搭建開發(fā)環(huán)境填空題數(shù)據(jù)分析按照復(fù)雜度和深度可以分為、診斷性分析、預(yù)測性分析和規(guī)范性分析共4個層次。包含了Conda、Python在內(nèi)的超過180個科學(xué)計算包及其依賴項。是一個支持實時代碼、數(shù)學(xué)方程、可視化和Markdown的Web應(yīng)用程序。JupyterNotebook支持Code、和Raw共三種類型的單元格。是Python開源的科學(xué)計算庫，能夠?qū)崿F(xiàn)高維數(shù)組與矩陣運算。判斷題數(shù)據(jù)分析是一個有目的地收集和整合數(shù)據(jù)的過程。（）Python能夠“粘連”其它語言的組件，便于開發(fā)人員操作其它語言編寫的庫。（）如果要刪除指定環(huán)境中的包，則可以直接使用condaremove命令刪除。（）數(shù)據(jù)預(yù)處理在一定程度上保證了數(shù)據(jù)的質(zhì)量。（）Anaconda工具默認(rèn)已經(jīng)安裝了數(shù)據(jù)分析用到的全部庫，無需另行安裝。（）選擇題下列選項中，哪個環(huán)節(jié)是數(shù)據(jù)分析中負(fù)責(zé)搭接數(shù)據(jù)倉庫和保證數(shù)據(jù)質(zhì)量的？（）數(shù)據(jù)收集數(shù)據(jù)處理數(shù)據(jù)分析數(shù)據(jù)展現(xiàn)關(guān)于Anaconda工具的說法中，下列描述錯誤的是（）。Anaconda是一個可以對包和環(huán)境進(jìn)行統(tǒng)一管理的工具。Anaconda是完全開源的、付費的Anaconda支持Linux、Windows、macOS操作系統(tǒng)Anaconda避免了單獨安裝包時需要配置或兼容等各種問題下列選項中，關(guān)于JupyterNotebook的描述正確的是（）。安裝Anaconda工具后會自動擁有JupyterNotebookJupyterNotebook只能通過命令行的方式啟動JupyterNotebook首頁的根目錄是不能修改的JupyterNotebook不能將文檔導(dǎo)出為HTML文件下列選項中，用于實現(xiàn)數(shù)據(jù)可視化功能的庫是（）。（多選）NumPypandasMatplotlibscikit-learn下列選項中，用于查看當(dāng)前環(huán)境下所有包信息的命令是（）。conda--versioncondalistcondainstalljiebacondaupdate--all簡答題什么是數(shù)據(jù)分析？請簡述數(shù)據(jù)分析的基本流程。科學(xué)計算庫NumPy填空題在NumPy中，可以使用數(shù)組對象________執(zhí)行一些科學(xué)計算。如果ndarray.ndim執(zhí)行的結(jié)果為2，則表示創(chuàng)建的是_____維數(shù)組。如果ndarray.shape執(zhí)行的結(jié)果為(2,3)，則表示數(shù)組中總共有________個元素。如果兩個數(shù)組的形狀不同，則它們進(jìn)行算術(shù)運算時可能會觸發(fā)________機(jī)制。NumPy中________是指用整數(shù)數(shù)組或整數(shù)列表作為數(shù)組的索引。判斷題通過empty()函數(shù)創(chuàng)建的數(shù)組，該數(shù)組中沒有任何的元素。（）若使用ones()函數(shù)創(chuàng)建數(shù)組時沒有明確地指明元素的數(shù)據(jù)類型，則默認(rèn)數(shù)據(jù)類型為float64。（）數(shù)組之間的任何算術(shù)運算都會將運算應(yīng)用到數(shù)組的每個元素上。（）多維數(shù)組操作索引時，可以將切片與整數(shù)索引混合使用。（）當(dāng)通過布爾索引操作數(shù)組時，返回的數(shù)據(jù)是布爾數(shù)組中False對應(yīng)位置的值。（）選擇題下列選項中，用來表示數(shù)組維度元組的屬性是（）。ndimshapesizedtype下面選項中，哪個代碼創(chuàng)建的數(shù)組是3行3列的？（）arr=np.array([1,2,3])arr=np.array([[1,2,3],[4,5,6]])arr=np.array([[1,2],[3,4]])np.ones((3,3))請閱讀下面一段程序：arr_2d=np.array([[11,20,13],[14,25,16],[27,18,9]])print(arr_2d[1,:1])執(zhí)行上述程序后，最終輸出的結(jié)果為（）。[14][25][14,25][20,25]請閱讀下面一段程序：arr=np.arange(6).reshape(1,2,3)print(arr.transpose(2,0,1))執(zhí)行上述程序后，最終輸出的結(jié)果為（）。[[[25]][[03]][[14]]][[[14]][[03]][[25]]][[[03]][[14]][[25]]][[[0][3]][[1][4]][[2][5]]]下列選項中，哪個函數(shù)或方法的功能相當(dāng)于矢量化三元表達(dá)式？（）where()cumsum()sort()unique()簡答題請簡要描述NumPy數(shù)組的軸。請簡述判斷數(shù)組形狀兼容的規(guī)則。數(shù)據(jù)分析庫pandas基礎(chǔ)填空題pandas中主要有DataFrame和兩種數(shù)據(jù)結(jié)構(gòu)。pandas中通過屬性可以獲取DataFrame的列索引。pandas中方法用于預(yù)覽前N行數(shù)據(jù)。函數(shù)用于從CSV或TXT文件中讀取數(shù)據(jù)。是在一個軸方向上具有兩層或兩層以上的索引。判斷題DataFrame的每列數(shù)據(jù)可以看作一個Series類的對象。（）使用describe()方法可以描述多個統(tǒng)計指標(biāo)。（）from_arrays()方法用于根據(jù)元組列表創(chuàng)建MultiIndex類的對象。（）read_csv()和read_table()沒有任何區(qū)別，可以隨意替換使用。（）DataFrame類的對象不能有分層索引。（）選擇題下列選項中，用于重命名索引的方法是（）。rename()reindex()describe()swaplevel()下列關(guān)于索引對象的描述，錯誤的是（）。位置索引或標(biāo)簽索引都屬于Index類的對象索引對象一旦創(chuàng)建是不可以被修改的索引對象的值是可以重復(fù)的DataFrame默認(rèn)的索引是標(biāo)簽索引下列方法中，用于根據(jù)元組創(chuàng)建MultiIndex類對象的是（）。from_tuples()from_arrays()from_product()from_list()下列選項中，哪個方法可以一次性輸出DataFrame類對象的多個統(tǒng)計指標(biāo)？（）describe()mean()median()sum()請閱讀下面一段程序：importpandasaspdser_obj=pd.Series(range(1,6),index=[5,3,0,4,2])ser_obj.sort_index()執(zhí)行上述程序后，最終輸出的結(jié)果為（）。5132034425032532445151443225032544033251簡答題簡述兩種數(shù)據(jù)結(jié)構(gòu)各自的特點。簡述什么是分層索引。數(shù)據(jù)預(yù)處理填空題pandas中缺失值一般使用None或np.nan表示，統(tǒng)一標(biāo)記為________。________指的是沿著某個軸的方向?qū)蓚€或兩個以上的對象按照一定的邏輯關(guān)系進(jìn)行合并。________又稱虛擬變量，用來反映某個變量的不同類別。________是指數(shù)據(jù)集中的個別值明顯偏離它所屬數(shù)據(jù)集的其余值。________方法用于將DataFrame的列索引旋轉(zhuǎn)為行索引。判斷題使用dropna()方法可以刪除缺失值。（）3σ原則只適用于符合或近似正態(tài)分布的數(shù)據(jù)集。（）to_numeric()函數(shù)轉(zhuǎn)換字符串時一定會導(dǎo)致程序報錯。（）包含分層索引的DataFrame經(jīng)過stack()重塑后一定會得到一個Series。（）當(dāng)使用merge()函數(shù)合并兩個DataFrame類的對象時，不需要指定合并鍵。（）選擇題下列選項中，描述錯誤的是。（）數(shù)據(jù)清洗的目的是提高數(shù)據(jù)的質(zhì)量異常值被檢測出來無需確認(rèn)可以直接刪除使用drop_duplicates()方法可以刪除重復(fù)值concat()函數(shù)可以沿著一條軸將多個對象進(jìn)行堆疊合并請閱讀下面一段程序：frompandasimportSeriesimportpandasaspdfromnumpyimportNaNseries_obj=Series([None,4,NaN])pd.isnull(series_obj)執(zhí)行上述程序后，最終輸出的結(jié)果為（）。