Какой dtype будет уместен для данных о дате, когда они описываются как “дискретные”?

Недавно я сдавал практический экзамен на получение квалификации Data Scientist Associate в DataCamp. Всего было 5 заданий, и я смог выполнить все, кроме одного. В этом задании требовалось очистить DataFrame для продаж домов. Проблема в том, что, как мне кажется, описания некоторых требований к столбцам были недостаточными. Поэтому я пытаюсь понять, действительно ли я сделал что-то неправильно или это связано с тем, как представляется проект.

Ниже приведено полное описание выполнения Задачи 2 и код, который я написал для очистки DataFrame.

Перед тем как создать любые модели, нужно убедиться, что данные очищены.

Таблица ниже показывает, как должны выглядеть данные.

Создайте очищенную версию DataFrame.

• Начать следует с данных в файле “house_sales.csv”.

• Ваши результаты должны быть DataFrame под названием clean_data.

• Все названия столбцов и значения должны соответствовать таблице ниже.

# Импорт необходимых пакетов и данных
import datetime as dt
house = pd.read_csv("house_sales.csv")
clean_data = pd.DataFrame()

# Преобразование house_id в номинальную категорию
house["house_id"] = house["house_id"].astype("category")

# Замена отсутствующих значений в city на Unknown
house["city"] = house["city"].str.replace("--", "Unknown")
# Преобразование city в категориальный тип
house["city"] = house["city"].astype("category")

# sale_price в формате int64 и не имеет отсутствующих значений

# Преобразуем sale_date в дискретные переменные (являются ли категории дискретными? нужно ли мне что-то другое?)
# sale_date не имеет отсутствующих значений
house["sale_date"] = pd.to_datetime(house["sale_date"]).dt.strftime("%Y-%m-%d")
house["sale_date"] = house["sale_date"].astype("category")

# Замена отсутствующих значений в months_listed
# Все остальные значения уже округлены до 1 десятичного знака
house["months_listed"].fillna(round(np.mean(house["months_listed"]), ndigits = 1), inplace = True)

# Нет отсутствующих значений в bedrooms

# Исправление названий house_type и преобразование house_type в порядковую категорию
# Нет отсутствующих значений в house_type
for i in range(len(house["house_type"])):
    if house["house_type"][i] == "Det.":
        house["house_type"][i] = "Detached"
    elif house["house_type"][i] == "Semi":
        house["house_type"][i] = "Semi-Detached"
    else:
        house["house_type"][i] = "Terraced"
house["house_type"] = house["house_type"].astype("category")
house["house_type"] = pd.Categorical(house["house_type"], ordered = True, categories = ["Terraced", "Semi-Detached", "Detached"])

# Удалить sq.m. из area и округлить до 1 десятичного знака.
house["area"] = house["area"].str.strip("sq.m.").astype(float).round(1)

clean_data = house

Примечание: я использовал цикл for для house_type вместо метода mapping или replace() поскольку эти методы исказили значения