Python數(shù)據(jù)挖掘智慧樹知到期末考試答案章節(jié)答案2024年青島大學(xué)

Python數(shù)據(jù)挖掘智慧樹知到期末考試答案+章節(jié)答案2024年青島大學(xué)關(guān)于文件打開函數(shù)open(filename，mode)的說法正確的為：()

答案:b為二進(jìn)制模式，可與其他模式組合使用;a為追加模式，不覆蓋文件中原有內(nèi)容;w為寫模式，如果文件已存在，先清空原有內(nèi)容;r為讀模式（默認(rèn)，可?。绻募淮嬖趧t拋出異常下面關(guān)于字典數(shù)據(jù)類型，說法正確的為：()

答案:若dict是一個字典，則dict.pop(key)表示返回key對應(yīng)的值，同時刪除鍵值對;若dict是一個字典，則deldict表示刪除該字典;若dict是一個字典，則dict.clear()代表清空字典所有條目;若dict是一個字典，則dict.pop(‘013’,’nostudent’)表示刪除字典中鍵為’013’對應(yīng)的值，若沒有該鍵，則提示’nostudent’設(shè)aset為集合數(shù)據(jù)類型，下面說法正確的為：()

答案:aset.add(e)表示將元素e加入到aset集合中;aset.pop()表示刪除aset中第一個元素;aset.clear()表示刪除aset中的所有元素，只?？占?aset.discard(e)表示將aset中存在的元素e移除

答案:fun(3,2);fun(3)

答案:b=1/2/a;b=1/(2*a)

答案:print(“Theaveragenumberis”,ave(765,98));z=ave(x,y)print(“Theaveragenumberis”,z);z=ave(765,98)print(“Theaveragenumberis”,z);print(“Theaveragenumberis”,ave(x,y))在scikit-learn中，BIRCH類的重要參數(shù)不多,以下對其參數(shù)描述正確的是：()

答案:branching_factor：即CFTree內(nèi)部節(jié)點(diǎn)的最大CF數(shù)B，以及葉子節(jié)點(diǎn)的最大CF數(shù)L。;n_clusters：即類別數(shù)K，在BIRCH算法是可選的，如果類別數(shù)非常多，我們也沒有先驗(yàn)知識，則一般輸入None。;threshold:即葉節(jié)點(diǎn)每個CF的最大樣本半徑閾值T。隨機(jī)生成100個[0,100]范圍內(nèi)的自然數(shù)，存入列表a中，將包含的數(shù)字從小到大排列后輸出，同種元素只輸出一次，需要執(zhí)行如下代碼：(1)sorted(a)(2)a=set(a)(3)Importrandom()(4)random.randint(0,100)請問代碼的執(zhí)行的先后順序應(yīng)該為：()

答案:(3)(4)(2)(1)決策樹中不包含以下哪種節(jié)點(diǎn)。()

答案:外部節(jié)點(diǎn)（externalnode）設(shè)有列表變量a=[1,2,3,4,5]，切片操作a[::-1]的結(jié)果為：()

答案:[5,4,3,2,1]設(shè)有字符串變量s=“aaaassddfaaa”，執(zhí)行s.rstrip(‘a(chǎn)’)的結(jié)果為：()

答案:“aaaassddf”

答案:11關(guān)于random庫，下面說法正確的為：()

答案:randint(a,b)函數(shù)能夠生成一個[a,b]之間的整數(shù)

答案:fun()

答案:18對于任一個頻繁項(xiàng)集X和它的一個非空真子集Y，S=X-Y，規(guī)則S→Y成立的條件是（）。

答案:confidence(Y→S)＜minconf設(shè)有字符串變量s1=“Chinese”和s2=“China”,執(zhí)行print(s1＜s2)的運(yùn)行結(jié)果為：()

答案:False數(shù)據(jù)挖掘的主要任務(wù)是從數(shù)據(jù)中發(fā)現(xiàn)潛在的規(guī)則，從而能更好的完成數(shù)據(jù)描述、預(yù)測數(shù)據(jù)等任務(wù)。()

答案:對定量屬性可以是整數(shù)值或者是連續(xù)值（）

答案:對使用for循環(huán)的時候，避免step=0的情況出現(xiàn)。()

