2025年P(guān)ython數(shù)據(jù)分析與可視化專項(xiàng)訓(xùn)練試卷考試時(shí)間：______分鐘總分：______分姓名：______一、選擇題（每題2分，共20分）1.下列哪個(gè)庫是Python數(shù)據(jù)分析和科學(xué)計(jì)算的基礎(chǔ)庫？A.MatplotlibB.SeabornC.NumPyD.Flask2.在Pandas中，用于處理缺失數(shù)據(jù)的函數(shù)`isnull()`或`isna()`返回的是？A.缺失值本身B.布爾值數(shù)組，指示哪些位置是缺失值C.含有缺失值的列或行D.刪除了缺失值后的數(shù)據(jù)框3.讀取CSV文件到PandasDataFrame時(shí)，若要指定某列為索引列，應(yīng)使用哪個(gè)參數(shù)？A.`header`B.`index_col`C.`usecols`D.`dtype`4.對(duì)于時(shí)間序列數(shù)據(jù)，Pandas中的`datetime`類型相較于`object`類型的主要優(yōu)勢(shì)是？A.存儲(chǔ)空間更小B.更方便進(jìn)行時(shí)間相關(guān)的計(jì)算和篩選C.默認(rèn)按數(shù)值大小排序D.讀取速度更快5.在Pandas中，對(duì)DataFrame進(jìn)行分組統(tǒng)計(jì)后，要計(jì)算每個(gè)組的平均值，應(yīng)使用哪個(gè)方法？A.`groupby()`B.`aggregate()`C.`apply()`D.`mean()`6.以下哪個(gè)函數(shù)可用于合并兩個(gè)PandasSeries或DataFrame，類似于SQL中的`JOIN`操作？A.`merge()`B.`concat()`C.`append()`D.`combine_first()`7.在Matplotlib中，要修改已繪制圖形的標(biāo)題，應(yīng)使用哪個(gè)方法？A.`set_title()`B.`add_title()`C.`plot.title()`D.`figure.title()`8.Seaborn的`stripplot()`與`swarmplot()`都用于繪制散點(diǎn)圖，主要區(qū)別在于？A.`stripplot()`用于分類數(shù)據(jù)，`swarmplot()`用于數(shù)值數(shù)據(jù)B.`stripplot()`會(huì)重疊點(diǎn)，`swarmplot()`會(huì)調(diào)整點(diǎn)以避免重疊C.`stripplot()`只能單變量，`swarmplot()`可雙變量D.`stripplot()`繪制的是箱線圖，`swarmplot()`繪制的是小提琴圖9.若要?jiǎng)?chuàng)建一個(gè)在0到1之間等間隔的數(shù)值序列，包含0不包含1，應(yīng)使用NumPy的哪個(gè)函數(shù)？A.`linspace()`B.`arange()`C.`logspace()`D.`random.rand()`10.在進(jìn)行數(shù)據(jù)可視化時(shí)，選擇使用折線圖、柱狀圖還是散點(diǎn)圖，主要取決于？A.圖表的顏色美觀程度B.繪圖庫的流行度C.數(shù)據(jù)的類型和分析目的D.圖表生成代碼的復(fù)雜度二、填空題（每空2分，共20分）1.在Pandas中，使用`loc[]`或`iloc[]`進(jìn)行索引時(shí)，通過指定______來選擇特定的行或列。2.處理大數(shù)據(jù)集時(shí)，若內(nèi)存不足，可以考慮使用Pandas的`read_csv()`函數(shù)的______參數(shù)分塊讀取數(shù)據(jù)。3.使用`groupby()`對(duì)DataFrame按某列分組后，通常需要結(jié)合______函數(shù)來執(zhí)行聚合操作。4.Matplotlib中最頂層的對(duì)象是______，它是所有圖形元素的容器。5.Seaborn是基于______庫構(gòu)建的高級(jí)可視化庫，提供了更簡潔的接口。6.若要檢查PandasSeries或DataFrame中是否存在缺失值，可以使用______函數(shù)，并通常與布爾索引結(jié)合使用。7.在進(jìn)行數(shù)據(jù)透視時(shí)，Pandas的`pivot_table()`函數(shù)允許指定______列作為行標(biāo)簽、列標(biāo)簽和值。8.