財(cái)務(wù)大數(shù)據(jù)基礎(chǔ)（第二版）技能訓(xùn)練參考答案匯 高翠蓮 項(xiàng)目6-10

項(xiàng)目六數(shù)據(jù)分析工具Pandas入門一、單選題1.下列選項(xiàng)中，描述不正確的是（A）A.Pandas只有Series和DataFrame這兩種數(shù)據(jù)結(jié)構(gòu)B.Series是一維的數(shù)據(jù)結(jié)構(gòu)C.DataFrame是二維的數(shù)據(jù)結(jié)構(gòu)D.Series和DataFrame都可以重置索引2.下列選項(xiàng)中，描述正確的是（B）A.Series是一維的數(shù)據(jù)結(jié)構(gòu)，其索引在右，數(shù)據(jù)在左B.DataFrame是二維的數(shù)據(jù)結(jié)構(gòu)，并且該結(jié)構(gòu)具有行索引和列索引C.Series結(jié)構(gòu)中的數(shù)據(jù)不可以進(jìn)行算術(shù)運(yùn)算D.Series對(duì)象只提供了index屬性3.下列選項(xiàng)中，描述不正確的是（A）A.Pandas只提供了讀取文本文件、Excel文件的函數(shù)B.從excel文件中讀入的數(shù)據(jù)系統(tǒng)自動(dòng)轉(zhuǎn)換成DataFrame對(duì)象C.read_excel()函數(shù)用來(lái)讀取Excel文件D.Pandas提供了將數(shù)據(jù)寫入到外部文件中的方法4.閱讀下面的程序，該程序執(zhí)行后的輸出結(jié)果為（B）importpandasaspddata=[[68,56,88],[86,52,71],[88,79,89]]df=pd.DataFrame(data,columns=['語(yǔ)文','數(shù)學(xué)','英語(yǔ)'])df['語(yǔ)文'][1]A.68B.86C.88D.報(bào)錯(cuò)5.使用上一題的數(shù)據(jù)集df，語(yǔ)句df.loc[1:2,'語(yǔ)文']執(zhí)行后的結(jié)果是（A）A.186288Name:語(yǔ)文,dtype:int64B.068186Name:語(yǔ)文,dtype:int64C.152279Name:語(yǔ)文,dtype:int64D.056152Name:語(yǔ)文,dtype:int64二、實(shí)操題實(shí)操題答案見(jiàn)“代碼”文件夾下“ch6”文件夾中的“項(xiàng)目六-技能訓(xùn)練-實(shí)操題.ipynb”。項(xiàng)目七統(tǒng)計(jì)計(jì)算與分組運(yùn)算一、單選題1.下列哪個(gè)函數(shù)不是Pandas的統(tǒng)計(jì)計(jì)算函數(shù)（D）A.mean()函數(shù)B.sum()函數(shù)C.max()函數(shù)D.print()函數(shù)2.下列選項(xiàng)中，哪個(gè)方法可以一次性輸出多個(gè)統(tǒng)計(jì)指標(biāo)？（C）A.mean()B.median()C.describe()D.sum()3.下列選項(xiàng)中，描述不正確的是（C）A.sort_index()函數(shù)專門用于按數(shù)據(jù)集的索引標(biāo)簽名進(jìn)行排序B.Pandas支持按行或列的索引名排序和按實(shí)際值排序C.sort函數(shù)既可以按索引名排序又可以按實(shí)際值排序D.sort_values()函數(shù)用于將數(shù)據(jù)集按值進(jìn)行排序4.下列選項(xiàng)中，關(guān)于groupby()的操作不正確的是（D）A.list(df.groupby('系部'))B.df.groupby(by='系部')C.df.groupby('系部',sort=True)D.df.groupby('系部','性別')5.對(duì)于如下數(shù)據(jù)集df的分組運(yùn)算，對(duì)代碼的解釋下列哪個(gè)選項(xiàng)是錯(cuò)誤的？（D）系部姓名性別比賽得分1會(huì)計(jì)系李彥斌男892信息系趙科男793金融系章麗麗女684會(huì)計(jì)系王靜女775會(huì)計(jì)系彭偉男676信息系金子軒女82A.df.groupby(‘系部’)，表示按“系部”進(jìn)行分組B.df.groupby([‘系部’,’性別’])，表示按“系部”和“性別”進(jìn)行分組C.df.groupby(‘系部’).sum()，表示按“系部“分組并求每個(gè)系部的比賽總分D.df.groupby('性別').sum()，表示按“性別“分組并求男生和女生的總數(shù)二、實(shí)操題實(shí)操題答案見(jiàn)“代碼”文件夾下“ch7”文件夾中的“項(xiàng)目七-技能訓(xùn)練-實(shí)操題.ipynb”。項(xiàng)目八數(shù)據(jù)清洗一、單選題1.下列選項(xiàng)中，描述不正確的是（B）A.數(shù)據(jù)清洗的目的是為了提高數(shù)據(jù)質(zhì)量B.空值一定要?jiǎng)h除C.數(shù)據(jù)預(yù)處理包括數(shù)據(jù)的清洗、合并、重塑與轉(zhuǎn)換D.在Pandas中，缺失值使用NaN表示2.下列選項(xiàng)中，用于刪除缺失值或空值的方法是（B）A.isnull()B.dropna()C.notnull()D.fillna()3.