數(shù)據(jù)采集與處理-復(fù)習思考題與答案-3-Numpy與Pandas基礎(chǔ)

《數(shù)據(jù)采集與處理：基于Python》復(fù)習思考題、習題與答案第三章Numpy與Pandas基礎(chǔ)1、計算numpy中元素個數(shù)的方法是?A、np.sqrt()B、np.size()C、np.identityD、np.len()答案：B2、已知c=np.arange(16).reshape(2,4,2)那么c.sum(axis=0)所得的結(jié)果為?A、array([[12,16],[44,48],[76,80]])B、array([[1,5,9,13],[17,21,25,29],[33,37,41,45]])C、array([[24,27],[30,33],[36,39],[42,45]])D、array([[8,10],[12,14],[16,18],[20,22]])答案：D

解析：構(gòu)造數(shù)組為2個4*2數(shù)組,axis=0即求和是在第0維前后兩頁array上對應(yīng)元素求和,得到4*2的數(shù)組3、有數(shù)組n=np.arange(24).reshape(2,-1,2,2),n.shape的返回結(jié)果是什么?A、(2,3,2,2)B、(2,2,2,2)C、(2,4,2,2)D、(2,6,2,2)答案：A4、numpy中創(chuàng)建全為0的矩陣使用函數(shù)為?A、zeros.B、ones.C、empty.D、arange.答案：A5、numpy中向量轉(zhuǎn)成矩陣使用函數(shù)為?A、randomB、revalC、reshapeD、arange答案：C

解析：考察numpy函數(shù)功能6、在使用numpy時需要如何導(dǎo)入?A、不用導(dǎo)入,直接使用B、importnumpyasnpC、importsysD、importpandas答案：B

解析：考察numpy模塊名稱與導(dǎo)入方法7、importnumpyasnp;t1=np.arange(16).reshape((4,4)),如何將t1數(shù)組進行行列轉(zhuǎn)置?A、t1.TB、t1.transpose()C、t1.swapaxes(0,1)D、以上都對答案：D

解析：numpy多維數(shù)組的多種轉(zhuǎn)置方法8、對numpy生成的數(shù)組中,隨機選擇部分樣本,使用哪個函數(shù)?A、sample()B、select()C、choice()D、shuffle()答案：C

解析：choice(a[,size,replace,p]):從一維數(shù)組a中以概率p抽取元素,形成size形狀新數(shù)組,replace表示是否可以重用元素,默認為False9、下列numpy中哪個函數(shù)可以生成符合標準正態(tài)分布的數(shù)組?A、random.rand()B、random.randint()C、random.random()D、random.randn()答案：D

解析：考察numpy隨機數(shù)生成函數(shù)及區(qū)別10、importnumpyasnp;arr=np.arange(10).reshape((5,2))[:,0:-1:2],arr的值是?A、[[1],[2],[3],[4],[5]]B、[[5],[6],[7],[8],[9]]C、[[0],[2],[4],[6],[8]]D、所列結(jié)果都不對答案：C

解析：考察numpy數(shù)組重塑與切片操作11、使用numpy創(chuàng)建一個大小為10的零向量數(shù)組,函數(shù)形式為____。答案：zeros(10);np.zeros(10)12、使用numpy創(chuàng)建一個數(shù)組,使它的值為10到49,函數(shù)形式為____。答案：arange(10,50);arange(10,50,1);np.arange(10,50);

np.arange(10,50,1)13、5x3矩陣乘3x2矩陣,對應(yīng)結(jié)果的形狀是____。答案：(5,2);5x214、arr=np.arange(10),寫出獲取數(shù)組arr第3至第8個元素（注意3和8不是索引下標）的切片語句____。答案：arr[2:8]15、numpy中根據(jù)起止數(shù)據(jù)等間距地生成數(shù)組的函數(shù)是____。答案：linspace();np.linspace()16、numpy中能夠一次完成多個數(shù)組拼接的函數(shù)是____。答案：concatenate();np.concatenate()17、numpy生成的數(shù)組中,其元素數(shù)據(jù)類型____(必須相同/可以不同)。答案：必須相同18、TT=np.arange(4)-2,變量TT的值為____。答案：[-2-101];array([-2,-1,0,1]);[-2,-1,0,1];[-2,-1,0,1][-2-101];array([-2,-1,

