2887. 填充缺失值

🟢   🔗 力扣 LeetCode

题目

DataFrame products

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

Write a solution to fill in the missing value as 0 in the quantity column.

The result format is in the following example.

Example 1:

Input:

+-----------------+----------+-------+
| name            | quantity | price |
+-----------------+----------+-------+
| Wristwatch      | None     | 135   |
| WirelessEarbuds | None     | 821   |
| GolfClubs       | 779      | 9319  |
| Printer         | 849      | 3051  |
+-----------------+----------+-------+

Output:

+-----------------+----------+-------+
| name            | quantity | price |
+-----------------+----------+-------+
| Wristwatch      | 0        | 135   |
| WirelessEarbuds | 0        | 821   |
| GolfClubs       | 779      | 9319  |
| Printer         | 849      | 3051  |
+-----------------+----------+-------+

Explanation:

The quantity for Wristwatch and WirelessEarbuds are filled by 0.

题目大意

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      | None     | 135   |
| WirelessEarbuds | None     | 821   |
| GolfClubs       | 779      | 9319  |
| Printer         | 849      | 3051  |
+-----------------+----------+-------+

输出：

+-----------------+----------+-------+
| name            | quantity | price |
+-----------------+----------+-------+
| Wristwatch      | 0        | 135   |
| WirelessEarbuds | 0        | 821   |
| GolfClubs       | 779      | 9319  |
| Printer         | 849      | 3051  |
+-----------------+----------+-------+

解释：

Toaster 和 Headphones 的数量被填充为 0。

解题思路

• 在 Pandas 中，可以使用 fillna() 来指定用某个特定值填充缺失数据。
• 使用 products['quantity'].fillna(0, inplace=True) 将 quantity 列中的所有 NaN 值填充为 0。
• inplace=True 表示直接在原数据框上修改，而不是返回修改后的副本。如果不想修改原数据框，可以去掉。
• 处理完缺失值后，返回更新后的 DataFrame。

复杂度分析

• 时间复杂度：O(n)，其中 n 是 DataFrame 的行数，fillna() 需要遍历所有的行，检查每个值是否是缺失值 (NaN)。
• 空间复杂度：O(1)，使用了 inplace=True，因此 fillna() 操作直接修改原 DataFrame，没有额外的空间开销。

代码

import pandas as pd

def fillMissingValues(products: pd.DataFrame) -> pd.DataFrame:
  # 使用 fillna() 填充缺失值（NaN），填充值为 0
  products['quantity'].fillna(0, inplace=True)

  # 返回更新后的 DataFrame
  return products