金融數(shù)據(jù)分析知到智慧樹章節(jié)測試課后答案2024年秋哈爾濱金融學(xué)院第一章單元測試

在一個循環(huán)體內(nèi)又包含一個完整的循環(huán)結(jié)構(gòu)，稱為循環(huán)的嵌套。（）

A:對B:錯

答案:對continue語句：結(jié)束這一輪的循環(huán)，進(jìn)入下一次循環(huán)。（）

A:錯B:對

答案:對浮點(diǎn)類型（float）是表示實(shí)數(shù)的數(shù)據(jù)類型。（）

A:對B:錯

答案:對字典中的每一對“鍵值對”被稱為字典的條目。（）

A:錯B:對

答案:對字典是通過鍵值對方式存儲數(shù)據(jù)與數(shù)據(jù)之間的對應(yīng)關(guān)系的一種數(shù)據(jù)結(jié)構(gòu)。（）

A:錯B:對

答案:對以下選項(xiàng)中不符合

Python語?變量命名規(guī)則的是（）。

A:

_AlB:

TempStrC:

LLD:3_1

答案:3_1下?代碼的輸出結(jié)果是（）。

A:<class'complex'>B:<class'int'>C:<class'float'>D:<class'bool'>

答案:<class'float'>運(yùn)?下列代碼，輸出結(jié)果是（）

A:45

B:0

C:其它選項(xiàng)均不對

D:25

答案:45

運(yùn)?以下程序的結(jié)果是（）

A:[1,16,25,49,36,81]B:[1,16,25,36,49,81]C:[1,4,5,6,7,9]D:[1,3,4,5,7,8]

答案:[1,16,25,49,36,81]運(yùn)?以下程序，變量'i'的值為（）

A:95

B:75

C:93

D:70

答案:75

第二章單元測試

下列選項(xiàng)中用來表示數(shù)組維度的屬性是（）。

A:dtypeB:shape

C:size

D:ndim

答案:shape

已知a=np.arange(9).reshape(3,3)，要訪問數(shù)組a的數(shù)值5，正確的索引表達(dá)式為（）。

A:a[2,2]

B:a[1,2]

C:a[1,3]

D:a[5]

答案:a[1,2]

導(dǎo)入Numpy模塊的方式為（）。

A:fromnumpy

B:importnumpy

C:importnp

D:importnumpyasnp

答案:importnumpy

；importnumpyasnp

創(chuàng)建數(shù)組，并且數(shù)組的5個元素均為1，實(shí)現(xiàn)該功能的命令為（）。

A:np.array([1]*5)

B:np.arange(5)

C:np.zeros(5)

D:np.ones(5)

答案:np.array([1]*5)

；np.ones(5)

NumPy(NumericalPython)是Python語言的一個擴(kuò)展程序庫，支持大量的維度數(shù)組與矩陣運(yùn)算，此外也針對數(shù)組運(yùn)算提供大量的數(shù)學(xué)函數(shù)庫。（）

A:錯B:對

答案:對如果沒有明確地指明數(shù)組中元素的類型，則默認(rèn)為int64。（）

A:對B:錯

答案:錯兩個等長的數(shù)組才能相加。（）

A:對B:錯

答案:對表達(dá)式np.ones((2,6)).sum()的值為12。（）

A:對B:錯

答案:對使用np.zeros(5,6)生成的數(shù)組中元素個數(shù)為30。（）

A:對B:錯

答案:對使用np.arange(10)生成的數(shù)組中最后一個元素的值為9。（）

A:錯B:對

答案:對

第三章單元測試

下列能創(chuàng)建序列類型對象的語句是（）。

A:s2=pd.Series((1,3,5,7,9))

B:s1=pd.Series([1,3,5,7,9])

C:s4=pd.Series(dict())

D:s3=pd.Series(np.array([1,3,5,7,9]))

答案:s2=pd.Series((1,3,5,7,9))

；s1=pd.Series([1,3,5,7,9])

；s4=pd.Series(dict())

；s3=pd.Series(np.array([1,3,5,7,9]))

df是100行10列的數(shù)據(jù)框，“df.head(8)”語句的功能是（）。

A:查看df前8行數(shù)據(jù)

B:查看df從第8開始到最后的所有數(shù)據(jù)

C:查看df第8行數(shù)據(jù)

D:查看df全部數(shù)據(jù)

答案:查看df前8行數(shù)據(jù)

df是100行10列的數(shù)據(jù)框，df.columns的功能是（）。

A:輸出df前5行的索引

B:輸出df全部列名稱

C:輸出df全部索引

D:輸出df前5列的列名稱

答案:輸出df全部列名稱

df是一個10行3列的數(shù)據(jù)框，df.columns=['col1','col2','col3']語句的功能是（）。

A:將df的部分列名修改為'col1','col2','col3'

