Как написать функции для DataFrame, которая будет заполнять пропуски в столбцах, при этом используя данные других столбцов? Python, pandas

Пытался написать функцию для обработки датасета (для последующего использования в машинном обучении).

В процессе подготовки данных столкнулся с тем, что по некоторым важным параметрам отсутствует большое количество данных (до 57%), эти столбцы конечно можно откинуть, но тогда точность предсказания модели упадет.

Поэтому пропуски лучше заполнить и использовать эти столбцы. Тут возникает следующая проблема: средним значением их заполнять нет смысла, т.к. это опять-таки ухудшит точность (интерполяция тоже не подойдет).

Поэтому решил написать функцию, которая на входе будет принимать список столбцов с пропусками, список вспомогательных столбцов и DataFrame, который необходимо избавить от пропусков в указанных столбцах.
Затем для каждой строки с пропуском функция будет собирать таблицу из отфильтрованных строк начального DataFrame, таким образом, чтоб значения каждой строки по вспомогательным столбцам совпадали со значениями в этих же столбцах в строке с пропуском.
Далее высчитывалось бы среднее значение в отфильтрованной таблице и вставлялось на место пропуска в начальный DataFrame.

Этот способ заполнил бы пропуски таким образом, что сохранилась бы зависимость между столбцами и точность модели не снизилась бы (теоретически).

Вот код функции, который я написал, правда он выдает ошибку, да и я что-то напутал в коде похоже:

def na_filler_num(cols_na_num, cols_help, train_all, train):
    for col in cols_na_num:
        help_table = train.copy()
        help_table = help_table[help_table[col] == help_table[col]] # таблица в которой нет пропусков в нужном столбце
        for row in range(0, len(train_all)-1):
            help_table_row = help_table.copy() # вспомогательная таблица, в которой будут отфильтровываться все строки с одинаковыми категориями в столбцах из cols_help, таблица обновляется для каждой строки
            if train_all[col].iloc()[row] != train_all[col].iloc()[row]: # проверяет-есть ли пропуск в строке по столбцу col
                for column in cols_help: # проходит по всем столбцам из cols_help и отбрасывает все строки с другими значениями из этих столбцов
                    help_table_row = help_table_row[help_table_row[column] == train_all[column].iloc()[row]].copy() # с каждым циклом отфильтровывает таблицу по одному столбцу из cols_help, в итоге после финального цикла,
                    # в таблице остаются только те строки, которые совпадают по своим категориальным значениям со строкой, в которой есть пропуск.
                return help_table_row[col].mean()
            else:
                return train_all[col].iloc()[row]

Также не совсем понял, как правильно будет использовать эту функцию, использовать ее с .apply() или лучше чтобы функция вызывалась отдельно и сама меняла DataFrame. Вот ошибка, которую я получил: