2025年P(guān)ython數(shù)據(jù)分析考試沖刺試卷技能押題版考試時(shí)間：______分鐘總分：______分姓名：______一、選擇題1.在Python中，用于處理大規(guī)模數(shù)據(jù)集并優(yōu)化內(nèi)存使用的第三方庫(kù)主要是？A.MatplotlibB.NumPyC.PandasD.Scikit-learn2.下列哪個(gè)PandasSeries對(duì)象的屬性用于獲取其索引？A.valuesB.indexC.dataD.columns3.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.headerB.index_colC.usecolsD.parse_dates4.在Pandas中，刪除DataFrame中的空行（包含至少一個(gè)NaN值）的函數(shù)是？A.dropna(how='all')B.fillna()C.dropna(how='any')D.drop_duplicates()5.下列哪個(gè)不是Matplotlib常用的圖表類型？A.散點(diǎn)圖B.條形圖C.熱力圖D.樹(shù)狀圖6.在Pandas中，對(duì)DataFrame進(jìn)行分組（GroupBy）后，要計(jì)算每組的平均值，應(yīng)使用哪個(gè)函數(shù)？A.groupby().aggregate()B.groupby().sum()C.groupby().mean()D.groupby().describe()7.下列哪個(gè)是Pandas中用于合并DataFrame的函數(shù)，它要求兩個(gè)DataFrame在特定列上完全匹配？A.merge()B.join()C.concat()D.append()8.NumPy數(shù)組（ndarray）中，用于獲取數(shù)組維度的屬性是？A.shapeB.sizeC.dtypeD.ndim9.在Pandas中，將DataFrame的某列轉(zhuǎn)換為分類（Categorical）類型，主要目的是什么？A.提高查詢速度B.減少內(nèi)存占用C.便于進(jìn)行統(tǒng)計(jì)描述D.必須進(jìn)行的預(yù)處理步驟10.對(duì)PandasDataFrame進(jìn)行排序時(shí)，使用`sort_values()`函數(shù)，若要按多個(gè)列排序，應(yīng)如何指定？A.通過(guò)列表傳遞列名B.使用`by`參數(shù)指定列名C.優(yōu)先級(jí)參數(shù)D.無(wú)法指定二、填空題1.在Pandas中，用于快速創(chuàng)建DataFrame的函數(shù)是________。2.刪除PandasDataFrame中重復(fù)行的函數(shù)是________。3.在Matplotlib中，用于設(shè)置圖表標(biāo)題的函數(shù)是________。4.NumPy中，用于生成從0到1均勻分布的隨機(jī)數(shù)的函數(shù)是________。5.Pandas中，用于將Series對(duì)象轉(zhuǎn)換為DataFrame的函數(shù)是________。三、操作題1.假設(shè)有一個(gè)名為`data.csv`的文件，其內(nèi)容如下（僅示意前幾行）：```name,age,city,scoreAlice,25,NewYork,88Bob,30,LosAngeles,92Charlie,22,Chicago,75David,29,NewYork,85...```請(qǐng)編寫(xiě)Python代碼（使用Pandas庫(kù)）完成以下任務(wù)：a.讀取`data.csv`文件到名為`df`的DataFrame。b.查看DataFrame的前5行數(shù)據(jù)。c.獲取`df`中“age”列的平均值，并將結(jié)果打印輸出。d.將`df`中所有“city”列的值轉(zhuǎn)換為小寫(xiě)。e.刪除`df`中所有包含缺失值的行。2.使用NumPy庫(kù)創(chuàng)建一個(gè)3x4的二維數(shù)組`arr`，其元素為從0開(kāi)始，步長(zhǎng)為1的整數(shù)。然后：a.獲取`arr`的第2行第3列的元素值。b.計(jì)算`arr`所有元素的總和。c.將`arr`的所有元素值乘以2，結(jié)果賦值給`arr`本身。3.假設(shè)有以下兩個(gè)PandasSeries對(duì)象：```pythons1=pd.Series([10,20,30,40],index=['a','b','c','d'])s2=pd.Series([15,25,35],index=['b','d','e'])```請(qǐng)編寫(xiě)代碼完成以下操作：a.