Как реализовать алгоритм подсчёта и сдвига нулей в массиве на Python

Что проверяют

Умеете ли вы решить задачу за один проход и без лишней памяти, а не через remove в цикле. В data-ml к этому почти всегда добавляют вопрос, как сделать то же самое на numpy без питоновского цикла и что будет с NaN.

Как отвечать

Сначала уточните условие: менять список на месте или вернуть новый, сохранять ли порядок ненулевых элементов, что считать результатом подсчёта. Потом каркас на двух указателях:

• указатель записи: pos стоит там, куда ляжет следующий ненулевой элемент. Идёте по списку, ненулевое значение копируете в arr[pos] и сдвигаете pos;
• хвост: после прохода всё от pos до конца заполняете нулями. Количество нулей получается бесплатно: len(arr) - pos;
• вариант с обменом: arr[pos], arr[i] = arr[i], arr[pos] делает то же за один цикл и не переписывает хвост отдельно;
• сложность: время O(n), дополнительная память O(1), порядок ненулевых сохраняется.

Для данных покажите векторный вариант: nz = a[a != 0], затем np.concatenate([nz, np.zeros(a.size - nz.size, dtype=a.dtype)]). Он требует O(n) памяти, зато на больших массивах работает на порядки быстрее цикла. Однострочник sorted(arr, key=lambda x: x == 0) тоже корректен, потому что сортировка в Python стабильная, но это уже O(n log n), и об этом стоит сказать самим.

Проговорите краевые случаи: пустой список, одни нули, ни одного нуля, ноль в самом конце.

Где спотыкаются

Удаляют нули через arr.remove(0) и append(0) прямо в цикле по тому же списку. Итерация сбивается, элементы пропускаются, а каждый remove сам по себе O(n), итого квадрат.

Забывают про типы. В Python False == 0 истинно, поэтому булевы значения тоже уедут в хвост, а -0.0 считается нулём и потеряет знак. NaN нулём не считается и остаётся на месте, в данных это надо оговорить заранее.

Молча меняют входной список и возвращают его же, хотя вызывающий код этого не ждёт. Если функция работает на месте, честнее вернуть None или количество нулей, как это делают list.sort() и random.shuffle().