0,

1]);[-2,-1,

0,

1];[-2,-1,0,1]19、TT=np.arange(4).mean(),變量TT的值為____。答案：1.520、numpy中讀取CSV文件的函數(shù)是____。答案：loadtxt();np.loadtxt()21、使用np.random.random創(chuàng)建一個10*10對象,并打印出其最大、最新元素和均值。

{答案：importnumpyasnp

a=np.random.random((10,10))

print(a.max(),a.min(),a.mean())

}22、使用numpy生成3行4列的數(shù)值為0至11之間整數(shù)的2維數(shù)組,然后使矩陣每行的數(shù)據(jù)減去該行的均值,并保持原來形狀,輸出結(jié)果。試寫出完整Python代碼。

{答案：importnumpyasnp

X=np.arange(12).reshape((3,4))

print("X=",X)

Y=X-X.mean(axis=1,keepdims=True)

print("Y=",Y)

}

解析：numpy.mean(a,axis,dtype,out,keepdims),axis=1:壓縮列,對各行求均值;keepdims=True表示維度縮減的軸在運算之后仍被保留23、創(chuàng)建一個長度為10的一維全為0的ndarray對象,第五個元素為1,并打印,寫出完整Python代碼.

{答案：importnumpyasnp

a=np.zeros((10,))

a[4]=1

print(a)

}24、給定數(shù)組[1,2,3,4,5],如何得到在這個數(shù)組的每個元素之間插入3個0后的新數(shù)組?試使用numpy模塊寫出完整Python代碼.

{答案：importnumpyasnp

nd1=np.arange(1,6)

nd2=np.zeros(shape=17,dtype=int)

nd2[::4]=nd1

}25、創(chuàng)建一個5*3隨機矩陣和一個3*2的元素值為0~100之間隨機整數(shù)的矩陣,求矩陣積,打印結(jié)果。試用numpy模塊實現(xiàn)并寫出完整Python代碼.

{答案：importnumpyasnp

n1=np.random.randint(0,100,size=(5,3))

n2=np.random.randint(0,100,size=(3,2))

result=np.dot(n1,n2)

print("結(jié)果為",result)