答案:對在結(jié)構(gòu)化數(shù)據(jù)中進(jìn)行關(guān)聯(lián)分析發(fā)現(xiàn)其中的頻繁模式和關(guān)聯(lián)規(guī)則。對于取值連續(xù)的屬性，首先將其離散化，然后將每個取值區(qū)間作為一個值，繼而轉(zhuǎn)化為“屬性=值”的形式。（）

答案:對random庫采用梅森旋轉(zhuǎn)算法產(chǎn)生各種分布的偽隨機(jī)數(shù)序列?？捎糜诔S機(jī)性要求更高的加解密算法外的大多數(shù)工程應(yīng)用。()

答案:對編寫Python程序時，使用函數(shù)，可以使得程序結(jié)構(gòu)清晰，可讀性好。()

答案:對OPTICS算法僅存儲了每個對象的核心距離。（）

答案:錯控制for循環(huán)的變量i是自動變化的，不需要在循環(huán)中人為改變。()

答案:對while循環(huán)比for循環(huán)更通用。()

答案:對字典的鍵是唯一的，但值未必唯一。()

答案:對

答案:啤酒牛奶;啤酒面包以下屬于聚類算法的是：（）

答案:K均值;DBSCAN;OPTICS

答案:fun(a=8,b=5);fun(a=8,c=6)

答案:fun(c=8);fun(a=8);fun(a=8,b=8);fun(c=9,b=8)以下哪些是屬于中心趨勢的度量（）。

答案:中位數(shù);平均值設(shè)有列表變量a=[1,2,3,4,5]，b=[5,4,3,2,1]，執(zhí)行a+b的運(yùn)算結(jié)果為：()

答案:[1,2,3,4,5,5,4,3,2,1]關(guān)于k-means算法，正確的描述是：（）

答案:初始值不同，最終結(jié)果可能不同哪項(xiàng)關(guān)于決策樹的說法是錯誤的：()

答案:決策樹算法對于噪聲的干擾非常敏感中心趨勢度量模（mode）是指:（）

答案:數(shù)據(jù)集中出現(xiàn)頻率最高的值?給定df是一個DataFrame對象，對df所有字段進(jìn)行描述性統(tǒng)計(jì)，可以利用的方法為（）。

答案:df.describe()設(shè)有字符串變量s1=“pan”和s2=“panel”,兩個字符串較大的為：()

答案:panel樸素貝葉斯算法在對屬性個數(shù)比較多或者屬性之間相關(guān)性較大時，分類效果更好。（）

答案:錯逐層發(fā)現(xiàn)算法Apriori發(fā)現(xiàn)頻繁項(xiàng)集的過程是按照項(xiàng)集的長度由大到小逐級進(jìn)行的。（）

答案:錯列表是可變對象，但字符串和元組是不可變對象。()

答案:對int，float，str等是可變對象。()

答案:錯設(shè)tu為一個元組，下面的說法正確的為：()

答案:len(tu)表示統(tǒng)計(jì)元組tu中所有元素的個數(shù);tu.count(x)表示統(tǒng)計(jì)元組tu中x的個數(shù)設(shè)a=254.783629，b=98，能夠?qū)和b打印為寬度為8，實(shí)數(shù)的小數(shù)點(diǎn)后面保留兩位的正確代碼為：()

答案:print('a=',format(a,'8.2f'),'b=',format(b,'8d'));print(“a=%8.2f,b=%8d”%(a,b))樸素貝葉斯算法的主要缺點(diǎn)包括：（）

答案:雖然理論上、樸素貝葉斯模型與其他分類方法相比具有最小的誤差率。但是實(shí)際上并非總是如此，這是因?yàn)闃闼刎惾~斯模型給定輸出類別的情況下,假設(shè)屬性之間相互獨(dú)立，這個假設(shè)在實(shí)際應(yīng)用中往往是不成立的，在屬性個數(shù)比較多或者屬性之間相關(guān)性較大時，分類效果不好。而在屬性相關(guān)性較小時，樸素貝葉斯性能最為良好。對于這一點(diǎn)，有半樸素貝葉斯之類的算法通過考慮部分關(guān)聯(lián)性適度改進(jìn)。;事先并不知道先驗(yàn)概率，先驗(yàn)概率很多時候取決于假設(shè)，假設(shè)的模型可以有很多種，因此在某些時候會由于假設(shè)的先驗(yàn)?zāi)Ｐ偷脑驅(qū)е骂A(yù)測效果不佳。;由于我們是通過先驗(yàn)和數(shù)據(jù)來決定后驗(yàn)的概率從而決定分類，所以分類決策存在一定的錯誤率。;對輸入數(shù)據(jù)的表達(dá)形式很敏感。執(zhí)行Python程序：3notin[1,2,3,4]，其返回值為：()