下列選項(xiàng)中，說(shuō)法不正確的選項(xiàng)是（A）A.fillna()函數(shù)不能通過(guò)inplace參數(shù)來(lái)確定是否對(duì)原始數(shù)據(jù)集進(jìn)行填充更改B.使用位于空值前面的數(shù)據(jù)進(jìn)行填充的代碼是df.fillna(method='bfill')C.使用位于空值后面的數(shù)據(jù)進(jìn)行填充的代碼是df.fillna(method='ffill')D.用平均值填充空值的代碼是df.fillna(df.mean())4.對(duì)于下列代碼生成的數(shù)據(jù)集df，下列哪個(gè)選項(xiàng)的結(jié)果和其他三個(gè)選項(xiàng)不一樣（C）importpandasaspddata={"姓名":['李彥','趙科','章麗','王靜','彭偉','金子'],"性別":['男','男','女','女','男','女']}df=pd.DataFrame(data)A.df.duplicated(subset=['性別'])B.df.duplicated(subset='性別')C.df.duplicated(subset=['性別'],keep='last')D.df.duplicated(subset=['性別'],keep='first')5.下列選擇項(xiàng)中，用于刪除重復(fù)值的函數(shù)是（A）A.drop_duplicates()函數(shù)B.drop()函數(shù)C.dropna()函數(shù)D.del()函數(shù)二、實(shí)操題實(shí)操題答案見(jiàn)“代碼”文件夾下“ch8”文件夾中的“項(xiàng)目八-技能訓(xùn)練-實(shí)操題.ipynb”。項(xiàng)目九數(shù)據(jù)規(guī)整一、單選題1.下列選項(xiàng)中，描述不正確的是（D）A.concat()函數(shù)默認(rèn)是行拼接B.concat()函數(shù)要實(shí)現(xiàn)列拼接，要指定axis=1C.行拼接是指上下多行進(jìn)行拼接D.列拼接操作后，兩個(gè)數(shù)據(jù)集中相同列信息只保留一列2.關(guān)于匿名函數(shù)，描述不正確的是（D）A.使用匿名函數(shù)可以省去定義函數(shù)的過(guò)程，讓代碼更加精簡(jiǎn)B.匿名函數(shù)有個(gè)限制，就是只能有一個(gè)表達(dá)式C.匿名函數(shù)也是一個(gè)函數(shù)對(duì)象，把匿名函數(shù)賦值給一個(gè)變量，再利用變量來(lái)調(diào)用該函數(shù)D.匿名函數(shù)也可以實(shí)現(xiàn)復(fù)雜的編程邏輯3.func=lambdax:x**2語(yǔ)句定義了一個(gè)匿名函數(shù)，計(jì)算一個(gè)數(shù)的平方，現(xiàn)在要計(jì)算2的平方，正確的調(diào)用是（A）A.func(2)B.func2C.funcD.func=24.下列選項(xiàng)中，關(guān)于apply()方法正確的說(shuō)法是（C）A.apply()方法是對(duì)DataFrame每一個(gè)元素應(yīng)用某個(gè)函數(shù)B.apply()方法只能對(duì)行列進(jìn)行操作C.apply()方法可以對(duì)數(shù)據(jù)進(jìn)行分組D.apply()方法返回的結(jié)果一定與原數(shù)據(jù)的形狀相同5.下列代碼生成數(shù)據(jù)集df，現(xiàn)在要求每一行的數(shù)據(jù)總和，正確的代碼為（A）importnumpyasnpdata=[[1,2,3,4],[5,6,7,8],[9,10,11,12]]df=pd.DataFrame(data,columns=list('abcd'))dfA.df.apply(lambdax:x.sum(),axis=1)B.df.apply(lambdax:x.sum())C.df.apply(lambdax:x.add(),axis=1)D.df.apply(lambdax:x.add())二、實(shí)操題實(shí)操題答案見(jiàn)“代碼”文件夾下“ch9”文件夾中的“項(xiàng)目九-技能訓(xùn)練-實(shí)操題.ipynb”。項(xiàng)目十?dāng)?shù)據(jù)分析與可視化一、單選題1.有如下數(shù)據(jù)集df，要對(duì)該數(shù)據(jù)集進(jìn)行轉(zhuǎn)置，下列哪個(gè)選項(xiàng)不正確（C）a b c d0 1 2 3 41 5 6 7 82 9 10 11 12A.df1=pd.DataFrame(df.T)B.df1=pd.DataFrame(df.values.T)C.df1=pd.DataFrame(T)D.df1=pd.DataFrame(df.T,index=df.columns,columns=df.index)2.在第1題的數(shù)據(jù)集df中增加一列e列，正確的代碼是（A）A.df['e']=[8,8,8]B.df[e]=[8,8,8]C.df['e']=[‘8’,‘8’,‘8’]D.e=[8,8,8]3.下列選項(xiàng)中，關(guān)于Matplotlib庫(kù)說(shuō)法不正確的是（D）A.Matplotlib是當(dāng)前用于數(shù)據(jù)可視化的最流行的Python包之一B.Matplotlib提供了繪制散點(diǎn)圖、條形圖、折線圖、餅圖、直方圖的方法C.漸進(jìn)、交互的方式實(shí)現(xiàn)數(shù)據(jù)可視化D.Matplotlib不能支持中文顯示4.Matplot