您可以创建将ID值Map到填充值的字典：

fill_dict = df.groupby('ID')['Col'].last().to_dict()

然后使用字典将NaN值替换为fill值：

df['Col'] = df['Col'].fillna(df['ID'].map(fill_dict))

您的问题比较含糊，因为有几种方法可以根据您的示例生成所需的输出。
假设您正在查找每个ID的“多数值”，并且NaN是要删除的实际float('NaN')，而不仅仅是字符串'NaN'，那么下面的语句将非常有效：

def majority(s):
    return s.mode()[0]

newdf = df.assign(Col=df.groupby('ID')['Col'].transform(majority))

>>> newdf
   ID  Col
0   1  One
1   2  Two
2   1  One
3   2  Two
4   1  One
5   2  Two

注意：要确保'NaN'是nan而不是字符串，请先执行以下操作：

df = df.assign(Col=df['Col'].replace({'NaN': float('Nan')}))

不清楚您真正想要的是什么，以及是否只是转换和替换，还是需要groupby。假设您指的是列的字符串，并且您只想要替换，则需要一种将1转换为'One'的方法（最好使用字典），然后将其应用于每行。您可以用途：

import pandas as pd

df=pd.DataFrame({
    'ID':[1,2,1,2,1,2],
    'Col':['One','NaN','NaN','Two','NaN','NaN']
})

def func(row):
    d= {0: 'zero', 1:'One', 2:'Two'}
    if row['Col'] == 'NaN':
        val = d[row['ID']]
    else:
        val = row['Col']
    return val
 
df['Col'] = df.apply(func, axis = 1)

print(df)

其给出：

ID  Col
0   1  One
1   2  Two
2   1  One
3   2  Two
4   1  One
5   2  Two