0True1False2True0True1True2False0False1True2True0True1True2True下列選項中，可以刪除缺失值的是（）。isnull()notnull()dropna()fillna()下列選項中，描述錯誤是（）。concat()函數(shù)可以沿著一條軸將多個對象進(jìn)行堆疊merge()函數(shù)可以根據(jù)一個或多個鍵將不同DataFrame進(jìn)行合并使用rename()方法對索引進(jìn)行重命名操作unstack()方法用于DataFrame的行索引轉(zhuǎn)換為列索引請閱讀下面一段程序：importnumpyasnpimportpandasaspdser_obj=pd.Series([4,np.nan,6,5,-3,2])ser_obj.sort_values()執(zhí)行上述程序后，最終輸出的結(jié)果為（）。4-3.052.004.035.026.01NaN1NaN26.035.004.052.04-3.052.004.035.026.04-3.01NaN04.01NaN26.035.04-3.052.0簡答題請簡述什么是異常值。請簡述數(shù)據(jù)合并的幾種方式。數(shù)據(jù)的分組與聚合填空題分組與聚合的基本過程包括、應(yīng)用和合并。在groupby()方法中，參數(shù)決定了按照什么樣的標(biāo)準(zhǔn)對數(shù)據(jù)進(jìn)行分組。GroupBy對象是一個對象。使用GroupBy對象的屬性可以查看分組的具體信息。當(dāng)對DataFrame對象進(jìn)行分組后會返回一個對象。判斷題分組應(yīng)用的函數(shù)只能是用戶自定義的函數(shù)。（）使用print()函數(shù)可以直接查看GroupBy對象的具體信息。（）使用agg()方法進(jìn)行聚合運算會對產(chǎn)生的標(biāo)量值進(jìn)行廣播。（）使用transform()方法聚合后產(chǎn)生的結(jié)果與原對象的形狀可以相同。（）apply()方法不能實現(xiàn)數(shù)據(jù)聚合的功能。（）選擇題下列關(guān)于groupby()方法的說法，錯誤的是（）。分組鍵可以是列表或數(shù)組，但長度不需要與待分組軸的長度相同可以根據(jù)DataFrame類對象的列標(biāo)簽進(jìn)行分組可以根據(jù)函數(shù)進(jìn)行分組可以根據(jù)Series或字典進(jìn)行分組下列關(guān)于agg()方法的描述，錯誤的是（）。agg()方法中func參數(shù)只能傳入一個函數(shù)agg()方法中func參數(shù)可以傳入多個函數(shù)agg()方法中func參數(shù)可以傳入自定義函數(shù)agg()方法不能對聚合后產(chǎn)生的標(biāo)量值進(jìn)行廣播下列關(guān)于transform()方法的說法，正確的是（）。該方法返回的結(jié)果不會與原始對象保持相同形狀該方法會對分組內(nèi)產(chǎn)生的標(biāo)量值進(jìn)行廣播func參數(shù)只能接收內(nèi)置函數(shù)func參數(shù)可以接收多個內(nèi)置函數(shù)下列關(guān)于apply()方法的說法，錯誤的是（）。該方法可以將用戶自定義的函數(shù)應(yīng)用到分組該方法可以同時將多個函數(shù)應(yīng)用到分組該方法可以實現(xiàn)數(shù)據(jù)聚合功能該方法返回的結(jié)果一定與分組前對象的形狀完全相同請閱讀下面一段程序：importpandasaspdpd.DataFrame([[2,3],]*3,columns=['A','B']).apply(lambdax:x+1)執(zhí)行上述程序后，最終輸出的結(jié)果為（）。AB032132232AB023123223AB034134234AB043143243簡答題請簡述分組聚合的流程。請簡述常用的分組方式。數(shù)據(jù)可視化填空題由一系列寬度相等、高度不等的矩形組成，用于反映數(shù)據(jù)的分布情況。箱形圖利用最小值、第一四分位數(shù)、、第三四分位數(shù)和最大值這幾個統(tǒng)計量描述一組數(shù)據(jù)。Matplotlib中的模塊封裝了快速繪制圖表的函數(shù)。在圖表中，是額外添加的文本，用于對圖表或者圖形元素提供說明。是一個用于生成Echarts圖表的開源庫。判斷題Seaborn是基于Matplotlib的數(shù)據(jù)可視化庫。（）直方圖與柱形圖都使用矩形表示數(shù)據(jù)，它們之間沒有任何區(qū)別。（）餅圖在識別異常值方面有一定的優(yōu)越性。（）Matplotlib默認(rèn)支持在圖表中顯示中文文本。（）通過load_dataset()

