返回介绍

solution / 2800-2899 / 2887.Fill Missing Data / README

发布于 2024-06-17 01:02:59 字数 1622 浏览 0 评论 0 收藏 0

2887. 填充缺失值

English Version

题目描述

DataFrame products
+-------------+--------+
| Column Name | Type   |
+-------------+--------+
| name    | object |
| quantity  | int  |
| price     | int  |
+-------------+--------+

编写一个解决方案,在 quantity 列中将缺失的值填充为 0

返回结果如下示例所示。

 

示例 1:

输入:
+-----------------+----------+-------+
| name      | quantity | price |
+-----------------+----------+-------+
| Wristwatch    | 32     | 135   |
| WirelessEarbuds | None   | 821   |
| GolfClubs     | None   | 9319  |
| Printer     | 849    | 3051  |
+-----------------+----------+-------+
输出:
+-----------------+----------+-------+
| name      | quantity | price |
+-----------------+----------+-------+
| Wristwatch    | 32     | 135   |
| WirelessEarbuds | 0    | 821   |
| GolfClubs     | 0    | 9319  |
| Printer     | 849    | 3051  |
+-----------------+----------+-------+
解释:
Toaster 和 Headphones 的数量被填充为 0。

解法

方法一

import pandas as pd


def fillMissingValues(products: pd.DataFrame) -> pd.DataFrame:
  products['quantity'] = products['quantity'].fillna(0)
  return products

如果你对这篇内容有疑问,欢迎到本站社区发帖提问 参与讨论,获取更多帮助,或者扫码二维码加入 Web 技术交流群。

扫码二维码加入Web技术交流群

发布评论

需要 登录 才能够评论, 你可以免费 注册 一个本站的账号。
列表为空,暂无数据
    我们使用 Cookies 和其他技术来定制您的体验包括您的登录状态等。通过阅读我们的 隐私政策 了解更多相关信息。 单击 接受 或继续使用网站,即表示您同意使用 Cookies 和您的相关数据。
    原文