MOOC Python大數(shù)據(jù)分析-南京財經(jīng)大學(xué) 中國大學(xué)慕課答案

MOOCPython大數(shù)據(jù)分析-南京財經(jīng)大學(xué)中國大學(xué)慕課答案單元小測試11、問題：下面關(guān)于DataFrame中行索引說法中，錯誤的是：選項：A、行索引默認(rèn)是從0開始累加的整數(shù)B、默認(rèn)的行索引主要起到唯一區(qū)分?jǐn)?shù)據(jù)行的作用C、隨著更新的進行，索引有可能不能區(qū)分出唯一的行D、行號不同于索引，其取值是從1開始不斷累加的序號，不論如何更改，行號始終保持著這種序列關(guān)系正確答案:【行號不同于索引，其取值是從1開始不斷累加的序號，不論如何更改，行號始終保持著這種序列關(guān)系】2、問題：有代碼：print(frame.iloc[[3,1],[0,2]])它的含義是：選項：A、選擇第4行和第2行并且第1列和第3列的表格數(shù)值B、有錯誤，因為3不能放在1前面倒序來取C、選擇第4行和第2行并且第1列到第3列的表格數(shù)值D、有錯誤，因為選擇列要放在選擇行前面正確答案:【選擇第4行和第2行并且第1列和第3列的表格數(shù)值】3、問題：很多DataFrame方法中的inplace參數(shù)功能是：選項：A、用于設(shè)定記錄排序的大小方向B、用于設(shè)定是否強制更新原始數(shù)據(jù)C、用于設(shè)定是否設(shè)置數(shù)據(jù)為只讀模式D、用于設(shè)定數(shù)據(jù)復(fù)制是否保留副本正確答案:【用于設(shè)定是否強制更新原始數(shù)據(jù)】4、問題：有代碼為：frame.loc[frame['height']1.80,'age']=frame.loc[frame['height']1.80,'age']+1該代碼的功能為：選項：A、將所有身高大于1.80m的學(xué)生身高增加1厘米B、查詢身高大于1.80m的學(xué)生，并將不大于1.80m的學(xué)生身高增加1厘米C、將所有身高大于1.80m的學(xué)生年齡增加1歲D、代碼有錯誤，因為loc選擇后的數(shù)據(jù)不能更新正確答案:【將所有身高大于1.80m的學(xué)生年齡增加1歲】5、問題：下面關(guān)于reset_index、sort_index和sort_values方法的說法中，錯誤的是：選項：A、reset_index可以將當(dāng)前索引還原復(fù)位為正常的數(shù)據(jù)列B、sort_index表示按照索引排序當(dāng)前數(shù)據(jù)C、sort_values表示按照索引復(fù)位后的列來排序數(shù)據(jù)D、sort_index無需參數(shù)而sort_values必須有參數(shù)正確答案:【sort_values表示按照索引復(fù)位后的列來排序數(shù)據(jù)】測試11、問題：下面關(guān)于PyCharm的說法中，正確的是哪一個？選項：A、安裝完P(guān)ython后，必須要安裝PyCharm才能編寫Python語句并運行B、PyCharm和Python安裝不分先后C、PyCharm提供了一種更為方便的代碼編輯功能，一站式進行編輯、運行和糾錯D、Pycharm有很多開發(fā)工具，我們這里使用的是一個非常著名而且好用的，稱為Python正確答案:【PyCharm提供了一種更為方便的代碼編輯功能，一站式進行編輯、運行和糾錯】2、問題：下面關(guān)于Python進行數(shù)據(jù)分析的特點中，哪一項錯誤？選項：A、Python支持大數(shù)據(jù)分析，海量數(shù)據(jù)處理更為方便和快捷B、和Excel相比，雖然Python提供了更快的數(shù)據(jù)處理能力，但是在可視化展示方面卻不如ExcelC、和Python相比，Excel雖然功能較為簡單，但是在易用性方面更易于上手D、數(shù)據(jù)分析往往涉及計算機、統(tǒng)計、數(shù)學(xué)等多方面的學(xué)科知識正確答案:【和Excel相比，雖然Python提供了更快的數(shù)據(jù)處理能力，但是在可視化展示方面卻不如Excel】3、問題：很多Python代碼第一行都有：#coding:utf-8這個含義是：選項：A、表示要在國內(nèi)發(fā)布代碼B、運行在中文電腦系統(tǒng)上C、需要分析中文數(shù)據(jù)信息D、代碼中有中文信息正確答案:【代碼中有中文信息】4、問題：frompandasimportDataFrame這個語句的含義是：選項：A、從DataFrame類導(dǎo)入pandas類B、從pandas庫導(dǎo)入DataFrame類C、從pandas庫導(dǎo)入DataFrame庫D、從DataFrame庫導(dǎo)入pandas類正確答案:【從pandas庫導(dǎo)入DataFrame類】5、問題：frame=pd.DataFrame(data,index=[6,5,4,3,2,1,0])index代碼的含義是：選項：A、對現(xiàn)有數(shù)據(jù)按照倒序排列B、重新對現(xiàn)有每一行設(shè)置新的index數(shù)值C、設(shè)置每行的數(shù)值內(nèi)容D、對現(xiàn)有列按照index排序正確答案:【重新對現(xiàn)有每一行設(shè)置新的index數(shù)值】6、問題：print(frame[1:2])這里的