答案:False設(shè)列表students=[[‘Zhang’,84],[‘Wang’,77],[‘Li’,100],[‘Zhao’,53]]，執(zhí)行students[1]的運(yùn)行結(jié)果為：()

答案:[‘Wang’,77]定義一個集合s={1,2,3,2,3,1,2,2}，執(zhí)行print(s)的運(yùn)行結(jié)果不可能為：()

答案:{1,1,2,2,2,2,3,3}

答案:fun(c=8)OPTICS算法屬于下列那一項(xiàng)：（）

答案:聚類。Bayes法是一種在已知后驗(yàn)概率與類條件概率的情況下的模式分類方法，待分樣本的分類結(jié)果取決于各類域中樣本的全體。()

答案:錯函數(shù)的位置參數(shù)可以按照參數(shù)名指定，采用鍵值參數(shù)的方式傳參。()

答案:對從點(diǎn)作為個體簇開始，每一步合并兩個最近的簇，這是一種分裂的層次聚類方法。()

答案:錯打印出10以內(nèi)所有的正偶數(shù)的代碼為：()

答案:數(shù)據(jù)挖掘的預(yù)測建模任務(wù)主要包括哪幾大類問題：（）

答案:分類;回歸下列選項(xiàng)中關(guān)于OPTICS算法說法正確的是：（）

答案:OPTICS算法的提出就是為了幫助DBSCAN算法選擇合適的參數(shù)，降低輸入?yún)?shù)的敏感度;OPTICS算法是一種基于高密度聯(lián)通區(qū)域的聚類算法，它將類簇定義為高密度相連點(diǎn)的最大集合。;OPTICS算法的目的就是要過濾低密度區(qū)域，發(fā)現(xiàn)稠密樣本點(diǎn)。樸素貝葉斯信念網(wǎng)絡(luò)(BBN)有如下哪些特點(diǎn)：（）

答案:構(gòu)造網(wǎng)絡(luò)費(fèi)時費(fèi)力;對模型的過分問題非常魯棒設(shè)字典contacts={‘Fred’：’7235591’,‘Mary’：’3841212’,‘Bob’：’3841212’,‘Sarah’：’2213278’}，輸出字典中所有的鍵的代碼為：()

答案:print(contacts.keys)卡方測試用來度量離散標(biāo)稱屬性數(shù)據(jù)的相關(guān)性。（）

答案:對為了克服使用全局參數(shù)的缺點(diǎn)，Optics算法并不顯示的產(chǎn)生結(jié)果類簇，而是為聚類分析生成一個簇排序（）

答案:對字符串、列表和元組都為序列類型。()

答案:錯采用決策樹分類算法，連續(xù)數(shù)據(jù)可做如下處理：（）

答案:連續(xù)數(shù)據(jù)離散化;選擇最佳劃分點(diǎn)分裂

答案:a，b為全局變量;程序的運(yùn)行結(jié)果為18;x,y為局部變量用Python語言編寫：計(jì)算前n個數(shù)之和并顯示結(jié)果，下面代碼是正確的為：()

答案:下列屬于ID3算法的缺點(diǎn)的是：（）

答案:ID3算法不能處理具有連續(xù)值的屬性;算法會生成很深的樹，容易產(chǎn)生過擬合現(xiàn)象;ID3算法不能處理屬性具有缺失值的樣本;算法一般會優(yōu)先選擇有較多屬性值的特征，因?yàn)閷傩灾刀嗟奶卣鲿邢鄬^大的信息增益，但這里的屬性并不一定是最優(yōu)的下面關(guān)于數(shù)學(xué)函數(shù)庫math，說法正確的為：()

答案:math.gcd(x,y)將返回x與y的最大公約數(shù);math.sqrt(x)將返回x的平方根;math.floor(x)將返回不大于x的最大整數(shù);math.ceil(x)將返回不小于x的最小整數(shù)給定字符串s，下面函數(shù)能夠?qū)⒆址畇反向顯示的為：()

答案:根據(jù)一個人的年齡age判斷其是否為老年、中年、青年，并輸出的代碼正確的為：()