B:將df的部分索引修改為'col1','col2','col3'

C:將改df的全部列名修改為'col1','col2','col3'

D:將df的全部索引修改為'col1','col2','col3'

答案:將改df的全部列名修改為'col1','col2','col3'

df是一個的數(shù)據(jù)框變量，df.loc['f','age']=25語句的功能是（）。

A:將df的“age”行的值修改為25

B:將df的“f”行的值修改為25

C:將df的“age”行“f”列的值修改為25

D:將df的“f”行“age”列的值修改為25

答案:將df的“f”行“age”列的值修改為25

df是數(shù)據(jù)框?qū)ο?，age是df的列名，df.loc[df['age'].isnull(),:]語句的功能是（）。

A:提取df中所有空值的行

B:提取df中age列是空值的值

C:提取df中所有空值

D:提取df中age列是空值的行

答案:提取df中age列是空值的行

能將外部文件導(dǎo)入的語句是（）。

A:pd.read_excel(r“C:/Users/student.xlsx”)

B:pd.to_excel(r“C:/Users/student.xlsx”)

C:pd.read_csv(r“C:/Users/student.csv”)

D:pd.read_table(r“C:/Users/student.txt”)

答案:pd.read_excel(r“C:/Users/student.xlsx”)

；pd.read_csv(r“C:/Users/student.csv”)

；pd.read_table(r“C:/Users/student.txt”)

下列語句的功能是（

）。importpandasaspdimportnumpyasnpy=pd.Series(np.arange(0,19,2),index=['A'+str(i)foriinrange(10)])

A:y的索引是“A0”，“A1”，“A2”，“A3”，“A4”“A5”，“A6”，“A7”，“A8”，“A9”B:y的值是0，2，4，6，8，10，12，14，16，18C:創(chuàng)建數(shù)據(jù)框類型數(shù)據(jù)對象賦值給變量y，D:創(chuàng)建序列類型數(shù)據(jù)對象賦值給變量y，

答案:y的索引是“A0”，“A1”，“A2”，“A3”，“A4”“A5”，“A6”，“A7”，“A8”，“A9”；y的值是0，2，4，6，8，10，12，14，16，18；創(chuàng)建序列類型數(shù)據(jù)對象賦值給變量y，下列語句定義了df數(shù)據(jù)框?qū)ο?，df['Age'].mean()語句的功能是（）。df=pd.DataFrame({'ID':['001','002','003','004','005','006'],'Name':['su','gao','wang','li','zhang','song'],\'Age':[33,31,35,36,37,38],'sex':['m','f','m','m','f','m']})

A:計算age列的平均值B:計算df的平均值”C:計算age列的最大值”D:計算age列的和”

答案:計算age列的平均值下列語句的功能是（）。importpandasaspddata=pd.DataFrame()data['city']=['Beijing','Shanghai','Shenzhen']

A:在data數(shù)據(jù)框中新增一行，索引為“city”B:在data序列中新增一行，索引為“city”C:在data序列中新增一列，列名為“city”D:在data數(shù)據(jù)框中新增一列，列名為“city”

答案:在data數(shù)據(jù)框中新增一列，列名為“city”