1:2是指：選項：A、輸出索引號為1和2的行B、輸出序號為1和2的行C、輸出索引號為1的行D、輸出第二行正確答案:【輸出第二行】7、問題：print(frame[frame['age'].isin([16,18])])含義是：選項：A、輸出年齡為16到18的所有行B、輸出年齡為16或者18的所有行C、輸出年齡為16到17的所有行D、輸出年齡為17的所有行正確答案:【輸出年齡為16或者18的所有行】8、問題：round函數(shù)功能是：選項：A、最大值B、四舍五入C、大于該數(shù)值的最小整數(shù)D、絕對值正確答案:【四舍五入】9、問題：下面關(guān)于rename的說法中，正確的是：選項：A、rename只能改變列的名稱B、rename只能改變行的名稱C、是pandas的方法D、rename既能改變行也能改變列的名稱正確答案:【rename既能改變行也能改變列的名稱】10、問題：下面關(guān)于數(shù)據(jù)更新的說法中，錯誤的是：選項：A、append只能在最后一行后添加新行B、insert可以在任何行前后添加新行C、drop可以刪除行，也可以刪除列D、update可以更新數(shù)據(jù)行正確答案:【update可以更新數(shù)據(jù)行】11、問題：print(frame.sort_values(by=['age'],ascending=False))含義是：選項：A、按照年齡降序輸出所有數(shù)據(jù)B、按照年齡升序輸出所有數(shù)據(jù)C、按照年齡降序，相同元素按照索引號排序D、按照年齡升序，相同元素按照索引號排序正確答案:【按照年齡降序輸出所有數(shù)據(jù)】12、問題：下面關(guān)于排序和選擇的說法中，錯誤的是：選項：A、排序和選擇功能各不一樣，選擇重點在于挑選所有滿足條件的行，而排序重點關(guān)注首尾行B、先排序再選擇和先選擇后排序效果并不一樣，比如先排序再選擇會導(dǎo)致排序失效C、先排序再選擇和先選擇后排序效果一樣，因為選擇不會改變排序的次序D、排序和選擇都可以根據(jù)索引號來進行正確答案:【先排序再選擇和先選擇后排序效果并不一樣，比如先排序再選擇會導(dǎo)致排序失效】13、問題：print(frame['age'].groupby(frame['age']).count().sort_index())含義是：選項：A、對年齡分組并統(tǒng)計年齡的種類數(shù)，并按照升序來排列B、統(tǒng)計年齡的種類數(shù)，并分組和按照升序來排列C、對年齡分組并統(tǒng)計各組人數(shù)，并按照升序來排列D、語法錯誤正確答案:【對年齡分組并統(tǒng)計各組人數(shù)，并按照升序來排列】14、問題：下面關(guān)于分組聚合的說法中，正確的是：選項：A、聚合函數(shù)不能單用，只能結(jié)合分組使用B、分組后聚合和先聚合后分組效果一樣C、分組聚合的結(jié)果行數(shù)量與組的個數(shù)一樣D、為了更快的分組聚合，我們必須首先排序數(shù)據(jù)正確答案:【分組聚合的結(jié)果行數(shù)量與組的個數(shù)一樣】15、問題：print(pd.merge(students,scores))下面關(guān)于該語句的說法中，正確的是：選項：A、自動根據(jù)索引號建立連接B、自動去除一個多余的同名連接列C、默認(rèn)采用左外連接D、可以按照任意兩個列進行連接，并自動添加_x和_y后綴正確答案:【自動去除一個多余的同名連接列】單元小測試21、問題：從datetime類型的數(shù)據(jù)列birthday中獲取年份，正確的方法是：選項：A、frame['birthday'].dt.yearB、frame['birthday'].yearC、datetime.now().yearD、pd.to_datetime(frame['birthday'])正確答案:【frame['birthday'].dt.year】2、問題：有代碼為：frame.loc['2019-12':'2020-1']下面說法中，錯誤的是：選項：A、功能是選擇2019年12月到2020年1月的全部記錄B、如果寫成print(frame.loc['2020-1':'2019-12'])則沒有結(jié)果，但是不會報錯C、如果支持這種寫法，就必須設(shè)定datetime類型的索引D、print(frame.iloc['2019-12':'2020-1'])功能一樣正確答案:【print(frame.iloc['2019-12':'2020-1'])功能一樣】3、問題：時間序列方法中的freq參數(shù)為MS時含義是：選項：A、表示從每月第一個星期一開始取時間B、表示從月底開始取時間C、表示從月初開始取時間D、表示以整個月來取時間正確答案:【表示從月初開始取時間】4、問題：有代碼為：frame=frame.to_period(freq='M')print(frame.asfreq(freq='A'))下面的說法中，正確的是：選項：A、這表示向細(xì)粒度時間單位的轉(zhuǎn)換，即月到日B、這表示向細(xì)粒度時間單位的轉(zhuǎn)換，即雙月到月C、這表示向粗粒度時間單位的轉(zhuǎn)換，即月到季度D、這表示向粗粒度時間單位的轉(zhuǎn)換，即月到年正確答案:【這表示向粗粒度時間單位的轉(zhuǎn)換，即月到年】5、問題：有代碼為：importpandasaspdfromdatetimeimportdatetimedata={'ID':['000001','000