使用pandas fillna()遇问题：按类别取众数填充缺失值无效

你的代码主要有两个问题导致缺失值没被填充，咱们一个个拆解：

1. 变量名拼写错误（最核心原因） #

你循环里写了new_df= not_bonds.loc[mf["category"] == cat]，这里的mf完全没定义啊！你的目标DataFrame名字是not_bonds，所以这里应该改成not_bonds["category"] == cat。这个错误会导致new_df是空的DataFrame，mode().tolist()得到的是空列表，自然不会进入填充逻辑分支，缺失值当然没变化。

2. 链式索引可能引发的视图/副本问题 #

即使变量名改对了，你用的not_bonds.loc[not_bonds['category'] == cat, 'fund_size'].fillna(..., inplace=True)属于链式索引（先通过loc取行，再单独取列），Pandas有时候会返回数据副本而非原数据的视图，这时inplace=True只会修改副本，不会影响原DataFrame。虽然你手动执行时有效，但循环上下文可能触发这个隐藏问题。

修正后的循环代码 #

把两个问题都解决后的代码如下：

for cat in not_bonds['category'].unique():
    # 修正变量名错误，用not_bonds替代未定义的mf
    cat_mask = not_bonds['category'] == cat
    cat_fund_sizes = not_bonds.loc[cat_mask, 'fund_size']
    mode_vals = cat_fund_sizes.mode().tolist()
    
    if mode_vals:  # 直接判断列表是否非空，写法更简洁
        # 避免链式索引，直接用loc赋值填充后的结果
        not_bonds.loc[cat_mask, 'fund_size'] = cat_fund_sizes.fillna(mode_vals[0])

更高效的Pandas原生写法（推荐） #

其实不用手动写循环，Pandas有更简洁的分组填充方案，利用groupby+transform就能实现：

# 定义一个返回系列众数（取第一个众数）的填充函数
def fill_mode(series):
    mode_val = series.mode().tolist()
    return series.fillna(mode_val[0] if mode_val else series)

# 按category分组，对fund_size应用填充逻辑
not_bonds['fund_size'] = not_bonds.groupby('category')['fund_size'].transform(fill_mode)

这种写法不仅避免了循环的繁琐，还能利用Pandas的内置优化，运行效率更高，也不容易出错。

内容的提问来源于stack exchange，提问作者Satinder Pal Singh