計(jì)算`s1`和`s2`的元素逐個(gè)相乘（按索引對(duì)齊）。b.將`s1`和`s2`按索引外連接合并成一個(gè)新的Series對(duì)象`result`。4.使用Pandas和Matplotlib/Seaborn庫(kù)（任選其一）完成以下任務(wù)：a.假設(shè)`df`是第1題中創(chuàng)建的DataFrame。b.繪制一個(gè)條形圖，橫軸為城市名（`city`），縱軸為對(duì)應(yīng)城市的`age`平均值。確保條形圖標(biāo)題為“城市年齡平均值”，橫縱坐標(biāo)軸標(biāo)簽分別設(shè)置為“城市”和“平均年齡”。試卷答案一、選擇題1.C2.B3.B4.C5.D6.C7.A8.D9.B10.A二、填空題1.pd.DataFrame2.drop_duplicates()3.plt.title()4.np.random.rand5.pd.DataFrame三、操作題1.a.```pythonimportpandasaspddf=pd.read_csv('data.csv')```b.```pythonprint(df.head())```c.```pythonprint(df['age'].mean())```d.```pythondf['city']=df['city'].str.lower()```e.```pythondf.dropna(inplace=True)```2.a.```pythonimportnumpyasnparr=np.arange(12).reshape(3,4)value=arr[1,2]```b.```pythontotal_sum=arr.sum()```c.```pythonarr*=2```3.a.```pythonimportpandasaspds1=pd.Series([10,20,30,40],index=['a','b','c','d'])s2=pd.Series([15,25,35],index=['b','d','e'])product=s1*s2```b.```pythonresult=pd.concat([s1,s2],axis=0)```4.a.(前提是已完成第1題的df創(chuàng)建)b.```pythonimportmatplotlib.pyplotaspltimportseabornassns#篩選并計(jì)算每個(gè)城市的年齡平均值，重置索引以便繪圖city_age_mean=df.groupby('city')['age'].mean().reset_index()#繪制條形圖plt.figure(figsize=(10,6))#使用Matplotlib#plt.bar(city_age_mean['city'],city_age_mean['age'])#使用Seabornsns.barplot(x='city',y='age',data=city_age_mean)#設(shè)置標(biāo)題和坐標(biāo)軸標(biāo)簽plt.title('城市年齡平均值')plt.xlabel('城市')plt.ylabel('平均年齡')#顯示圖表plt.show()```解析一、選擇題1.CPandas(PythonDataAnalysisLibrary)是專門為數(shù)據(jù)分析任務(wù)設(shè)計(jì)的強(qiáng)大庫(kù)，尤其在處理結(jié)構(gòu)化數(shù)據(jù)（如表格）方面功能豐富，是Python數(shù)據(jù)分析領(lǐng)域的事實(shí)標(biāo)準(zhǔn)。2.BPandasSeries對(duì)象擁有兩個(gè)核心屬性：`values`（存儲(chǔ)數(shù)據(jù)值的NumPy數(shù)組）和`index`（存儲(chǔ)數(shù)據(jù)索引的數(shù)組）。`index`對(duì)于數(shù)據(jù)定位和操作至關(guān)重要。3.B`index_col`參數(shù)在`pd.read_csv()`函數(shù)中用于指定一個(gè)或多個(gè)列作為DataFrame的索引。`header`用于指定表頭行號(hào)，`usecols`用于選擇讀取的列，`parse_dates`用于解析日期列。4.C`dropna(how='any')`會(huì)刪除包含任何缺失值的行。`how='all'`則只刪除所有值都是缺失值的行。`fillna()`用于填充缺失值，`drop_duplicates()`用于刪除重復(fù)行。5.DMatplotlib是Python的基礎(chǔ)繪圖庫(kù)，支持多種圖表類型，如散點(diǎn)圖、條形圖、折線圖、直方圖、餅圖等。