使用Matplotlib繪制散點(diǎn)圖時(shí)，`scatter()`函數(shù)的______參數(shù)用于設(shè)置散點(diǎn)的顏色，______參數(shù)用于設(shè)置散點(diǎn)的大小。9.NumPy數(shù)組是具有______數(shù)組，其元素通常具有相同的數(shù)據(jù)類型。10.數(shù)據(jù)分析流程中，______是指通過統(tǒng)計(jì)方法和可視化技術(shù)，對(duì)數(shù)據(jù)進(jìn)行探索性分析，以發(fā)現(xiàn)數(shù)據(jù)的基本特征和潛在模式。三、簡答題（每題5分，共15分）1.簡述在Pandas中處理缺失值（NaN）的幾種常用方法。2.簡要說明Pandas的`merge()`函數(shù)與`join()`函數(shù)的主要區(qū)別。3.解釋Matplotlib中的`figure()`和`axes()`對(duì)象分別代表什么，它們之間的關(guān)系是怎樣的？四、編程題（共45分）1.（15分）假設(shè)有一個(gè)名為`sales.csv`的CSV文件，包含以下列：`'Date'`,`'Product'`,`'Category'`,`'Sales'`,`'Quantity'`。其中`'Date'`列是文本格式。請(qǐng)編寫Python代碼完成以下任務(wù)：a.讀取該CSV文件到PandasDataFrame`df`。b.將`'Date'`列轉(zhuǎn)換為Pandas的`datetime`類型。c.將`'Sales'`列轉(zhuǎn)換為浮點(diǎn)數(shù)類型（假設(shè)原始數(shù)據(jù)可能是文本格式，如"123.45"）。d.查找`'Sales'`列中缺失值，并將這些缺失值替換為該列的平均值。e.按照年份對(duì)`'Sales'`總額進(jìn)行分組，計(jì)算每年的總銷售額，并按銷售額從高到低排序。2.（15分）使用第1題處理后的DataFrame`df`（假設(shè)已包含`'Sales'`和`'Category'`列）。請(qǐng)使用Matplotlib和Seaborn庫完成以下可視化任務(wù)：a.繪制一個(gè)柱狀圖，展示不同`'Category'`的總銷售額。柱狀圖顏色設(shè)置為藍(lán)色，并為每個(gè)柱子添加數(shù)值標(biāo)簽（顯示總銷售額）。b.繪制一個(gè)折線圖，展示`'Sales'`隨時(shí)間（`'Date'`列）的變化趨勢(shì)。設(shè)置適當(dāng)?shù)娜掌诟袷交?，使X軸顯示年份和月份（如'2023-01','2023-02'）。3.（15分）假設(shè)你有一個(gè)包含學(xué)生姓名（`'Name'`）、科目（`'Subject'`）和成績（`'Score'`）的DataFrame`student_scores`。請(qǐng)編寫代碼完成以下任務(wù)：a.計(jì)算每個(gè)學(xué)生的平均分，并將結(jié)果添加為新列`'Average_Score'`。b.使用Pandas的內(nèi)置函數(shù)，找出成績最高的3名學(xué)生，并顯示他們的所有信息。c.創(chuàng)建一個(gè)箱線圖，比較不同`'Subject'`的`'Score'`分布情況。要求圖例顯示在圖形外側(cè)。---試卷答案一、選擇題1.C2.B3.B4.B5.D6.A7.A8.B9.B10.C二、填空題1.索引（或標(biāo)簽）2.chunksize3.`agg()`或`apply()`4.Figure5.Matplotlib6.`isnull()`或`isna()`7.values8.c,s9.一維10.探索性分析（EDA）三、簡答題1.解析思路：處理缺失值的核心是識(shí)別、填充或刪除。識(shí)別使用`isnull()`/`isna()`配合布爾索引；填充可以使用`fillna()`，填充值可以是常數(shù)、前一個(gè)/后一個(gè)值、插值或基于規(guī)則的值；刪除使用`dropna()`，可以刪除包含缺失值的行或列。2.解析思路：`merge()`的核心是基于連接鍵（`on`參數(shù)或左右DataFrame的`on`列）進(jìn)行合并，支持多種合并方式（內(nèi)連接`inner`、外連接`outer`等）；`join()`通常用于根據(jù)索引進(jìn)行合并，可以看作是`merge()`的一種簡化形式，常用于將兩個(gè)DataFrame按其索引對(duì)齊合并。`merge()`更通用。3.解析思路：`figure()`對(duì)象是Matplotlib圖形的頂級(jí)容器，代表整個(gè)窗口或頁面。