df["age"].mean() выдаёт NaN. У тебя есть пропуски в столбце. Что произошло и как исправить?
Pythonmediummiddle
Проверяет знание Python и pandas для анализа данных.
pandasNaNdtype
Варианты ответа
mean() возвращает NaN если в колонке есть хоть один NaN — это поведение по дефолту защищает от ошибочных средних. Используй nanmean из numpy
NaN означает что данные не загрузились. Перезагрузи через pd.read_csv с явным dtype="float", иначе pandas инициализирует столбец пустыми значениями
mean() считает NaN как 0, и если их слишком много — среднее становится NaN. Нужно явно filtered: df[df["age"].notna()]["age"].mean()
mean() в pandas игнорирует NaN по умолчанию (skipna=True). NaN-результат значит что в колонке вообще нет валидных значений ИЛИ она нечисловая (object dtype) — проверь df["age"].dtype
Как разобрать этот вопрос на собеседовании
Подумай, какая структура данных и какой инструмент pandas решают задачу с наименьшей сложностью: векторизация вместо циклов, groupby/merge вместо ручных склеек, корректная работа с NaN и типами. Интервьюер смотрит на читаемость кода и на то, понимаешь ли ты, что происходит «под капотом» — копия или вью, сложность операции, утечки памяти на больших данных.
На собеседовании по такому вопросу важно не только назвать ответ, но и кратко объяснить, почему он верный.
Тема вопроса — «Python». Чтобы подготовиться к похожим задачам, отрабатывай их на практике: python-тренажёр помогает довести навык до автоматизма, а раздел вопросов — увидеть формулировки, которые реально встречаются на интервью аналитика данных.
Разбор ответа
Подробный разбор с объяснением «почему правильный ответ верный» и почему остальные неверны — после регистрации.
3000+ вопросов с разбором, quiz-режим с проверкой, AI-собес и подготовка к интервью аналитика.