Lab 02.03 Task 3 Fill in missing data

[jhondbv]

Hola , para la task3 tengo el codigo funcionando correctamente cuando lo ejecuto manualmente , pero cuando le doy submit me genera un error , este es el codigo :

def fillna(df):
    # make sure to make a copy in case you modify the original df
    d = df.copy()
    # tuve que agregar una validacion para que me eliminara duplicados , aun no entiendo
    # por que me generaba un error de indices duplicados 
    d = d.loc[~d.index.duplicated(keep='first')] 
    price_mean = d['price'].mean() #promedio de datos
    price_std = d['price'].std() # deviacion estandar , para saber cuanto varian los datos
    missing= d['price'].isna().sum() # numero de datos NaN
    samples = np.random.normal(price_mean,price_std,missing) # Generando datos aleatorios 
    new_price = pd.Series(samples,index=d.index[d['price'].isna()])# pd series para los indices donde estan los datos NaN
    d['price'].fillna(new_price,inplace=True)
    d['price']= d['price'].round(2)
    return d

cuando lo corro manualmente con el siguiente comando , me retorna el dataframe con las mismas columnas que fue creado , el mismo tipo de datos y los mismos decimales

d = create_df(missing=True)
fillna(d)

pero cuando le doy submmit al codigo , me genera el siguiente error :
testing with 100 random calls
dataframe shape is incorrect

[jhondbv]

le hice una pequeña modificacion al codigo con una sugerencia hecha por el profesor en otro post (#15 (comment))
asi quedo el codigo pero aun sigue sin funcionar cuando lo envio a calificar

def fillna(df):
    # make sure to make a copy in case you modify the original df
    d = df.copy()
    d = d.loc[~d.index.duplicated(keep='first')]
    price_mean = d['price'].mean() #promedio de datos
    price_std = d['price'].std() # deviacion estandar , para saber cuanto varian los datos
    missing= d['price'].isna().sum() # numero de datos NaN
    samples = np.random.normal(price_mean,price_std,missing) # Generando datos aleatorios 
    new_price = pd.Series(samples,index=d.index[d['price'].isna()])# pd series para los indices donde estan los datos NaN
    # d['price'].fillna(new_price,inplace=True)
    d['price'][d.price.isna()] = new_price
    d['price']= d['price'].round(2)
    return d

[Felipe-RA]

Saludos @jhondbv

def fillna(df):
    # make sure to make a copy in case you modify the original df
    d = df.copy()
   --------> d = d.loc[~d.index.duplicated(keep='first')]
    price_mean = d['price'].mean() #promedio de datos
    price_std = d['price'].std() # deviacion estandar , para saber cuanto varian los datos
    missing= d['price'].isna().sum() # numero de datos NaN
    samples = np.random.normal(price_mean,price_std,missing) # Generando datos aleatorios 
    new_price = pd.Series(samples,index=d.index[d['price'].isna()])# pd series para los indices donde estan los datos NaN
    # d['price'].fillna(new_price,inplace=True)
    d['price'][d.price.isna()] = new_price
    d['price']= d['price'].round(2)
    return d

La línea tres de tu función (que acabo de marcar con una flecha en el código de arriba) es la fuente del problema.

Cuando copias un dataframe con copy() también copias su índice.

Esta línea causa el problema pues, aunque el contenido del dataframe es correcto, el índice no conforma con las dimensiones iniciales (aunque a simple vista parezca que lo hace, echale un vistazo a lo que devuelve la función .Index.duplicated)

Cuentame si con esto logras solucionar el problema, estoy pendiente

¡Hasta pronto!

[jhondbv]

Hola Felipe , si , eso soluciono el error , Gracias