002','000003','000004','000005','000006','000007'],'name':['黎明','趙怡春','張富平','白麗','牛玉德','姚華','李南'],'gender':[True,False,True,False,True,False,True],'age':[16,20,18,18,17,18,16],'height':[1.88,1.78,1.81,1.86,1.74,1.75,1.76]}dates=[datetime(2019,11,29),datetime(2019,12,5),datetime(2019,12,17),datetime(2019,12,30),datetime(2020,1,1),datetime(2020,1,3),datetime(2020,1,4)]frame=pd.DataFrame(data,index=dates)print(frame['height'].resample('A',kind='period').ohlc())下面的說法中，錯誤的是：選項：A、O表示開盤價，C表示收盤價B、H和L分別表示最大值和最小值C、最后輸出表示按照月份匯總，并輸出該月份中所有學(xué)生身高的OHLC四個值D、雖然身高并不是股票數(shù)據(jù)，但是也可以使用該方法來取值正確答案:【最后輸出表示按照月份匯總，并輸出該月份中所有學(xué)生身高的OHLC四個值】單元小測試31、問題：有代碼為：plt.plot(frame['收盤價'])下面的說法中，錯誤的是：選項：A、plot為繪制線形圖，必須要有表示X和Y兩個軸的數(shù)據(jù)，因此此時報錯B、繪制必須后面添加plt.show()才能真正繪制并顯示出來C、由于該列數(shù)據(jù)很多，會在屏幕上生成很多點，這些由很多很短的直線連接起來的完整線條甚至可以呈現(xiàn)出曲線的效果D、plt.plot(frame['開盤價'],frame['收盤價'],'ro')這并不表示三維線形圖的繪制，只是改變繪制樣式正確答案:【plot為繪制線形圖，必須要有表示X和Y兩個軸的數(shù)據(jù)，因此此時報錯】2、問題：有代碼為：plt.scatter(frame['A'],frame['B'],c='r',s=10,alpha=0.6)下面的說法中，錯誤的是：選項：A、散點圖中的點為紅色B、散點圖中點的透明度為0.6C、散點圖中點之間的邊寬度為10像素D、散點圖中x軸為A數(shù)據(jù)列，y軸為B數(shù)據(jù)列正確答案:【散點圖中點之間的邊寬度為10像素】3、問題：假設(shè)有2015-2020年共計六年所有的交易記錄，有代碼為：results=frame[['收盤價']].groupby(frame.index.month).mean()plt.bar(results.index,results['收盤價'])plt.show()下面的說法中，正確的是：選項：A、柱狀圖的x軸有6個方柱B、柱狀圖的y軸有12個不同刻度C、柱狀圖的x軸有12個方柱D、柱狀圖的y軸有6個不同刻度正確答案:【柱狀圖的x軸有12個方柱】4、問題：下面的哪個顏色最接近淺黃色？B、FFFFFFD、FF0000F、EEEE00H、111111正確答案:【#EEEE00】5、問題：餅狀圖中設(shè)置每個餅塊的占比數(shù)值及其格式的參數(shù)是：選項：A、autopctB、textpropsC、explodeD、wedgeprops正確答案:【autopct】測試21、問題：print(datetime.now())上述代碼單獨運行結(jié)果是：選項：A、錯誤，不能直接輸出到屏幕B、錯誤，沒有導(dǎo)入正確的類型C、正確，但是沒有顯示內(nèi)容D、正確，顯示今天的日期正確答案:【錯誤，沒有導(dǎo)入正確的類型】2、問題：利用pd.to_datetime轉(zhuǎn)換日期，下面哪種格式的日期不能正常轉(zhuǎn)換？選項：A、2020/10/01B、10/01/2020C、Oct,1,2004D、2020年10月1日正確答案:【2020年10月1日】3、問題：下面關(guān)于strptime和strftime方法的說明中，錯誤的是哪一項？選項：A、strptime可以將日期字符串轉(zhuǎn)換為日期類型B、strptime可以處理帶有中文格式的日期C、strftime可以將日期類型轉(zhuǎn)換為特定格式的字符串D、兩個函數(shù)都使用m、d、Y等符號表示月份、日期和年份正確答案:【兩個函數(shù)都使用m、d、Y等符號表示月份、日期和年份】4、問題：print(frame.truncate(before='2019-12-1'))代碼含義是：選項：A、輸出2019年12月1日前的所有記錄B、輸出2019年12月1日后的所有記錄C、輸出2019年11月30日后的所有記錄D、輸出2019年11月30日前的所有記錄正確答案:【輸出2019年11月30日后的所有記錄】5、問題：values=['2019Q4']frame=pd.DataFrame(data,pd.PeriodIndex(values,freq='M'))print(frame)輸出的時間索引值是：選項：A、2019-10B、2019-12-31C、2019-12D、2019-10-1正確答案:【2019-10】6、問題：對于freq屬性，它為'A-AUG'時含義為：選項：A、以每年八月一日作為一年開始B、以每年九月一日作為一年開始C、以每年八月一日作為一年結(jié)束D、以每年九月一日作