只需要调用系列的第一个元素：

data['Native Country'].fillna(data['Native Country'].mode()[0], inplace=True)

或者你可以用assignment做同样的事情：

data['Native Country'] = data['Native Country'].fillna(data['Native Country'].mode()[0])

请注意，NaN可能是您的 Dataframe 的模式：在本例中，您将用另一个NaN替换NaN。

import numpy as np

import pandas as pd

print(pd.__version__)

1.2.0

df = pd.DataFrame({'Country': [np.nan, 'France', np.nan, 'Spain', 'France'], 'Purchased': [np.nan,'Yes', 'Yes', 'No', np.nan]})

df.fillna(df.mode())  ## only applied on first row because df.mode() returns a dataframe with one row

df = pd.DataFrame({'Country': [np.nan, 'France', np.nan, 'Spain', 'France'], 'Purchased': [np.nan,'Yes', 'Yes', 'No', np.nan]})

df.fillna(df.mode().iloc[0]) ## convert df to a series

如果我们用fillna(df['colX'].mode())填充缺失值，因为mode()的结果是一个Series，它只会填充匹配索引的前几行。至少如果按照下面的方式完成：

fill_mode = lambda col: col.fillna(col.mode())
df.apply(fill_mode, axis=0)

然而，通过简单地取序列fillna(df['colX'].mode()[0])的第一个值，我认为我们有可能在数据中引入意外的偏差。如果样本是多模态的，只取第一个模态值会使已经有偏差的插补方法变得更糟。例如，只取0，如果我们有[0, 21, 99]作为同样最频繁的值。或者当True和False值在给定列中出现的频率相等时，使用False填充缺失值。
我在这里没有一个明确的解决方案。如果使用模式是必要的，从所有局部最大值中分配一个随机值可能是一种方法。

你可以得到数字'模式'或任何其他策略
1.对于模式：

num = data['Native Country'].mode()[0]
    data['Native Country'].fillna(num, inplace=True)

1.平均值、中位数：

num = data['Native Country'].mean() #or median(); No need of [0] because it returns a float value.
    data['Native Country'].fillna(num, inplace=True)

或者像这样的一行

data['Native Country'].fillna(data['Native Country'].mode()[0], inplace=True)

对于那些来到这里（就像我一样）在多列中填充NA，按多列分组并且遇到模式不返回任何内容的问题的人，其中组中只有NA值：

df[['col_to_fill_NA_1','col_to_fill_NA_2']] = df.groupby(['col_to_group_by_1', 'col_to_group_by_2'], dropna=False)[['col_to_fill_NA_1','col_to_fill_NA_2']].transform(lambda x: x.fillna(x.mode()[0]) if len(x.mode()) == 1 else x)

你可以填充任意数量的“col_to_fill_NA”，并通过任意数量的“col_to_group_by”进行分组。if语句返回mode，如果mode存在，并返回组的NA，其中只有NA。

因此，我注意到df.mean()返回pd.Series，而df.mode在混合类型（在我的例子中是数字和分类）的数据集上调用时返回pd.DataFrame，其列与df相同，第0行给出了模式。这是预期的，因为Series的类型必须是唯一的，但仍然会导致df.fillna(df.mode())在df.fillna(df.mean())工作时失败。
下面是一个简单的代码来解决这种情况下的问题：

df.fillna({k: v[0] for k, v in df.mode().to_dict().items()})

另一个问题仍然是第一个值v[0]是在可能的模式列表中选择的，如this answer所指出的，但是这仍然可以通过将另一个聚合函数应用于v来改进。

尝试以下内容：fill_mode = lambda col: col.fillna(col.mode())，对于函数：new_df = df.apply(fill_mode, axis=0)