第四章單元測試

下列函數(shù)中，可以繪制散點(diǎn)圖的函數(shù)是（）。

A:pie

B:bar

C:hist

D:scatter

答案:scatter

下列選項(xiàng)中，描述不正確的是（）。

A:箱形圖可以提供有關(guān)數(shù)據(jù)分散情況的信息，可以很直觀地查看數(shù)據(jù)的四分位分布

B:條形圖是由一系列高度不等的縱向條紋或線段表示數(shù)據(jù)分布情況

C:餅圖顯示一個數(shù)據(jù)序列中的各項(xiàng)的大小與各項(xiàng)總和的比例

D:折線圖是用直線段將數(shù)據(jù)連接起來而組成的圖形，以折線的方式顯式數(shù)據(jù)的變化

答案:條形圖是由一系列高度不等的縱向條紋或線段表示數(shù)據(jù)分布情況

下列圖表中，可以清晰地反映出各數(shù)據(jù)系列的百分比情況的是（）。

A:餅圖

B:直方圖

C:折線圖

D:散點(diǎn)圖

答案:餅圖

在創(chuàng)建Figure對象時，可以指定哪個參數(shù)來調(diào)整畫布大??？（）

A:facecolor

B:dpi

C:figsize

D:num

答案:figsize

繪制圖表時，可以使用subplot()函數(shù)創(chuàng)建多個子圖。（）

A:錯B:對

答案:對Matplotlib默認(rèn)支持中文顯示。（）

A:對B:錯

答案:錯Matplotlib生成的圖表可以保存在本地。（）

A:對B:錯

答案:對散點(diǎn)圖包含的數(shù)據(jù)點(diǎn)越少，比較的效果就會越好。（）

A:錯B:對

答案:錯在使用Matplotlib繪制圖表時，可以不需要導(dǎo)入pyplot模塊。（）

A:對B:錯

答案:錯在使用Matplotlib繪制條形圖時可以使用pyplot模塊中的bar函數(shù)。（）

A:錯B:對

答案:對

第五章單元測試

線性回歸方程中的截距a以及系數(shù)b與數(shù)學(xué)中的含義一致。（）

A:對B:錯

答案:錯利用Excel實(shí)現(xiàn)一元線性回歸中，三種方法得到的線性回歸方程完全一致。（）

A:對B:錯

答案:對Python實(shí)現(xiàn)一元線性回歸的解決方案，輸出結(jié)果中R-squared值越小說明，模型對真實(shí)值的解釋程度越高。（）

A:對B:錯

答案:錯利用Excel實(shí)現(xiàn)一元線性回歸中的三種方法都無法實(shí)現(xiàn)多元線性回歸。（）

A:對B:錯

答案:錯Python實(shí)現(xiàn)多元線性回歸中如果不為X矩陣增加截距項(xiàng)，運(yùn)行結(jié)果也能顯示線性方程中的截距項(xiàng)。（）

A:錯B:對

答案:錯多元線性回歸過程中發(fā)現(xiàn)相關(guān)性不強(qiáng)或不顯著的變量時，可以剔除后進(jìn)行再次回歸，以提高回歸的R2。（）

A:對B:錯

答案:對回歸是設(shè)法找出變量間在數(shù)量上的依存變化關(guān)系,用函數(shù)表達(dá)式表達(dá)出來，這個表達(dá)式稱之為回歸方程。（）

A:對B:錯

答案:對殘差分析：如果殘差沒有均勻分布在水平線兩側(cè)，而是呈現(xiàn)一定“規(guī)律性”，暗示存在某些“規(guī)律”沒有被發(fā)現(xiàn)。（）

A:錯B:對

答案:對在回歸分析中要求因變量Y是隨機(jī)變量，服從正態(tài)分布，自變量X可以是隨機(jī)變量也可以是給定的變量。（）

A:對B:錯

答案:對如果QQ圖存在一定的彎曲，暗示殘差可能不符合正態(tài)分布。（）

A:錯B:對

答案:對

第六章單元測試

下列函數(shù)中，用于創(chuàng)建固定頻率DatetimeIndex對象的是（）。

A:period_range()

B:asfreq()

C:shift()

D:date_range()

答案:date_range()

下列選項(xiàng)中，用來表示Pandas中的時間戳的是（）。

A:Series

B:Interval

C:Period

D:Timestamp

答案:Timestamp

關(guān)于時間序列的移動，下列說法錯誤的是（）。

A:無論時間序列的數(shù)據(jù)怎么移動，索引是不會發(fā)生任何變化的

B:移動是指沿著時間軸方向?qū)?shù)據(jù)進(jìn)行前移或后移

C:數(shù)據(jù)移動后會出現(xiàn)邊界情況

D:時間序列移動后，索引也會發(fā)生變化

答案:時間序列移動后，索引也會發(fā)生變化

關(guān)于重采樣的說法中，下列描述錯誤的是（）。

A:時間序列數(shù)據(jù)在降采樣時，總體的數(shù)據(jù)量是減少的

B:升采樣的時間顆粒是變小的

C:重采樣是將時間序列從一個頻率轉(zhuǎn)到另一個頻率

D:時間序列數(shù)據(jù)在降采樣時，總體的數(shù)據(jù)量是增加的

答案:時間序列數(shù)據(jù)在降采樣時，總體的數(shù)據(jù)量是增加的

下列關(guān)于ARIMA(p,d,q)的說法中，描述正確的是（）。

A:參數(shù)d代表差分階數(shù)

B:參數(shù)q代表滑動平均項(xiàng)數(shù)

C:ARIMA是一種用于時間序列預(yù)測的常見統(tǒng)計模型

D:參數(shù)p代表自回歸項(xiàng)數(shù)

答案:參數(shù)d代表差分階數(shù)

；參數(shù)q代表滑動平均項(xiàng)數(shù)

；ARIMA是一種用于時間序列預(yù)測的常見統(tǒng)計模型

；參數(shù)p代表自回歸項(xiàng)數(shù)

最基本的時間序列類型是以時間戳為索引的Series對象。（）

A:錯B:對

答案:對如果相同頻率的兩個Period對象進(jìn)行數(shù)學(xué)運(yùn)算，那么計算結(jié)果為它們的單位數(shù)量。（）

A:對B:錯

答案:對任何類型的Pandas對象都可以進(jìn)行重采樣。（）

A:對B:錯

答案:錯DatetimeIndex是一種用來指代一系列時間戳