2025年P(guān)ython數(shù)據(jù)處理二級考試沖刺押題試卷考試時間：______分鐘總分：______分姓名：______一、選擇題（每題2分，共20分）1.下列哪個不是Python內(nèi)置的數(shù)據(jù)類型？A.intB.floatC.listD.numpy.array2.在Pandas中，用于處理數(shù)據(jù)中缺失值的函數(shù)是？A.dropB.fillC.bothAandBD.remove3.下列關(guān)于NumPy數(shù)組的描述，錯誤的是？A.NumPy數(shù)組是同質(zhì)的，即數(shù)組中所有元素的類型必須相同。B.NumPy數(shù)組支持高效的向量化運(yùn)算。C.NumPy數(shù)組的大小是動態(tài)可變的。D.NumPy數(shù)組的內(nèi)存是連續(xù)分配的。4.以下哪個Pandas對象表示一個單一列的數(shù)據(jù)？A.DataFrameB.SeriesC.IndexD.Array5.在Pandas中，`df.groupby('col1')['col2'].sum()`這段代碼的主要功能是？A.對`col1`進(jìn)行排序。B.根據(jù)`col1`的值對DataFrame進(jìn)行分組，并對每個組的`col2`列求和。C.選擇`col1`和`col2`兩列。D.將`col1`和`col2`合并成一列。6.讀取CSV文件到PandasDataFrame對象的標(biāo)準(zhǔn)函數(shù)是？A.read_excelB.read_csvC.loadtxtD.read_table7.下列哪個方法可以用來去除PandasDataFrame中重復(fù)的行？A.dropnaB.drop_duplicatesC.uniqueD.deduplicate8.在Pandas中，`df.loc[rows,cols]`和`df.iloc[rows,cols]`的主要區(qū)別在于？A.`loc`只能用于行索引，`iloc`只能用于列索引。B.`loc`基于標(biāo)簽索引，`iloc`基于整數(shù)位置索引。C.`loc`比`iloc`執(zhí)行速度更快。D.兩者沒有區(qū)別，完全等價。9.以下哪個不是Matplotlib庫常用的圖表類型？A.折線圖B.散點(diǎn)圖C.熱力圖D.樹狀圖10.關(guān)于Python列表推導(dǎo)式，下列說法錯誤的是？A.列表推導(dǎo)式可以簡化列表的創(chuàng)建過程。B.列表推導(dǎo)式必須包含if語句。C.列表推導(dǎo)式可以包含for循環(huán)。D.列表推導(dǎo)式通常比等價的for循環(huán)語句更高效。二、填空題（每空2分，共20分）1.Python中用于輸入用戶數(shù)據(jù)的內(nèi)置函數(shù)是________。2.在NumPy中，創(chuàng)建一個3x3全零矩陣的函數(shù)是________。3.在Pandas中，用于選擇DataFrame中特定行和列的索引方式是________和________。4.當(dāng)PandasDataFrame中存在缺失數(shù)據(jù)時，可以使用________方法將其填充為特定值。5.函數(shù)在Python中是一段具有特定功能的可重用代碼塊，通過________關(guān)鍵字來定義。6.讀取Excel文件到PandasDataFrame對象的標(biāo)準(zhǔn)函數(shù)是________。7.`df.columns`屬性用于獲取PandasDataFrame的________。8.作用域指的是變量的可見范圍，局部變量在函數(shù)________執(zhí)行完畢后消失。9.Pandas中的`melt`函數(shù)可以將寬格式數(shù)據(jù)轉(zhuǎn)換為長格式數(shù)據(jù)，其`id_vars`參數(shù)指定需要保留的________列。10.在Pandas中，`astype`函數(shù)用于轉(zhuǎn)換數(shù)據(jù)的________。三、編程題（共60分）1.（15分）編寫Python代碼，完成以下任務(wù)：a.使用NumPy創(chuàng)建一個形狀為(5,4)的數(shù)組，元素從1開始，步長為2，類型為整數(shù)。b.使用切片操作取出該數(shù)組的第2行到第4行，第1列到第3列的子數(shù)組。c.計算該子數(shù)組的所有元素的平均值（使用NumPy函數(shù)）。2.（20分）假設(shè)你已經(jīng)通過`importpandasaspd`導(dǎo)入了Pandas庫，并且有一個名為`df`的DataFrame，包含以下列：`'Name'`,`'Age'`,`'City'`,`'Salary'`。