熱力圖（Heatmap）通常用于可視化矩陣數(shù)據(jù)，樹(shù)狀圖（Treemap）用于顯示層次結(jié)構(gòu)數(shù)據(jù)，這些高級(jí)圖表功能在Seaborn或其他庫(kù)中更常見(jiàn)或更方便實(shí)現(xiàn)。6.C`groupby().mean()`是Pandas中計(jì)算分組數(shù)據(jù)平均值的常用方法。`aggregate()`允許應(yīng)用多種聚合函數(shù)。`sum()`計(jì)算總和，`describe()`生成統(tǒng)計(jì)摘要。7.A`merge()`函數(shù)通過(guò)指定的鍵（key）將兩個(gè)DataFrame進(jìn)行合并，當(dāng)合并方式為默認(rèn)的內(nèi)連接（innerjoin）時(shí)，要求兩個(gè)DataFrame在鍵上完全匹配。`join()`通常用于基于索引合并，`concat()`用于按軸連接，`append()`用于在末尾追加行。8.DNumPy數(shù)組的`ndim`屬性返回?cái)?shù)組的維度（即軸的數(shù)量）。`shape`返回每個(gè)維度的大?。ㄔM形式），`size`返回?cái)?shù)組元素總數(shù)，`dtype`返回?cái)?shù)組元素的類型。9.B將數(shù)值型列轉(zhuǎn)換為Pandas的`Categorical`類型，可以顯著減少內(nèi)存占用，尤其是在分類標(biāo)簽數(shù)量遠(yuǎn)小于數(shù)據(jù)行數(shù)的情況下。這也有助于某些特定操作（如排序、統(tǒng)計(jì)）的效率提升。10.A當(dāng)需要按多個(gè)列進(jìn)行排序時(shí)，可以在`sort_values()`函數(shù)的`by`參數(shù)中傳入一個(gè)列名的列表。列表中的列將按順序進(jìn)行排序，先按列表第一個(gè)列排序，若有相同值則按第二個(gè)列排序，依此類推。二、填空題1.pd.DataFrame`pd.DataFrame()`是Pandas中創(chuàng)建DataFrame對(duì)象最直接和常用的方式，可以直接傳入字典、列表、NumPy數(shù)組等多種數(shù)據(jù)結(jié)構(gòu)。2.drop_duplicates()`drop_duplicates()`函數(shù)用于刪除DataFrame中重復(fù)的行。默認(rèn)保留第一次出現(xiàn)的行，可以通過(guò)參數(shù)調(diào)整。3.plt.title()在Matplotlib中，`plt.title()`函數(shù)用于設(shè)置當(dāng)前軸（Axes）的標(biāo)題文本。4.np.random.rand`np.random.rand(d0,d1,...,dn)`函數(shù)生成一個(gè)形狀為(d0,d1,...,dn)的數(shù)組，其元素從[0,1)區(qū)間的均勻分布中隨機(jī)抽取。5.pd.DataFrame`sSeries對(duì)象本身可以通過(guò)`pd.DataFrame()`函數(shù)轉(zhuǎn)換為一個(gè)單列的DataFrame。例如，`pd.DataFrame(s)`。三、操作題1.解析思路：a.使用`pd.read_csv()`函數(shù)讀取`data.csv`文件，將數(shù)據(jù)載入到Pandas的DataFrame對(duì)象`df`中。b.調(diào)用`df.head()`方法打印DataFrame的前5行數(shù)據(jù)。c.通過(guò)`df['age']`選擇`age`列，然后調(diào)用`mean()`方法計(jì)算該列的平均值，使用`print()`輸出結(jié)果。d.使用`df['city']=df['city'].str.lower()`對(duì)`city`列的每個(gè)元素應(yīng)用`str.lower()`方法，將其轉(zhuǎn)換為小寫(xiě)。這里利用了Pandas的向量化字符串操作。e.調(diào)用`df.dropna(inplace=True)`刪除`df`中所有包含缺失值的行，并將結(jié)果修改到原`df`對(duì)象上（`inplace=True`）。2.解析思路：a.首先創(chuàng)建一個(gè)3x4的二維數(shù)組`arr`，元素為0到11的整數(shù)（`np.arange(12)`），然后使用`reshape(3,4)`將其重塑為3行4列的形狀。獲取特定位置的元素，使用索引`[行索引,列索引]`，即`arr[1,2]`（注意Python索引從0開(kāi)始）。b.調(diào)用NumPy數(shù)組的`sum()`方法，計(jì)算數(shù)組中所有元素的總和。c.將數(shù)組`arr`中的所有元素乘以2，可以使用`*=`運(yùn)算符，或者`arr=arr*2`。注意`a