答案:數(shù)據(jù)清洗的主要目的是將數(shù)據(jù)集中存在的什么問題進(jìn)行處理，降低其對后續(xù)數(shù)據(jù)分析處理的影響。()

答案:缺失;最大值設(shè)lst為一個列表，下面的說法正確的為：()

答案:lst.append(x)表示將元素x添加至列表lst尾部;lst.extend(x)表示將列表x中所有元素添加至列表lst尾部;lst.remove(x)表示在列表lst中刪除首次出現(xiàn)的指定元素，該元素之后的所有元素前移一個位置下面描述正確的為：()

答案:s.partition(p)表示用從左到右碰到的第一個字符p將字符串s分割為三部分;s.rpartition(p)表示用從右到左碰到的第一個字符p將字符串s分割為三部分找出100以內(nèi)能被15整除的最大正整數(shù)的代碼為：()

答案:簡單的將數(shù)據(jù)對象集劃分成不重疊的子集，使得每個數(shù)據(jù)對象恰在一個子集中，這種聚類類型稱作。()

答案:劃分聚類設(shè)有字符串變量s=”\n\tabcd109\n“，執(zhí)行s.strip()的結(jié)果為：()

答案:”abcd109”以下哪個聚類算法不屬于基于網(wǎng)格的聚類算法：（）

答案:BIRCH閱讀下面程序：a=‘hello’+’world’print(a)運(yùn)行以上代碼的結(jié)果為：()

答案:helloworld查看十進(jìn)制數(shù)字96的二進(jìn)制數(shù)，可采用如下方法：()

答案:bin(96)K-Means算法中的初始中心點(diǎn)：（）

答案:直接影響算法的收斂結(jié)果假設(shè)12個銷售價格記錄組已經(jīng)排序如下：5,10,11,13,15,35,50,55,72,92,204,215使用如下每種方法將它們劃分成四個箱。等頻（等深）劃分時，15在第幾個箱子內(nèi)？（）

答案:第二個

答案:IloveChinaNone設(shè)列表lst=[1,3,5,7,9],執(zhí)行result=[xforxinaifx＞5]的結(jié)果為：()

答案:[7,9]高維數(shù)據(jù)表達(dá)的含義是：（）

答案:數(shù)據(jù)屬性很多設(shè)X={1,2,3}是頻繁項(xiàng)集，則可由X產(chǎn)生個關(guān)聯(lián)規(guī)則。()

答案:6設(shè)列表students=[[‘Zhang’,84],[‘Wang’,77],[‘Li’,100],[‘Zhao’,53]]，執(zhí)行l(wèi)en(students)的運(yùn)行結(jié)果為：()

答案:4哪個算法和樸素貝葉斯算法類似。（）

答案:C4.5在多層次關(guān)聯(lián)規(guī)則分析中，如果將商品進(jìn)行歸類，每一商品類別的支持度會（）其包含的每個商品的支持度，從而有利于發(fā)現(xiàn)一些有意義的頻繁模式或關(guān)聯(lián)規(guī)則。（）

答案:等于使用函數(shù)有利于封裝與信息隱藏。()

答案:對相關(guān)系數(shù)用來度量標(biāo)稱屬性數(shù)據(jù)的相關(guān)性（）

答案:錯聚類（clustering）是這樣的過程：它找出描述并區(qū)分?jǐn)?shù)據(jù)類或概念的模型（或函數(shù)），以便能夠使用模型預(yù)測類標(biāo)記未知的對象類。()

答案:錯給定最小支持度閾值minsup，一個頻繁項(xiàng)集的所有非空子集都是頻繁的。（）

答案:對BIRCH算法利用了一個樹結(jié)構(gòu)來幫助我們快速的聚類，這個數(shù)結(jié)構(gòu)類似于平衡B+樹，一般將它稱之為聚類特征樹（）

答案:對在決策樹中，隨著樹中結(jié)點(diǎn)數(shù)變得太大，即使模型的訓(xùn)練誤差還在繼續(xù)減低，但是檢驗(yàn)誤差開始增大，這是出現(xiàn)了模型擬合不足的問題。（）

答案:錯決策樹方法通常用于關(guān)聯(lián)規(guī)則挖掘。()

答案:錯如果一個對象不強(qiáng)屬于任何簇，那么該對象是基于聚類的離群點(diǎn)。（）

答案:對具體來講，若一個項(xiàng)集X的支持度大于用戶給定的一個最小支持度閾值，則X被稱為頻繁項(xiàng)集（或頻繁模式）。（）

答案:對元組可以像列表一樣，采用切片的方式訪問。()