為一年結(jié)束正確答案:【以每年九月一日作為一年開始】7、問題：print(frame['height'].resample('M',kind='period').mean())寫成分組的方法中，錯誤的是：選項：A、print(frame['height'].groupby(frame.index.dt.month).mean())B、print(frame['height'].groupby(frame.index.month).mean())C、print(frame['height'].groupby(frame.index.to_period(freq='M')).mean())D、print(frame.groupby(frame.index.to_period(freq='M'))['height'].mean())正確答案:【print(frame['height'].groupby(frame.index.dt.month).mean())】8、問題：下面關(guān)于線性圖的說法中，正確的說法是：選項：A、它只能繪制折線，不能繪制散點和方柱B、既可以接收有一個數(shù)據(jù)列，也可以接收兩個數(shù)據(jù)列C、當(dāng)一張圖繪制不同的線性圖時，彼此的顏色自動設(shè)置為一樣D、繪制的點可以改變形狀，如加號，但是不能修改大小正確答案:【既可以接收有一個數(shù)據(jù)列，也可以接收兩個數(shù)據(jù)列】9、問題：當(dāng)設(shè)置為完全不透明時，alpha屬性值是：選項：A、1B、0.5C、0D、-1正確答案:【1】10、問題：下面的那個顏色最偏向淺紅色：B、9999FFD、009999F、999900H、FF9999正確答案:【#FF9999】11、問題：colorbar方法的作用是：選項：A、繪制彩色柱狀圖B、給橫軸和縱軸添加顏色上下限C、設(shè)置圖像的背景色D、添加顏色的數(shù)值指示條正確答案:【添加顏色的數(shù)值指示條】12、問題：下面關(guān)于餅狀圖的說法中，正確的是：選項：A、font設(shè)置標(biāo)簽文字大小和顏色B、distance設(shè)置餅塊與中心的分離距離C、autopct設(shè)置數(shù)值標(biāo)簽的位置D、wedgeprops設(shè)置餅圖收縮正確答案:【wedgeprops設(shè)置餅圖收縮】13、問題：下面關(guān)于seaborn的說法中，錯誤的是：選項：A、它是可視化工具包，提供了更為方便的科學(xué)計算可視化功能B、它比matplotlib功能更多，可以獨立于matplotlib使用C、clustermap功能可以提供分類的熱力圖D、countplot功能可以顯示屬性特征各個數(shù)值及其個數(shù)統(tǒng)計正確答案:【它比matplotlib功能更多，可以獨立于matplotlib使用】14、問題：pyecharts是如何繪制地圖內(nèi)容的？選項：A、繪制在matplotlib圖形界面上B、繪制在seaborn圖形界面上C、繪制在網(wǎng)頁文件中D、繪制在控制臺輸出中正確答案:【繪制在網(wǎng)頁文件中】15、問題：networkx中可以直接將DataFrame轉(zhuǎn)換為網(wǎng)絡(luò)圖的方法是：選項：A、drawB、from_pandas_edgelistC、add_nodes_fromD、add正確答案:【from_pandas_edgelist】單元小測試41、問題：下面的說法中，錯誤的是：選項：A、特征列是指用于預(yù)測目標(biāo)數(shù)據(jù)的數(shù)據(jù)列B、測試集是用來評估模型效果的數(shù)據(jù)行C、訓(xùn)練集數(shù)量一般要大于測試集D、即使測試集數(shù)量大于訓(xùn)練集，測試集也不能當(dāng)成訓(xùn)練集正確答案:【即使測試集數(shù)量大于訓(xùn)練集，測試集也不能當(dāng)成訓(xùn)練集】2、問題：有代碼為：train_test_split(X,y,test_size=0.1)此時的test_size及其數(shù)值的含義是：選項：A、將訓(xùn)練集和測試集分別設(shè)為全部數(shù)據(jù)行的10%和90%B、將訓(xùn)練集設(shè)為全部數(shù)據(jù)行的90%C、將測試集設(shè)為全部數(shù)據(jù)列的10%D、將訓(xùn)練集和測試集分別設(shè)為全部數(shù)據(jù)列的99.9%和0.1%正確答案:【將訓(xùn)練集設(shè)為全部數(shù)據(jù)行的90%】3、問題：下面關(guān)于分類和回歸的說法中，正確的是：選項：A、回歸通常用于連續(xù)變量預(yù)測，分類一般用于離散變量預(yù)測。B、分類和回歸的區(qū)別在于輸出變量的類型，因此分類和回歸問題不能相互轉(zhuǎn)換，并且同時構(gòu)成了兩大類常見機器學(xué)習(xí)任務(wù)C、評價分類和回歸方法可以使用同樣的命中準(zhǔn)確度指標(biāo)D、決策樹算法是分類算法而不是回歸算法正確答案:【回歸通常用于連續(xù)變量預(yù)測，分類一般用于離散變量預(yù)測?！?