}26、通過Numpy創(chuàng)建的數(shù)組與列表相比，有何異同？數(shù)據(jù)類型限制、存儲效率、運算效率、矩陣運算、算術(shù)運算區(qū)別如乘法？答案：Numpy創(chuàng)建的數(shù)組，其元素數(shù)據(jù)類型都是相同的，而列表則可以不同，這導(dǎo)致列表的存儲效率和運算效率都較低。Numpy數(shù)組支持矩陣運算，而列表不支持；在算術(shù)運算上也有區(qū)別，對于乘法運算，列表是對元素進行復(fù)制，而Numpy數(shù)組則是針對其上的每個元素進行乘法算術(shù)運算27、Numpy創(chuàng)建數(shù)組的函數(shù)arange()、linspace()、logspace()各有什么作用？答案：arange函數(shù)類似于python的range函數(shù)，通過指定開始值、終值和步長來創(chuàng)建一維數(shù)組，注意數(shù)組不包括終值linspace函數(shù)通過指定開始值、終值和元素個數(shù)來創(chuàng)建一維數(shù)組，可以通過endpoint關(guān)鍵字指定是否包括終值，缺省設(shè)置是包括終值logspace函數(shù)和linspace類似，不過它創(chuàng)建等比數(shù)列，起始位和終止位代表的是10的冪（默認基數(shù)為10），如果想要改變基數(shù)，則需要修改其默認基數(shù)，輸入有第四個參數(shù)base，改變其值即可。28、Numpy存取元素的方法都有哪些？存取后的變量與原始數(shù)組是否共享數(shù)據(jù)空間，分不同情況么？答案：Numpy存取元素的方法有多種，如：1）用整數(shù)作為下標可以獲取數(shù)組中的某個元素；2）用范圍作為下標獲取數(shù)組的一個切片，符號使用“:”，形式為[起點:終點:步長]，下標可以使用負數(shù)，表示從數(shù)組后往前數(shù)，缺省范圍為左閉右開。通過下標范圍獲取的新的數(shù)組是原始數(shù)組的一個視圖，即與原始數(shù)組共享同一塊數(shù)據(jù)空間；3）使用整數(shù)序列。當使用整數(shù)序列對數(shù)組元素進行存取時，將使用整數(shù)序列中的每個元素作為下標，整數(shù)序列可以是列表或者數(shù)組。使用整數(shù)序列作為下標獲得的數(shù)組不和原始數(shù)組共享數(shù)據(jù)空間；4）使用布爾數(shù)組。當使用布爾數(shù)組b作為下標存取數(shù)組x中的元素時，將收集數(shù)組x中所有在數(shù)組b中對應(yīng)下標為True的元素。使用布爾數(shù)組作為下標獲得的數(shù)組不和原始數(shù)組共享數(shù)據(jù)空間，注意這種方式只對應(yīng)于布爾數(shù)組，不能使用布爾列表29、Numpy的any()和all()方法有何作用和區(qū)別？答案：數(shù)組的any()或all()方法。只要數(shù)組中有一個值為True，則any()返回True；而只有數(shù)組的全部元素都為True，all()才返回True30、Numpy的兩個數(shù)組的shape不同的話，如何進行算術(shù)運算？答案：使用ufunc函數(shù)對兩個數(shù)組進行計算時，ufunc函數(shù)會對這兩個數(shù)組的對應(yīng)元素進行計算，因此它要求這兩個數(shù)組有相同的大小(shape相同)。如果兩個數(shù)組的shape不同的話，會進行如下的廣播(broadcasting)處理：1.讓所有輸入數(shù)組都向其中shape最長的數(shù)組看齊，shape中不足的部分都通過在前面加1補齊。2.輸出數(shù)組的shape是輸入數(shù)組shape的各個軸上的最大值。3.如果輸入數(shù)組的某個軸和輸出數(shù)組的對應(yīng)軸的長度相同或者其長度為1時，這個數(shù)組能夠用來計算，否則出錯。4.當輸入數(shù)組的某個軸的長度為1時，沿著此軸運算時都用此軸上的第一組值。31、Numpy數(shù)組的拼接方法都有哪些？簡單介紹答案：Python中numpy數(shù)組的合并有很多方法，如：1）np.append()。用于合并兩個數(shù)組。該函數(shù)返回一個新數(shù)組，原始數(shù)組保持不變.函數(shù)語法為：numpy.append(arr,values,axis=None).axis：該軸指定沿其附加值的軸。如果未提供軸，則將兩個陣列展平;values:值是類似數(shù)組的對象，并附加到“arr”元素的末尾2）np.concatenate()。參數(shù)為要連接的數(shù)組對象和指定連接的軸axis。axis=1進行水平組合，axis=0進行垂直組合3）np.stack()。把數(shù)組給堆疊起來，函數(shù)原型為：stack(arrays,axis=0)，arrays可以傳數(shù)組和列表。axis=1進行水平組合，即水平(按列順序)將數(shù)組進行堆疊；axis=0進行垂直組合4）np.hstack()。參數(shù)為要連接的數(shù)組對象，進行水平組合5）np.vstack()。