答案:對不同于貝葉斯算法，決策樹的構(gòu)造過程不依賴領(lǐng)域知識，它使用屬性選擇度量來選擇將元組最好地劃分成不同的類的屬性。（）

答案:對關(guān)聯(lián)規(guī)則挖掘過程是發(fā)現(xiàn)滿足最小支持度的所有項(xiàng)集代表的規(guī)則。()

答案:錯for循環(huán)適用于已知起止值和步長的循環(huán)范圍（range）。()

答案:對尋找模式和規(guī)則主要是對數(shù)據(jù)進(jìn)行干擾，使其符合某種規(guī)則以及模式。()

答案:錯函數(shù)的鍵值參數(shù)必須出現(xiàn)在默認(rèn)值參數(shù)之后。()

答案:對OPTICS聚類方法需要每個對象p都計(jì)算核心距離與可達(dá)距離。()

答案:對OPTICS聚類算法不需要設(shè)置鄰域半徑Eps和最小密度閾值MinPts。()

答案:錯OPTICS不顯示產(chǎn)生的結(jié)果簇，而是對所有樣本按照距離稠密區(qū)域的可達(dá)距離進(jìn)行升序排序。()

答案:對sklearn.cluster.DBSCAN方法的參數(shù)metric用于設(shè)置計(jì)算點(diǎn)之間距離的方法，默認(rèn)為歐氏距離。（）

答案:對劃分和層次聚類方法適合發(fā)現(xiàn)球狀簇。()

答案:對基于密度的聚類方法的主要策略是將簇看作數(shù)據(jù)空間中由低密度區(qū)域分隔開的高密度對象區(qū)域。()

答案:對DBSCAN聚類方法對輸入?yún)?shù)較為敏感．難以確定合適的參數(shù)半徑Eps與最小密度閾值MinPts。()

答案:對sklearn.cluster.DBSCAN方法的參數(shù)min_samples用于設(shè)置ε領(lǐng)域內(nèi)最少的樣本量。（）

答案:對層次聚類首先將每一個樣本點(diǎn)看成一類，然后通過測算不同樣本之間的相似性，來實(shí)現(xiàn)類之間的合并。()

答案:對sklearn.cluster.Birch方法的參數(shù)branching_factor用于設(shè)置葉子節(jié)點(diǎn)的最大樣本數(shù)L。（）

答案:對sklearn.cluster.Birch方法的參數(shù)threshold用于設(shè)置葉節(jié)點(diǎn)的最大樣本半徑閾值T。（）

答案:對在采用BIRCH層次聚類時，若某個葉子節(jié)點(diǎn)A中有兩個元素，分別為(1,2)和(3,2)，則節(jié)點(diǎn)A存放的聚類特征為：()

答案:(2,(4,4),(10,8))sklearn.cluster.Birch方法的參數(shù)branching_factor用于設(shè)置內(nèi)部節(jié)點(diǎn)的分支因子B。（）

答案:對sklearn.cluster.KMeans的參數(shù)init用于設(shè)置初始簇中心的獲取方法。默認(rèn)的‘k-means++’是用k-means++方法選定初始質(zhì)心。（）

答案:對聚類分析是依據(jù)樣本間關(guān)聯(lián)的度量標(biāo)準(zhǔn)將其自動分成幾個組，使同一組內(nèi)的樣本相似，而不同樣本相異。()

答案:對scikit-learn中包含傳統(tǒng)的K-Means算法和基于采樣的MiniBatchK-Means算法。（）

答案:對聚類分析常用明氏距離（閔可夫斯基距離）是用來測試樣本之間相似性。()

答案:對聚類分析可以作為其它算法的預(yù)處理步驟。()

答案:對sklearn.naive_bayes中包含GussianNB、MultinomialNB和BernoulliNB三種樸素貝葉斯分類器。（）

答案:對樸素貝葉斯分類采用假設(shè)類條件獨(dú)立的思想。()

答案:對給定包含{天氣，溫度，濕度，風(fēng)，適合打球}五個屬性的數(shù)據(jù)集如下：天氣溫度濕度風(fēng)適合打球陰熱高有是晴中低有否陰熱低有否晴中低有否陰中高有是請問：適合打球的先驗(yàn)概率，以及,適合打球條件下溫度=中的先驗(yàn)概率為：()