、問題：下面關(guān)于交叉驗證的說法中，正確的是：選項：A、由于是交叉選擇，因此在一次驗證計算時，同一數(shù)據(jù)行可以被同時多次作為訓(xùn)練集和測試集B、交叉驗證意味著在利用訓(xùn)練集評估測試集后，再使用測試集評估訓(xùn)練集C、交叉驗證最終結(jié)果高，并不意味著其中每一次驗證結(jié)果都很高D、不同于一次單一驗證，交叉驗證因為進行多次平均，因此驗證結(jié)果的指標(biāo)值通常相同正確答案:【交叉驗證最終結(jié)果高，并不意味著其中每一次驗證結(jié)果都很高】5、問題：下面關(guān)于文本類型數(shù)據(jù)的說法中，錯誤的是：選項：A、通常文本類型數(shù)據(jù)需要轉(zhuǎn)換為數(shù)值型數(shù)據(jù)后，再參與分類和回歸計算B、獨熱編碼的取值要根據(jù)文本類型數(shù)據(jù)的數(shù)據(jù)種類，如果有三種，則獨熱編碼取值分別為0、1、2C、可以利用DataFrame的astype將文本類型數(shù)據(jù)轉(zhuǎn)換為數(shù)值型D、LabelEncoder可以將文本類型數(shù)據(jù)轉(zhuǎn)換為整數(shù)類型正確答案:【獨熱編碼的取值要根據(jù)文本類型數(shù)據(jù)的數(shù)據(jù)種類，如果有三種，則獨熱編碼取值分別為0、1、2】客觀考查1、問題：有代碼：#coding:utf-8importpandasaspddata={'ID':['000001','000002','000003','000004','000005','000006','000007'],'name':['黎明','趙怡春','張富平','白麗','牛玉德','姚華','李南'],'gender':[True,False,True,False,True,False,True],'age':[16,20,18,18,17,18,16],'height':[1.88,1.78,1.81,1.86,1.74,1.75,1.76]}frame=pd.DataFrame(data,index=[1,2,1,2,1,2,1])print(frame.loc[1])請問下面的說法正確的有：選項：A、輸出為第一條記錄，loc函數(shù)表示按照行號選擇記錄，1表示第一條，因此為第一條B、輸出為所有記錄的第一列，loc默認(rèn)一個參數(shù)表示列的選擇C、輸出為第二條記錄，loc函數(shù)表示按照行號選擇記錄，0表示第一條，因此1為第二條D、輸出為四條記錄，即索引值為1的四條行記錄E、代碼不會報錯，但是如果輸出語句改為：print(frame[1])就會報錯，因為默認(rèn)為行的選擇，此時索引為1的有多個，會導(dǎo)致系統(tǒng)出現(xiàn)選擇判斷不清而出錯F、代碼不會報錯，但是如果輸出語句改為：print(frame[1])就會報錯，因為選擇行不允許使用單一的序號，正確的寫法是：print(frame[1:2])正確答案:【輸出為四條記錄，即索引值為1的四條行記錄#代碼不會報錯，但是如果輸出語句改為：print(frame[1])就會報錯，因為選擇行不允許使用單一的序號，正確的寫法是：print(frame[1:2])】2、問題：有代碼：#coding:utf-8importpandasaspddata={'ID':['000001','000002','000003','000004','000005','000006','000007'],'name':['黎明','趙怡春','張富平','白麗','牛玉德','姚華','李南'],'gender':[True,False,True,False,True,False,True],'age':[16,20,18,18,17,18,16],'height':[1.88,1.78,1.81,1.86,1.74,1.75,1.76]}frame=pd.DataFrame(data)print(frame['age'17](frame['height'1.80]))請問下面的說法正確的有：選項：A、語句有錯誤，可以使用條件范圍限定：print(frame[frame[(frame['age']17)].isin(frame[(frame['height']1.80)])])B、語句有錯誤，選擇條件使用并且應(yīng)該寫為：print(frame['age'17'height'1.80])C、語句有錯誤，列名稱需要使用方括號標(biāo)識，應(yīng)該寫為：print(frame[(['age']17)(['height']1.80)])D、語句有錯誤，選擇條件使用并且應(yīng)該寫為：print(frame[frame['age']17frame['height']1.80])E、語句有錯誤，列名稱需要使用明確所在DataFrame，應(yīng)該寫為：print(frame[(frame['age']17)(frame['height']1.80)])F、語句有錯誤，可以使用條件范圍限定：print(frame[(frame['age']17)].isin(frame[(frame['height']1.80)]))正確答案:【語句有錯誤，可以使用條件范圍限定：print(frame[frame[(frame['age']17)].isin(frame[(frame['height']1.80)])])#語句有錯誤，列名稱需要使用明確所在DataFrame，應(yīng)該寫為：print(frame[(frame['age']17)(frame['height']1.80)])】3、問題：有代碼：#coding:utf-8importpandasaspddata={'ID':['000001','000002','000003','000004','000