參數(shù)為要連接的數(shù)組對象，進行垂直組合6）np.dstack()。深度組合：沿著縱軸方向組合其中最泛用的是第一個和第二個。第一個可讀性好，比較靈活，但是占內(nèi)存大。第二個則沒有內(nèi)存占用大的問題32、Pandas中DataFrame對象調(diào)用描述性統(tǒng)計方法describe,對數(shù)值型的列數(shù)據(jù)會輸出哪些統(tǒng)計結(jié)果，而對類別或文本型的列數(shù)據(jù)又會輸出哪些統(tǒng)計結(jié)果答案：數(shù)值型數(shù)據(jù)列的描述性統(tǒng)計，會輸出針對數(shù)據(jù)的統(tǒng)計信息，如均值、標準差、中值、最小值、最大值及四分位統(tǒng)計值等；而類別或文本型列數(shù)據(jù)的描述性統(tǒng)計，其結(jié)果包括count（計數(shù)）、unique（唯一值個數(shù)）、top（出現(xiàn)頻率最高的值）、freq（頻率最高值的頻度）等。33、簡述pandas數(shù)據(jù)對象Series和DataFrame的算數(shù)運算的對齊機制答案：pandas可以對不同索引的對象進行算術(shù)運算，如果存在不同的索引對，結(jié)果的索引就是該索引對的并集。sereis相加會自動進行數(shù)據(jù)對齊操作，在不重疊的索引處會使用NA(NaN)值進行填充，series進行算術(shù)運算的時候，不需要保證series的大小一致。dataFrame相加時，對齊操作需要行和列的索引都重疊的時候才會相加，否則會使用NA值進行填充。使用add方法對兩個series進行相加的時候，設(shè)置fill_value的值是對于不存在索引的series用指定值進行填充后再進行相加。除了加法add，還有sub減法,div除法,mul乘法，使用方式與add相同。DataFrame與series一樣。34、簡述Pandas中的兩類數(shù)據(jù)結(jié)構(gòu)Series和DataFrame的特點與作用？答案：Series是一維標記數(shù)組，可以存儲任意數(shù)據(jù)類型，如整型、字符串、浮點型和Python對象等，軸標一般指索引。DataFrame是二維標記數(shù)據(jù)結(jié)構(gòu)，列可以是不同的數(shù)據(jù)類型。它是最常用的pandas對象，像Series一樣可以接收多種輸入：lists、dicts、series和DataFrame等。初始化對象時，除了數(shù)據(jù)還可以傳index和columns這兩個參數(shù)。Series兼具Numpy數(shù)組的特點，運算效率高，支持對元素的成批量運算，但相比Numpy數(shù)組，還支持自動對齊的計算，并提供了多種函數(shù)支持數(shù)據(jù)的讀入、處理、分析等功能；特別是DataFrame，支持多種數(shù)據(jù)源的讀入，特別是對關(guān)系數(shù)據(jù)庫的訪問和數(shù)據(jù)處理，非常高效。35、簡述Pandas中DataFrame與Numpy中二維數(shù)組的檢索方法的異同答案：對于DataFrame對象，其只有直接的df[][]索引和ndarray不一樣，此時DataFrame先索引的是列，而不是行，也沒有df[i,j]的索引方法，但是對于切片索引以及df.iloc的索引方法，和ndarray完全一樣；此外，DataFrame還有df.loc的標簽索引方法。首先對于ndarray，如二維的ndarray對象arr，則arr[i]和arr[i][j](等價于arr(i,j))都可以表示索引，其中arr[i]表示行索引，arr[i][j]表示有順序的先進行第一個維度的索引（即行），再進行第二個維度的索引（即對應(yīng)的行中的元素）。對于DataFrame，如一個DataFrame對象df.雖然同ndarray類似，都有類似的索引方式，但是直接索引的內(nèi)容卻不一樣，比如df['a']得到第一列，這里不同于arr[i]，對于DataFrame對象，直接的df[i]索引，得到的是第i+1列，而不是第i+1行。當進行切片索引的時候，比如重新定義df，切片索引又同ndarray一樣，df[:2]得到前兩行，而不是前兩列；df[:][:1]得到第一列。故在切片索引的時候，又和ndarray一樣了。此外，DataFrame對象還有索引方法df.iloc[]和df.loc[]，前者是對index和columns為整數(shù)時的所以，后者是對index和columns為其他標簽時的索引；對于df.iloc[]，其索引方式和ndarray完全一樣，既可以以df.iloc[i][j]的方式索引，也可以以df.iloc[i,j]的方式索引，當然也可以直接的df.iloc[i]的方式索引。因此，對于DtaFrame對象，其只有直接的df[][]索引和ndarray不一樣，此時DataFrame先索引的是列，而不是行，也沒有df[i,j]的索引方法，但是對于切片索引以及df.iloc的索引方法，和ndarray完全一樣；此外，DataFrame還有df.loc的標簽索引方法。36、執(zhí)行importpandasaspd;obj=pd.Series(range(4),index=['a','b','c','d']);