答案:0.4,0.5先驗(yàn)概率可以根據(jù)歷史資料或主觀估計(jì)的方法得到。()

答案:對GaussianNB的var_smoothing參數(shù)用于估計(jì)方差時，追求估計(jì)的穩(wěn)定性。（）

答案:對不適合作為隨機(jī)森林的投票機(jī)制的是：()

答案:多數(shù)服從少數(shù)sklearn.ensemble.RandomForestClassifier的參數(shù)n_estimators用于設(shè)置生成決策樹的個數(shù)。（）

答案:對隨機(jī)森林算法中使用的是CART二叉樹生成算法。()

答案:對每顆樹的分類強(qiáng)度越大，則隨機(jī)森林的分類性能越好。()

答案:對sklearn.cross_validation.cross_val_score的參數(shù)scoring用于設(shè)置調(diào)用的精度評價方法。（）

答案:對ID3算法能夠處理連續(xù)屬性。()

答案:錯ID3算法的計(jì)算指標(biāo)是：()

答案:信息增益下面對于C4.5算法的說法錯誤的是：()

答案:C4.5算法不能夠處理有缺失值的情況sklearn.tree.DecisionTreeClassifier的參數(shù)max_depth表示決策樹最大深度，模型樣本數(shù)量多，特征也多時，推薦限制這個最大深度。（）

答案:對sklearn.tree.DecisionTreeClassifier的參數(shù)criterion表示特征選擇指標(biāo)，有entropy和gini兩種取值，默認(rèn)為gini。（）

答案:對

答案:沒有頻繁2項(xiàng)集;沒有頻繁4項(xiàng)集;沒有頻繁3項(xiàng)集非頻繁項(xiàng)集的超級有可能是頻繁的。()

答案:錯Apriori算法是一種關(guān)聯(lián)規(guī)則挖掘技術(shù)。()

答案:對頻繁項(xiàng)集的子集也一定是頻繁的。()

答案:對設(shè)data為用pandas庫中用read_csv方法從文件中讀取的數(shù)據(jù)，丟棄數(shù)據(jù)data中含有空缺值的行，用dropna。（）

答案:對下面哪個庫適合于進(jìn)行數(shù)據(jù)預(yù)處理？()

答案:Pandas設(shè)data為用pandas庫中用read_csv方法從文件中讀取的數(shù)據(jù)，判斷數(shù)據(jù)data中是否有空缺值，用函數(shù)fillna。（）

答案:錯設(shè)data為用pandas庫中用read_csv方法從文件中讀取的數(shù)據(jù)，判斷數(shù)據(jù)data中哪些行有空缺值，用data.isnull。（）

答案:錯采用pandas庫中讀取數(shù)據(jù)，可以使用下面哪個方法實(shí)現(xiàn)？()

答案:read_csv()閱讀下面代碼importxlrddata=xlrd.open_workbook(‘a(chǎn).xls’)table=data.sheet_by_index(0)獲取表的行數(shù)，下面哪個選項(xiàng)是正確的。()

答案:table.nrows

答案:7輸入importNumpy，可以將Numpy庫導(dǎo)入并使用。()

答案:對x是pandas中定義的一個序列，那么x.append(‘2’)可以向這個序列追加一個元素。（）

答案:錯numpy中向量轉(zhuǎn)成矩陣使用（）。

答案:reshapenumpy中計(jì)算元素個數(shù)的方法是（）。

答案:np.size()numpy中創(chuàng)建全為0的矩陣使用（）。

答案:zeros如果要訪問dataframe中的第一行，下列代碼正確的是（）。

答案:df[1:2]想要打開一個文件，向里面寫數(shù)據(jù)，但還不想刪除以前文件里面的內(nèi)容，需要以什么模式打開？()

答案:a用readline()讀取文件時，如果讀到文件末尾，就返回一個空字符串。（）

答案:對readline()可以每次讀取多行。（）

答案:錯文件以‘r’模式打開成功，可以調(diào)用read()方法讀取文件內(nèi)容。（）

答案:對以r模式打開一個文件，使用完之后，可以不用執(zhí)行close()函數(shù)關(guān)閉文件。()

答案:錯字典的鍵可以用數(shù)字、字符串或列表充當(dāng)。（）

答案:錯初始化一個空的字典可以采用代碼：dic={}。()

