2025年高職大數(shù)據(jù)技術(shù)與應(yīng)用（數(shù)據(jù)清洗）實(shí)操卷

（考試時(shí)間：90分鐘滿分100分）班級(jí)______姓名______一、單項(xiàng)選擇題（總共10題，每題4分，每題只有一個(gè)正確答案，請(qǐng)將正確答案填寫在括號(hào)內(nèi)）1.以下哪種數(shù)據(jù)類型通常不需要進(jìn)行清洗（）A.數(shù)值型B.文本型C.日期型D.已經(jīng)經(jīng)過驗(yàn)證且格式規(guī)范的數(shù)據(jù)2.對(duì)于缺失值較多的列，最不適合采用的處理方法是（）A.刪除該列B.用均值填充C.用中位數(shù)填充D.用隨機(jī)值填充3.清洗數(shù)據(jù)時(shí)，判斷數(shù)據(jù)是否重復(fù)主要依據(jù)（）A.數(shù)據(jù)的長度B.數(shù)據(jù)的內(nèi)容C.數(shù)據(jù)的格式D.數(shù)據(jù)的來源4.以下哪種情況不屬于數(shù)據(jù)噪聲（）A.數(shù)據(jù)中的錯(cuò)別字B.數(shù)據(jù)中的異常值C.數(shù)據(jù)中的空值D.數(shù)據(jù)中的亂碼5.當(dāng)數(shù)據(jù)存在不一致性時(shí)，比如同一字段在不同記錄中有不同的表示方式，應(yīng)該（）A.忽略B.統(tǒng)一格式C.隨機(jī)選擇一種格式D.全部刪除6.清洗含有無效字符的數(shù)據(jù)時(shí)，通常采用的方法是（）A.替換B.截?cái)郈.補(bǔ)齊D.合并7.對(duì)于數(shù)據(jù)清洗中的數(shù)據(jù)標(biāo)準(zhǔn)化，以下說法錯(cuò)誤的是（）A.可以使不同來源的數(shù)據(jù)具有可比性B.包括最小-最大標(biāo)準(zhǔn)化等方法C.會(huì)改變數(shù)據(jù)的分布特征D.能提高數(shù)據(jù)的質(zhì)量8.在清洗數(shù)據(jù)時(shí)，發(fā)現(xiàn)某一列數(shù)據(jù)的取值范圍明顯超出正常范圍，這種數(shù)據(jù)屬于（）A.缺失值B.噪聲數(shù)據(jù)C.重復(fù)數(shù)據(jù)D.不一致數(shù)據(jù)9.以下哪種數(shù)據(jù)清洗工具在處理大規(guī)模數(shù)據(jù)時(shí)效率較高（）A.ExcelB.Python的pandas庫C.SQLD.人工手動(dòng)處理10.清洗數(shù)據(jù)的主要目的不包括（）A.提高數(shù)據(jù)質(zhì)量B.增加數(shù)據(jù)量C.便于數(shù)據(jù)分析D.減少數(shù)據(jù)冗余二、多項(xiàng)選擇題（總共5題，每題6分，每題有兩個(gè)或兩個(gè)以上正確答案，請(qǐng)將正確答案填寫在括號(hào)內(nèi)，多選、少選、錯(cuò)選均不得分）1.數(shù)據(jù)清洗的步驟通常包括（）A.數(shù)據(jù)集成B.數(shù)據(jù)預(yù)處理C.數(shù)據(jù)轉(zhuǎn)換D.數(shù)據(jù)清理E.數(shù)據(jù)挖掘2.以下哪些屬于數(shù)據(jù)清洗中處理缺失值的方法（）A.用固定值填充B.用統(tǒng)計(jì)值填充C.基于模型預(yù)測(cè)填充D.直接刪除缺失值所在記錄E.不做處理3.數(shù)據(jù)噪聲可能來源于（）A.數(shù)據(jù)采集設(shè)備故障B.數(shù)據(jù)錄入錯(cuò)誤C.數(shù)據(jù)傳輸問題D.數(shù)據(jù)本身的特性E.數(shù)據(jù)存儲(chǔ)介質(zhì)損壞4.清洗文本型數(shù)據(jù)時(shí)，可能需要進(jìn)行的操作有（）A.去除標(biāo)點(diǎn)符號(hào)B.轉(zhuǎn)換大小寫C.分詞D.去除停用詞E.提取關(guān)鍵詞5.數(shù)據(jù)清洗中數(shù)據(jù)標(biāo)準(zhǔn)化的常見方法有（）A.零-均值標(biāo)準(zhǔn)化B.小數(shù)定標(biāo)標(biāo)準(zhǔn)化C.最大-最小標(biāo)準(zhǔn)化D.對(duì)數(shù)變換標(biāo)準(zhǔn)化E.指數(shù)變換標(biāo)準(zhǔn)化三、判斷題（總共10題，每題3分，請(qǐng)判斷下列說法是否正確，正確的打√，錯(cuò)誤的打×）1.數(shù)據(jù)清洗只是簡(jiǎn)單地刪除重復(fù)數(shù)據(jù)，其他操作不需要進(jìn)行。（）2.缺失值較多的數(shù)據(jù)列對(duì)數(shù)據(jù)分析沒有任何價(jià)值，可以直接刪除。（）3.