obj[obj<1];輸出結(jié)果為A、a0B、b1C、b0D、c2答案：A37、一個含有具體數(shù)據(jù)和空值的DataFrame數(shù)據(jù)對象df，執(zhí)行df1=df.dropna(inplace=True)后：A、df1和df一樣，都是刪除了空值的結(jié)果B、df1為None，df為刪除了空值的結(jié)果C、df1為刪除了空值的結(jié)果，df不變D、df1為df操作前的值，df為刪除了空值的結(jié)果答案：B38、obj=pd.Series(['c','a','d','a','a','b','b','c','c']),運行

list(obj.unique())返回結(jié)果為答案：['c','a','d','b']39、importpandasaspd;data=pd.DataFrame({'k1':['one','two']*3+['two'],'k2':[1,1,2,3,3,4,4]});檢索data中數(shù)值'two'的方法為：A、data.k1[1]B、data.loc[1,'k1']C、data.iloc[1,0]D、以上方法都正確答案：D40、importpandasaspd;data=pd.DataFrame({'k1':['one','two']*3+['two'],'k2':[1,1,2,3,3,4,4]});執(zhí)行data.k2.sum()返回結(jié)果為：答案：1841、由于數(shù)據(jù)類型和維度不同，Pandas的DataFrame對象和Series之間不能進行算數(shù)運算答案：錯誤

42、對于一個含有空值的DataFrame對象df，執(zhí)行df.fillna(0,inplace=True)后,df中的空值填充為0，并且返回修改后的結(jié)果答案：錯誤43、不設(shè)置index和columns參數(shù)，基于一個多維數(shù)組使用pandas的DataFrame函數(shù)創(chuàng)建對象df，使用loc和iloc方法對df中數(shù)據(jù)進行檢索的形式是相同的答案：正確44、一個DataFrame對象，調(diào)用其drop_duplicates()函數(shù)后，僅保留重復(fù)行中的最后一行答案：錯誤45、對一個DataFrame對象調(diào)用其mean()方法，缺省執(zhí)行的操作是axis等于答案：046、對于包含多個列的DataFrame，調(diào)用其無參數(shù)的describe()函數(shù)后，僅返回數(shù)據(jù)類型為數(shù)值的列的描述性統(tǒng)計信息答案：正確47、對于兩個columns完全相同的DataFrame，將其中一個的所有記錄追加到另一個對象，可使用函數(shù)答案：append();append;concat();concat48、兩個有相同和不同columns的DataFrame，如果要合并兩者的所有屬性和對應(yīng)記錄行，可使用如下方法A、join()B、merge()C、join()和merge()方法都可以D、沒法合并答案：C

解析：49、importpandasaspd,numpyasnp;

pd.DataFrame(np.arange(10,25).reshape(3,5)).ndim返回值為：答案：250、Dataframe之間的連接方法有哪些？答案：Pandas提供了大量的方