我有一个大的数据框架（df），分为数值数据（num_data）和分类数据（cat_data）。
当我填充缺失值，然后重新计算缺失值时，我得到相同的缺失值，即使我在填充时没有得到任何错误。
我就是这样分割数据的。

cat_data = df.select_dtypes(include='object')
num_data = df.select_dtypes(exclude='object')

这是所讨论的数据的一个样本

我正在使用它来评估缺失值

num_data.isna().sum().sort_values(ascending=False)

我用它来替换那些缺失的值

# 3a. Fill missing lot frontage values with mean value
df['LotFrontage']=df['LotFrontage' ].fillna(df['LotFrontage' ].mean() )
# 3a. Fill missing MasVnrArea with 0
df['MasVnrArea']=df['MasVnrArea'].fillna(0)

我运行这个程序时没有任何错误。
但是当我在填充这些值后再次计算缺失的变量时，我得到了这些变量相同数量的缺失值。我觉得我误解了这个过程的某些部分，我怀疑这与主df的更改和更新num_data中的信息有关。

编辑：
在@AlexandreDaly的一些建议之后，我似乎有一些空字符串，而不是缺少值。
当我查找值计数来确定丢失的字符串的来源时，我得到
enter image description here
奇怪的是，这个值70.049958出现了259次，因为这和我使用

num_data.isna().sum().sort_values(ascending=False)

那么，为什么这个值会注册为NAN呢？或者这只是巧合，而我要查找的真实的值在数据的其他地方？有人知道如何展开列表以显示所有111个唯一值吗？看起来这一列中的所有内容都是一个值，但我还不能看到所有内容。
DISCOVERY！我的LotFrontage变量是一个Int 64数据类型（整数），重复输入的一个值（70.04）是一个浮点数。
所以现在我的问题变成了，在pandas中更改特定列的数据类型的最佳方法是什么？或者这是我应该采取的方法吗？
谢谢你提前善良的互联网陌生人，这是我在StackOverflow上的第一个问题，所以任何建设性的建议都很感激。