函數(shù)可以在線加載

Seaborn庫自帶的數(shù)據(jù)集。（）選擇題在Matplotlib中，用于展示圖表的函數(shù)是（）。plot()bar()hist()show()下列選項中，關(guān)于Pyecharts庫的描述正確的是（）。Pyecharts庫生成的圖表不能與用戶交互Pyecharts庫無需安裝便可以直接使用Pyecharts庫是基于Seaborn進(jìn)行封裝的使用Pyecharts庫可以繪制柱形圖下列選項中，關(guān)于Seaborn庫的繪圖函數(shù)說法錯誤的是。（）distplot()函數(shù)用于繪制直方圖和核密度估計曲線distplot()函數(shù)默認(rèn)不使用密度觀察條stripplot()函數(shù)用于繪制直方圖swarmplot()函數(shù)用于繪制數(shù)據(jù)點不重疊的散點圖在Matplotlib中，用于給圖表添加標(biāo)題的函數(shù)是（）。xlabel()title()legend()text()下列選項中，哪個方法在Pyecharts中用于為圖表設(shè)置全局配置項？（）render_notebook()render()set_global_opts()set_series_opts()簡答題請簡述使用Pyecharts繪制圖表的基本過程。請列舉6種圖表類型，并簡要描述這些圖表的特點。時間序列分析填空題________是指將同一統(tǒng)計指標(biāo)的數(shù)值按其發(fā)生的時間先后順序排列而成的數(shù)列。pandas中的________表示日期和時間索引。pandas中的頻率可以由________和倍數(shù)組成。pandas.tseries.offsets模塊提供了表示日期偏移量的________類。pandas中使用________類表示一個標(biāo)準(zhǔn)的時期。判斷題pandas中的時間序列就是以日期時間為索引的Series或DataFrame。（）如果兩個Period類對象的頻率相同，那么它們相減的結(jié)果為它們的單位數(shù)量。（）任何類型的pandas對象都可以進(jìn)行重采樣。（）DatetimeIndex是由一組時期組成的索引。（）當(dāng)對時間序列進(jìn)行降采樣時，可能會導(dǎo)致部分日期時間沒有對應(yīng)的數(shù)據(jù)。（）選擇題下列選項中，不能作為Series或DataFrame對象索引的是（）。PeriodDatetimeIndexPeriodIndexMultiIndex請閱讀下面一段程序：importpandasaspdperiod1=pd.Period('2024/6/1')print(period1+50)執(zhí)行上述程序，最終輸出的結(jié)果為（）。2024-07-182024-07-192024-07-202024-07-21請閱讀下面一段程序：importpandasaspdimportnumpyasnpdate_index=pd.date_range(start="2024/08/10",periods=5)date_se=pd.Series(np.arange(5),index=date_index)sorted_se=date_se.sort_index()print(sorted_se.truncate(after='2024-8-11'))執(zhí)行上述程序，最終輸出的結(jié)果為（）。2024-08-1222024-08-1332024-08-1222024-08-1332024-08-1442024-08-1002024-08-1112024-08-1222024-08-1002024-08-111下列函數(shù)中，哪個創(chuàng)建有固定頻率的DatetimeIndex對象？（）shift()date_range()period_range()asfreq()關(guān)于重采樣的說法中，下列描述錯誤的是（）。重采樣是將時間序列從一個頻率轉(zhuǎn)到另一個頻率當(dāng)對時間序列進(jìn)行升采樣時，它的時間顆粒是變小的時間序列在降采樣時，總體的數(shù)據(jù)量是增