是的，只需要取出df中的第一行就能得到series了。
train[category_fea] = train[category_fea].fillna(train[category_fea].mode().iloc[0,:])
之前更多教程的写法也无法奏效，贴在这里：
很多人的教程这样写，不确定是什么原因，但是我的执行时会出现错误。
train[category_fea] = train[category_fea].fillna(train[category_fea].mode()[0])
同时，直接添加数值的时候，可能需要使用inplace参数，如下：
我是没有遇到这种情况啦——
train[numerical_fea] = train[numerical_fea].fillna(0，inplace = True)