答案:對字典的值可以是字符串、整數(shù)、字典等數(shù)據(jù)類型。（）

答案:對閱讀下面代碼：dict={‘010’:’劉芳’,’011’:’張平安’,’012’:’趙玲玲’}若想將’張平安’修改成’張平章’，下面哪個選項(xiàng)是正確的？()

答案:dict[‘011’]=’張平章’字典的值是通過鍵存取，而不是通過位置便宜存放。（）

答案:對刪除元組中的一個元素，可以使用pop函數(shù)。()

答案:錯可以使用del語句刪除整個元組。（）

答案:對兩個元組求和表示兩個元組連接，產(chǎn)生一個更多元素的元組。（）

答案:對初始化一個空的集合可以采用代碼：s={}。()

答案:錯元組中的元素是可以刪除的。（）

答案:錯列表中的元素用逗號分隔并放在一對中括號中。（）

答案:對列表中的數(shù)據(jù)是可以修改的。()

答案:對設(shè)列表X=[1,2,3]，向列表中增加一個元素4，下面哪個代碼是正確的？()

答案:X.append(4)閱讀下面代碼：a=[3,4,5,6,7,9,10]print(a[3::])上述代碼的運(yùn)行結(jié)果為：()

答案:[6,7,9,10]可以用列表名加元素序號訪問列表中的某個元素。（）

答案:對字符串在Python中是以單引號、雙引號括起來的字符來表示，其中’’或””不是字符串的一部分。（）

答案:對設(shè)字符串變量：path=‘C:\Windows\notepad.exe’執(zhí)行print(path)的結(jié)果為：()

答案:C:\Windowsotepad.exe瀏覽網(wǎng)頁的源碼上會有類似＜metacharset=”UTF-8”/＞的信息，表示該網(wǎng)頁為UTF-8編碼。（）

答案:對設(shè)有字符串變量s=“apple,peach,banana,peach,pear”下面哪個選項(xiàng)是查找字符‘p’在上面字符串中的最后位置。()

答案:s.rfind(‘p’)閱讀下面代碼：s=“Hello,我是中國人”print(s[1:6])運(yùn)行結(jié)果為：()

答案:ello,“\r”表示一個字符串，里面有一個反斜杠和一個字母r。（）

答案:錯網(wǎng)頁中漢字往往會顯示為？？？？？或者亂碼，這是因?yàn)樽址幋a方式不同引起的。（）

答案:對在函數(shù)內(nèi)部，可以調(diào)用其他函數(shù)。如果一個函數(shù)在內(nèi)部調(diào)用自身本身，這個函數(shù)就是遞歸函數(shù)。（）

答案:對采用遞歸結(jié)構(gòu)能夠使得蘊(yùn)含遞歸關(guān)系且結(jié)構(gòu)復(fù)雜的程序簡潔精煉，增加可讀性。()

答案:對遞歸函數(shù)的效率不高，遞歸層次過多會導(dǎo)致棧溢出。（）

答案:對遞歸函數(shù)的特性包含：（）

答案:每次進(jìn)入更深一層遞歸時，問題規(guī)模相比上次遞歸都應(yīng)有所減少;必須有一個明確的結(jié)束條件;相鄰兩次重復(fù)之間有緊密的聯(lián)系，通常前一次的輸出就作為后一次的輸入;遞歸效率不高，遞歸層次過多會導(dǎo)致棧溢出遞歸函數(shù)必須有一個明確的結(jié)束條件。（）

答案:對在Python中導(dǎo)入模塊module中的函數(shù)funchtion可采用哪些方法。（）

答案:從module中導(dǎo)入所有函數(shù)，格式為：frommoduleimport*;將整個module導(dǎo)入，格式為：importmodule;從module中導(dǎo)入函數(shù)function，格式為：frommoduleimportfunction已知構(gòu)建一個模塊Module，采用importModule導(dǎo)入后，若想使用該模塊中函數(shù)function()，可采用的調(diào)用方式為：（）

答案:Module.function()局部變量是指定義在函數(shù)體內(nèi)的變量，只能被本函數(shù)使用。（）

答案:對全局變量是指定義在函數(shù)體外的變量，也稱為公用變量。（）

答案:對global是被用來聲明全局變量的關(guān)鍵字。（）

答案:對鍵值參數(shù)的傳參方式可以任意順序指定參數(shù)