`axes()`對(duì)象代表圖中實(shí)際的可繪制區(qū)域，即坐標(biāo)軸，可以在一個(gè)`figure`中創(chuàng)建多個(gè)`axes`。繪圖操作（如`plot`,`scatter`,`bar`）通常在`axes`對(duì)象上進(jìn)行。`figure`是`axes`的容器，創(chuàng)建圖形時(shí)通常先生成`figure`，再向其添加`axes`。四、編程題1.```pythonimportpandasaspdimportnumpyasnp#a.讀取CSV文件df=pd.read_csv('sales.csv')#b.將'Date'列轉(zhuǎn)換為datetime類型df['Date']=pd.to_datetime(df['Date'])#c.將'Sales'列轉(zhuǎn)換為浮點(diǎn)數(shù)類型df['Sales']=pd.to_numeric(df['Sales'],errors='coerce')#errors='coerce'將無法轉(zhuǎn)換的轉(zhuǎn)為NaN#d.查找'Sales'列缺失值，替換為平均值sales_mean=df['Sales'].mean()df['Sales'].fillna(sales_mean,inplace=True)#e.按年份分組，計(jì)算每年總銷售額并排序df['Year']=df['Date'].dt.yearannual_sales=df.groupby('Year')['Sales'].sum().sort_values(ascending=False)```2.```pythonimportmatplotlib.pyplotaspltimportseabornassns#假設(shè)df是第1題處理后的DataFrame，且包含'Category'和'Sales'列#a.繪制不同'Category'的總銷售額柱狀圖category_sales=df.groupby('Category')['Sales'].sum().sort_values()plt.figure(figsize=(10,6))#設(shè)置圖形大小bars=plt.bar(category_sales.index,category_sales.values,color='blue')plt.xlabel('Category')plt.ylabel('TotalSales')plt.title('TotalSalesbyCategory')#添加數(shù)值標(biāo)簽forbarinbars:yval=bar.get_height()plt.text(bar.get_x()+bar.get_width()/2,yval,round(yval,2),ha='center',va='bottom')plt.xticks(rotation=45)#旋轉(zhuǎn)X軸標(biāo)簽plt.tight_layout()#自動(dòng)調(diào)整布局plt.show()#b.繪制'Sales'隨時(shí)間變化的折線圖df['Date_YearMonth']=df['Date'].dt.to_period('M')#轉(zhuǎn)換為年月格式sales_trend=df.groupby('Date_YearMonth')['Sales'].sum().reset_index()sales_trend['Date_YearMonth']=sales_trend['Date_YearMonth'].dt.to_timestamp()#轉(zhuǎn)回datetime用于繪圖plt.figure(figsize=(12,6))plt.plot(sales_trend['Date_YearMonth'],sales_trend['Sales'],marker='o')plt.xlabel('Date')plt.ylabel('TotalSales')plt.title('SalesTrendOverTime')#設(shè)置X軸日期格式化plt.gca().xaxis.set_major_formatter(plt.matplotlib.dates.DateFormatter('%Y-%m'))plt.gca().xaxis.set_major_locator(plt.matplotlib.dates.MonthLocator(interval=3))#每三個(gè)月一個(gè)刻度plt.gcf().autofmt_xdate()#自動(dòng)旋轉(zhuǎn)日期標(biāo)記plt.tight_layout()plt.show()```3.```pythonimportpandasaspdimportmatplotlib.pyplotasplt