數(shù)據(jù)噪聲不會(huì)影響數(shù)據(jù)分析的結(jié)果，不需要進(jìn)行處理。（）4.數(shù)據(jù)清洗過程中，對(duì)于不一致的數(shù)據(jù)必須統(tǒng)一格式。（）5.清洗數(shù)據(jù)時(shí)，只要保證數(shù)據(jù)的準(zhǔn)確性就可以，不需要考慮數(shù)據(jù)結(jié)構(gòu)的一致性。（）6.數(shù)據(jù)標(biāo)準(zhǔn)化可以使不同規(guī)模的數(shù)據(jù)具有相同的特征，便于比較。（）7.對(duì)于數(shù)值型數(shù)據(jù)，異常值一定是錯(cuò)誤的數(shù)據(jù)，必須刪除。（）8.清洗數(shù)據(jù)可以提高數(shù)據(jù)的可用性和分析價(jià)值。（）9.人工手動(dòng)清洗數(shù)據(jù)效率高，適合處理大規(guī)模數(shù)據(jù)。（）10.數(shù)據(jù)清洗是一個(gè)一次性的過程，完成后不需要再次進(jìn)行。（）四、簡(jiǎn)答題（總共3題，每題10分，請(qǐng)簡(jiǎn)要回答問題）1.請(qǐng)簡(jiǎn)述數(shù)據(jù)清洗的主要流程。2.當(dāng)遇到數(shù)據(jù)中的異常值時(shí)，有哪些常見的處理方法？3.說明文本型數(shù)據(jù)清洗中去除停用詞的作用及常用的停用詞表來源。五、實(shí)操題（總共1題，每題30分，請(qǐng)根據(jù)給定的數(shù)據(jù)進(jìn)行清洗操作）給定一份包含學(xué)生成績的數(shù)據(jù)文件，部分?jǐn)?shù)據(jù)如下：|學(xué)號(hào)|姓名|數(shù)學(xué)成績|語文成績|英語成績||---|---|---|---|---||101|張三|85|90|78||102|李四|NULL|88|82||103|王五|92|NULL|85||104|趙六|88|95|89||105|孫七|90|92|NULL||106|周八|86|87|83||107|吳九|NULL|NULL|NULL||108|鄭十|91|93|87|請(qǐng)完成以下清洗操作：1.找出并處理缺失值。2.檢查是否存在重復(fù)記錄，如有則刪除。3.對(duì)數(shù)學(xué)成績、語文成績、英語成績進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化處理（采用最小-最大標(biāo)準(zhǔn)化方法）。答案：一、單項(xiàng)選擇題1.D2.D3.B4.C5.B6.A7.C8.B9.B10.B二、多項(xiàng)選擇題1.BCD2.ABCD3.ABC4.ABCDE5.ABC三、判斷題1.×2.×3.×4.√5.×6.√7.×8.√9.×10.×四、簡(jiǎn)答題1.數(shù)據(jù)清洗主要流程：首先進(jìn)行數(shù)據(jù)預(yù)處理，包括數(shù)據(jù)收集、導(dǎo)入等；然后檢查數(shù)據(jù)的完整性，找出缺失值；接著處理重復(fù)數(shù)據(jù)；再識(shí)別和處理數(shù)據(jù)噪聲與異常值；最后進(jìn)行數(shù)據(jù)轉(zhuǎn)換，如標(biāo)準(zhǔn)化等操作，使數(shù)據(jù)更適合分析。2.常見處理異常值的方法：刪除異常值所在記錄，但可能損失信息；用均值、中位數(shù)等統(tǒng)計(jì)量替換異常值；基于數(shù)據(jù)分布模型預(yù)測(cè)異常值并替換；將異常值視為特殊值單獨(dú)標(biāo)記處理。3.去除停用詞的作用：停用詞通常是一些無實(shí)際意義的詞，如“的”“是”“在”等，去除它們可以減少文本的冗余信息，提高文本分析的效率和準(zhǔn)確性。常用的停用詞表來源有NLTK（NaturalLanguageToolkit）庫自帶的停用詞表，也可以根據(jù)具體需求自定義停用詞表。五、實(shí)操題1.缺失值處理：對(duì)于數(shù)學(xué)成績列，102、103、105、107的缺失值用該列均值填充；語文成績列，102、103、107的缺失值用均值填充；英語成績列，103、105、107的缺失值用均值填充。2.經(jīng)檢查無重復(fù)記錄。3.最小-最大標(biāo)準(zhǔn)化公式：$x_{new}=\frac{x-x_{min}}{x_{max}-x_{min}}$。數(shù)學(xué)成績最小值85，最大值92，語文成績最小值86，最大值95，英語成績最小值82，最大值89。標(biāo)準(zhǔn)化后數(shù)據(jù)如下：|學(xué)號(hào)|姓名|數(shù)學(xué)成績|語文成績|英語成績||---|---|---|---|---||101|張三|0.71