005','000006','000007'],'name':['黎明','趙怡春','張富平','白麗','牛玉德','姚華','李南'],'gender':[True,False,True,False,True,False,True],'age':[16,20,18,18,17,18,16],'height':[1.88,1.78,1.81,1.86,1.74,1.75,1.76]}frame=pd.DataFrame(data)frame=frame.drop(index=(frame.loc[(frame['age']=19)].index))print(frame)請問下面的說法正確的有：選項：A、該功能為刪除所有年齡大于等于19歲的行記錄B、也可以更改為：frame=frame.drop(frame[frame['age']=19].index)效果一樣C、也可以更改為：frame.drop(index=(frame.loc[(frame['age']=19)].index),inplace=True)效果一樣D、也可以更改為：frame=frame.drop(frame['age']=19)效果一樣E、也可以更改為：frame=frame.drop(frame['age']=19)效果一樣F、也可以更改為：frame=frame.drop(frame.loc[(frame['age']=19)])效果一樣正確答案:【該功能為刪除所有年齡大于等于19歲的行記錄#也可以更改為：frame=frame.drop(frame[frame['age']=19].index)效果一樣#也可以更改為：frame.drop(index=(frame.loc[(frame['age']=19)].index),inplace=True)效果一樣】4、問題：有代碼：#coding:utf-8importpandasaspddata={'ID':['000001','000002','000003','000004','000005','000006','000007'],'name':['黎明','趙怡春','張富平','白麗','牛玉德','姚華','李南'],'gender':[True,False,True,False,True,False,True],'age':[16,20,18,18,17,18,16],'height':[1.88,1.78,1.81,1.86,1.74,1.75,1.76]}frame=pd.DataFrame(data)frame.loc[frame['gender']==False,'age']=frame.loc[frame['gender']==False,'age']+1print(frame)請問下面的說法正確的有：選項：A、該功能為將現(xiàn)有性別為False的學(xué)生年齡增加1歲B、代碼出錯，應(yīng)該改為：frame.loc[~frame['gender'],'age']=frame.loc[~frame['gender'],'age']+1C、代碼沒有錯誤，也可以改為：frame.loc[frame['gender']=False,'age']=frame.loc[frame['gender']=False,'age']+1D、代碼沒有錯誤，也可以改為：frame.loc[frame['gender']==False,'age']+=1E、代碼沒有錯誤，也可以改為：importnumpyasnpframe['age']=np.where(frame['gender']==False,frame['age']+1,frame['age'])正確答案:【該功能為將現(xiàn)有性別為False的學(xué)生年齡增加1歲#代碼沒有錯誤，也可以改為：frame.loc[frame['gender']==False,'age']+=1#代碼沒有錯誤，也可以改為：importnumpyasnpframe['age']=np.where(frame['gender']==False,frame['age']+1,frame['age'])】5、問題：查詢哪些學(xué)生身高一樣，給出代碼如下：#coding:utf-8importpandasaspddata={'ID':['000001','000002','000003','000004','000005','000006','000007'],'name':['黎明','趙怡春','張富平','白麗','牛玉德','姚華','李南'],'gender':[True,False,True,False,True,False,True],'age':[16,20,18,18,17,18,16],'height':[1.88,1.78,1.81,1.86,1.74,1.75,1.76]}frame=pd.DataFrame(data)results=pd.merge(frame,frame,left_on='age_x',right_on='age_y')results=results[results['name_x']results['name_y']]print(results[['name_x','name_y']])運行出錯，請問下面的說法正確的有：選項：A、兩個DataFrame建立連接的條件錯了B、對于學(xué)生姓名列的獲取方式錯了，應(yīng)該使用：results=results[results['name']results['name']]C、可以將：results=results[results['