Дано: DataFrame `temp_log` с колонками `ts`, `temp_c`. Часть значений NaN (датчик глюканул). Заполните пропуски последним известным значением (forward-fill). Верните DataFrame с теми же колонками, без NaN (кроме случая если первая строка NaN — там оставьте NaN). Сохраните в `result`.
ffill fillna missing-values
Задача «Заполнение пропусков forward-fill» учит обрабатывать табличные данные в pandas как аналитик. Такие задачи дают на собеседованиях в Купер и других IT-компаниях. Уровень лёгкий — база, которую ждут от любого аналитика на Python.
Сначала разбери условие и формат входа-выхода, прикинь крайние случаи (пустой ввод, дубли, NaN). Затем выбери структуру данных и собери решение по шагам — начни с простого рабочего варианта, потом оптимизируй сложность. Код пишешь и запускаешь прямо в браузере: Python-тренажёр исполняет его через Pyodide (pandas, numpy, scipy) и проверяет результат автоматически.
В pandas один и тот же результат часто достаётся разными путями — через groupby, pivot_table, merge или векторные операции над колонками. Важно выбрать читаемый и быстрый: встроенные векторные методы почти всегда обгоняют циклы и построчный apply. На собеседовании ценят не только правильный ответ, но и то, как ты объясняешь выбор подхода, обрабатываешь пропуски (NaN) и оцениваешь, что будет на больших данных.
Разобраться в pandas системно — бесплатный курс «Pandas с нуля» и гайды по pandas.
Открыть задачу в тренажёре → ← Все Python-задачи