LeetCode刷题时fillna(0)无法将空值转为0，求问题原因

你遇到的fillna(0)无法转换空值的核心原因是：当某商品无销售记录（units为NaN）时，groupby求和后sum_product与units均为0，计算sum_product / units得到的是NaN（0除以0的结果），虽然最后调用了fillna(0)，但中间逻辑的空值传递导致最终空值未被正确覆盖。

具体代码问题拆解 #

以测试用例中product_id=3为例：

1. 外连接后，product_id=3的units为NaN，purchase_date为NaN，符合筛选条件被保留；
2. calculated_df中units * price得到NaN（NaN*30=NaN）；
3. groupby求和时，NaN会被忽略，因此sum_product和units的总和均为0；
4. 计算average_price时，0/0得到NaN，此时fillna(0)理论上可转换该NaN，但因中间步骤的空值传递，导致最终空值未被正确识别处理。

修复方案 #

以下几种方式可以彻底解决问题：

方案1：提前填充销售数量的空值

在计算sum_product前，将units的NaN填充为0，避免中间产生无效的NaN：

import pandas as pd

def average_selling_price(prices: pd.DataFrame, units_sold: pd.DataFrame) -> pd.DataFrame:
    merged_df = units_sold.merge(prices, on='product_id', how='outer')
    filtered_df = merged_df[((merged_df['purchase_date'] >= merged_df['start_date']) & (merged_df['purchase_date'] <= merged_df['end_date'])) | merged_df['purchase_date'].isnull()]
    calculated_df = filtered_df.copy(deep=True)[['product_id', 'units', 'price']]
    # 提前填充units的空值为0
    calculated_df['units'] = calculated_df['units'].fillna(0)
    calculated_df['sum_product'] = calculated_df['units'] * calculated_df['price']
    pivoted_df = calculated_df.groupby('product_id').agg({'sum_product': 'sum', 'units': 'sum'}).reset_index()
    # 处理除以0的情况，直接赋值为0
    pivoted_df['average_price'] = round(pivoted_df['sum_product'] / pivoted_df['units'], 2).fillna(0)
    pivoted_df = pivoted_df[['product_id', 'average_price']]
    return pivoted_df

方案2：用numpy处理除以0的场景

使用np.divide的where参数，直接避免0/0的情况：

import pandas as pd
import numpy as np

def average_selling_price(prices: pd.DataFrame, units_sold: pd.DataFrame) -> pd.DataFrame:
    merged_df = units_sold.merge(prices, on='product_id', how='outer')
    filtered_df = merged_df[((merged_df['purchase_date'] >= merged_df['start_date']) & (merged_df['purchase_date'] <= merged_df['end_date'])) | merged_df['purchase_date'].isnull()]
    calculated_df = filtered_df.copy(deep=True)[['product_id', 'units', 'price']]
    calculated_df['sum_product'] = calculated_df['units'] * calculated_df['price']
    pivoted_df = calculated_df.groupby('product_id').agg({'sum_product': 'sum', 'units': 'sum'}).reset_index()
    # 使用numpy处理除以0，直接返回0
    pivoted_df['average_price'] = round(np.divide(pivoted_df['sum_product'], pivoted_df['units'], out=np.zeros_like(pivoted_df['sum_product']), where=pivoted_df['units'] != 0), 2)
    pivoted_df = pivoted_df[['product_id', 'average_price']]
    return pivoted_df

方案3：调整fillna的时机

在计算average_price后立即填充空值，确保所有NaN都被覆盖：

# 替换原代码中计算average_price的行
pivoted_df['average_price'] = round(pivoted_df['sum_product'] / pivoted_df['units'], 2).fillna(0)

验证测试 #

用你的最小复现示例测试，修复后的代码会正确返回product_id=3的average_price为0，符合预期。

内容的提问来源于stack exchange，提问作者wanyingq