name_x']results['name_y']]寫成：results=results[results['name_x']results['name_y']]D、對于學(xué)生姓名列的獲取方式錯了，應(yīng)該使用：print(results[['name','name']])E、對于學(xué)生姓名列的獲取方式錯了，應(yīng)該使用：print(results['name_x','name_y'])F、merge應(yīng)該寫成join正確答案:【兩個DataFrame建立連接的條件錯了#可以將：results=results[results['name_x']results['name_y']]寫成：results=results[results['name_x']results['name_y']]】6、問題：統(tǒng)計男女各有多少種不同的身高，給出代碼如下：#coding:utf-8importpandasaspddata={'ID':['000001','000002','000003','000004','000005','000006','000007'],'name':['黎明','趙怡春','張富平','白麗','牛玉德','姚華','李南'],'gender':[True,False,True,False,True,False,True],'age':[16,20,18,18,17,18,16],'height':[1.88,1.78,1.81,1.86,1.74,1.75,1.76]}frame=pd.DataFrame(data)records1=frame.groupby(['gender','age']).count()print(records1.groupby(['gender'])[['age']].count().sort_values(by=['age'],ascending=False))請問下面的說法正確的有：選項：A、代碼正確，輸出為：agegenderTrue3False2B、代碼不正確，需要在最后輸出結(jié)果前增加：records1.reset_index(inplace=True)C、代碼不正確，需要在最后輸出結(jié)果前增加：records1=records1.reset_index()D、代碼不正確，最后輸出可以改為：print(records1.groupby([records1.index.levels[0]])[[records1.index.levels[1]]].count().sort_values(by=[records1.index.levels[1]],ascending=False))E、代碼不正確，最后輸出可以改為：print(records1.groupby(['gender','age']).count().sort_values(by=['age'],ascending=False))正確答案:【代碼不正確，需要在最后輸出結(jié)果前增加：records1.reset_index(inplace=True)#代碼不正確，需要在最后輸出結(jié)果前增加：records1=records1.reset_index()】7、問題：繪制不同身高的分布餅圖，身高以小數(shù)點后一位來統(tǒng)計，給出代碼如下：#coding:utf-8importpandasaspdimportmatplotlib.pyplotaspltdata={'ID':['000001','000002','000003','000004','000005','000006','000007'],'name':['黎明','趙怡春','張富平','白麗','牛玉德','姚華','李南'],'gender':[True,False,True,False,True,False,True],'age':[16,20,18,18,17,18,16],'height':[1.88,1.78,1.81,1.86,1.74,1.75,1.76]}frame=pd.DataFrame(data)records1=frame.groupby('height').count()plt.pie(records1['ID'])plt.show()請問下面的說法正確的有：選項：A、無法顯示任何圖形B、顯示的餅圖為7等分C、為了正確顯示身高分組，需要增加修改：frame['heightRange']=round(frame['height'],1)records1=frame.groupby('heightRange').count()D、為了正確顯示身高分組，需要增加修改：frame['heightRange']=round(frame['height'],-1)records1=frame.groupby('heightRange').count()E、為了正確顯示身高字符提示，需要增加修改：plt.pie(records1['ID'],labels=records1.index)F、為了正確顯示身高比例，需要增加修改：plt.pie(frame.groupby('height').count())正確答案:【顯示的餅圖為7等分#為了正確顯示身高分組，需要增加修改：frame['heightRange']=round(frame['height'],1)records1=frame.groupby('heightRange').count()#為了正確顯示身高字符提示，需要增加修改：plt.pie(records1['ID'],labels=records