請編寫Pandas代碼完成以下任務(wù)：a.查看DataFrame的前5行數(shù)據(jù)。b.將所有`Salary`列的值增加10%。c.篩選出`Age`大于30且`City`為"北京"的行。d.對DataFrame按`Salary`列降序排序。e.計算`Age`列的平均值，并將結(jié)果存儲在一個名為`avg_age`的變量中。3.（25分）假設(shè)有一個CSV文件`data.csv`，其內(nèi)容結(jié)構(gòu)如下（無標(biāo)題行，列依次為：姓名,部門,入職日期,銷售額）：張三,技術(shù)部,2021-05-01,15000李四,市場部,2020-08-15,12000王五,技術(shù)部,2022-01-10,18000趙六,銷售部,2021-11-22,25000孫七,市場部,2020-03-08,11000...(更多數(shù)據(jù))請編寫Python代碼（假設(shè)Pandas庫已導(dǎo)入為`pd`）完成以下任務(wù)：a.讀取`data.csv`文件到名為`df`的DataFrame。b.將`入職日期`列的數(shù)據(jù)類型轉(zhuǎn)換為Pandas的`datetime`類型。c.添加一列`年份`，其值為`入職日期`列的年份。d.計算每個部門的平均銷售額，并將結(jié)果按平均銷售額降序排列，輸出結(jié)果。e.找出銷售額最高的前2名員工的信息（姓名、部門、銷售額）。---試卷答案一、選擇題1.D2.C3.C4.B5.B6.B7.B8.B9.D10.B二、填空題1.input2.zeros3.loc,iloc4.fillna5.def6.read_excel7.列名8.內(nèi)部9.標(biāo)識10.類型三、編程題1.代碼及解析：```pythonimportnumpyasnp#a.創(chuàng)建(5,4)形狀，元素從1開始，步長為2，類型為整數(shù)arr=np.arange(1,1+5*4,2).reshape(5,4).astype(int)#解析：np.arange生成1到1+20-1=20的等差數(shù)列，步長為2。reshape將其重塑為5x4矩陣。astype確保類型為int。#b.切片取第2行到第4行，第1列到第3列sub_arr=arr[1:4,0:3]#解析：行索引從0開始，[1:4]取第2行(索引1)到第3行(索引2)。列索引[0:3]取第1列(索引0)到第2列(索引1)。#c.計算子數(shù)組的平均值mean_value=np.mean(sub_arr)#解析：np.mean計算數(shù)組中所有元素的平均值。```2.代碼及解析：```pythonimportpandasaspd#假設(shè)df已存在，以下為操作代碼#a.查看前5行print(df.head())#解析：df.head()默認(rèn)顯示前5行數(shù)據(jù)。#b.Salary列增加10%df['Salary']=df['Salary']*1.1#解析：將Salary列的每個值乘以1.1，實(shí)現(xiàn)增加10%。#c.篩選Age>30且City為"北京"的行filtered_df=df[(df['Age']>30)&(df['City']=="北京")]#解析：使用布爾索引，(df['Age']>30)生成一個布爾Series，(df['City']=="北京")也生成一個布爾Series，#兩者與(&)運(yùn)算選出同時滿足兩個條件的行。#d.按Salary列降序排序df_sorted=df.sort_values(by='Salary',ascending=False)#解析：sort_values按指定列排序，by='Salary'指定排序列，ascending=False指定降序。#e.計算Age列平均值并存儲avg_age=df['Age'].mean()#解析：mean()計算平均值，結(jié)果賦值給變量avg_age。```3.代碼及解析：```pythonimportpandasaspd#a.讀取CSV文件df=pd.read_csv('data.csv')#解析：pd.read_csv標(biāo)準(zhǔn)函數(shù)用于讀取CSV文件到DataFrame。#b.轉(zhuǎn)換入職日期類型df['入職日期']=pd.to_datetime(df['入職日期'])#解析：pd.to_datetime將字符串轉(zhuǎn)換為Pandas的datetime類型。#c.添加年份列df['年份']=df['入職日期'].dt.year#解析：dt.year訪問datetime對象的年份部分。#d.計算各部門平均銷售額并降序輸出result=df.groupby('部門')['銷售額'].mean().sort_values(ascending=False)#