将类别型数据中的缺失值填补为“未知”，将数值型缺失值填补为其对应特生的均值

可以使用 Pandas 库中的 fillna() 方法来实现这个需求。具体代码如下：

import pandas as pd

df = pd.read_csv('data.csv')

# 将类别型数据中的缺失值填补为“未知”
df.fillna('未知', inplace=True)

# 将数值型缺失值填补为其对应特征的均值
num_cols = df.select_dtypes(include=['float', 'int']).columns.tolist()  # 获取数值型特征的列名
for col in num_cols:
    mean_val = df[col].mean()  # 计算均值
    df[col].fillna(mean_val, inplace=True)  # 填补缺失值

其中，`select_dtypes()` 方法可以选择指定数据类型的特征，这里选择了 float 和 int 类型的特征。然后，对于每个数值型特征，使用 `mean()` 方法计算平均值，并使用 `fillna()` 方法填补缺失值。