1.index)】8、問題：繪制不同出生年學(xué)生人數(shù)的柱狀圖，給出代碼如下：#coding:utf-8importpandasaspdimportmatplotlib.pyplotaspltfromdatetimeimportdatetimedata={'ID':['000001','000002','000003','000004','000005','000006','000007'],'name':['黎明','趙怡春','張富平','白麗','牛玉德','姚華','李南'],'gender':[True,False,True,False,True,False,True],'birthday':[datetime(2004,10,1),datetime(2000,11,27),datetime(2002,1,29),datetime(2002,8,27),datetime(2003,3,14),datetime(2002,12,17),datetime(2004,4,12)],'height':[1.88,1.78,1.81,1.86,1.74,1.75,1.76]}frame=pd.DataFrame(data)frame.set_index('birthday',inplace=True)results1=frame.groupby(frame.index.year).count()plt.bar(results1.index,results1['ID'])plt.show()請問下面的說法正確的有：選項：A、修改創(chuàng)建results1的語句為：frame=pd.DataFrame(data)results1=frame.groupby(frame['birthday'].dt.year).count()plt.bar(results1.index,results1['ID'])plt.show()功能不變B、修改創(chuàng)建results1的語句為：frame=pd.DataFrame(data)results1=frame.groupby(frame['birthday'].dt.year).count()results1.reset_index(inplace=True)plt.bar(results1['birthday'].dt.year,results1['ID'])plt.show()運行有問題，原因在于繪制柱狀圖獲取生日列時無法區(qū)分是索引生日還是列生日C、修改創(chuàng)建results1的語句為：frame=pd.DataFrame(data)results1=frame.groupby(frame['birthday'].dt.year).count()results1.reset_index(inplace=True)plt.bar(results1['birthday'].dt.year,results1['ID'])plt.show()運行有問題，原因在于還原results1索引時產(chǎn)生了兩個生日列（重名）D、修改創(chuàng)建results1的語句為：frame=pd.DataFrame(data)frame=frame.set_index('birthday')results1=frame.groupby(frame['birthday'].dt.year).count()results1.reset_index(inplace=True)plt.bar(results1['birthday'].dt.year,results1['ID'])plt.show()運行有問題，原因在于獲取frame生日列時無法訪問生日列E、修改創(chuàng)建results1的語句為：frame=pd.DataFrame(data)frame=frame.set_index('birthday')results1=frame.groupby(frame.index.year).count()results1.reset_index(inplace=True)plt.bar(results1['birthday'].year,results1['ID'])plt.show()運行有問題，原因在于繪制柱狀圖時無法獲取生日列的年份正確答案:【修改創(chuàng)建results1的語句為：frame=pd.DataFrame(data)results1=frame.groupby(frame['birthday'].dt.year).count()plt.bar(results1.index,results1['ID'])plt.show()功能不變#修改創(chuàng)建results1的語句為：frame=pd.DataFrame(data)results1=frame.groupby(frame['birthday'].dt.year).count()results1.reset_index(inplace=True)plt.bar(results1['birthday'].dt.year,results1['ID'])plt.show()運行有問題，原因在于還原results1索引時產(chǎn)生了兩個生日列（重名）#修改創(chuàng)建results1的語句為：frame=pd.DataFrame(data)frame=frame.set_index('birthday')results1=frame.groupby(frame['birthday'].dt.year).count()results1.reset_ind