Pandas无法识别数值型缺失值，HDI for year列空值填充失败排查

• 问题1：is_numeric_dtype 入参使用错误
  is_numeric_dtype 仅支持判断单个数组/Series的类型，传入整个DataFrame会直接返回False，因此你写的数值型缺失值判断的外层if条件永远不会触发，自然没有执行结果。
• 问题2：缺失值判断逻辑错误
  df.isnull().any() 返回的是每列是否存在缺失值的布尔Series，不是单个布尔值，和is True做比对永远返回False，就算进入外层if也不会执行填充逻辑。
• 问题3：语法与逻辑错误
  np.mean(df.column) 写法错误，pandas没有df.column这种取所有列均值的用法，运行会直接抛出属性不存在的报错。
• 额外问题：名义型填充逻辑bug
  你当前名义型缺失值填充的代码里，把df[i].value_counts().index[0]写成了字符串，实际运行会把'?'替换成这串文本，而不是列的真实众数。

数值型缺失值均值填充 #

# 遍历所有列，对数值型列做缺失值均值填充
for col in df.columns:
    if is_numeric_dtype(df[col]):
        if df[col].isnull().any():
            col_mean = df[col].mean()
            print(f"mean-{col} = {col_mean}")
            df[col] = df[col].fillna(col_mean)

名义型缺失值众数填充 #

# 对字符型列做缺失值（含?）众数填充
for col in df.columns:
    if df[col].dtype == object:
        print(col, df[col].unique())
        # 计算众数
        col_mode = df[col].value_counts().index[0]
        print(f"mode-{col} = {col_mode}")
        # 替换?和空值为众数
        df[col] = df[col].replace('?', col_mode)
        df[col] = df[col].fillna(col_mode)

运行后你可以用df.isnull().any()验证填充结果，HDI for year列的缺失值会被计算出的均值0.7766左右填充。

内容的提问来源于stack exchange，提问作者melololo