2025年大二python数据分析期末试卷及答案

2025年大二python数据分析期末试卷及答案一、单项选择题（每题2分，共20分）1.以下关于Pandas数据结构的描述，错误的是（）A.Series是一维数组结构，支持自动对齐B.DataFrame的列可以通过字典方式添加C.使用pd.Series([1,2,3],index=['a','b','c'])创建的Series，其索引类型为RangeIndexD.DataFrame的行索引和列索引可以分别通过.index和.columns属性获取2.现有DataFramedf，若要统计各列缺失值的数量，正确的操作是（）A.df.isnull().sum()B.df.dropna().count()C.df.fillna(0).info()D.df.describe().loc['NaN']3.对数组arr=np.array([[1,2,3],[4,5,6],[7,8,9]])执行arr[1:,::2]后，得到的结果是（）A.[[4,6],[7,9]]B.[[4,5],[7,8]]C.[[5,6],[8,9]]D.[[2,3],[5,6]]4.以下关于Seaborn可视化库的说法，正确的是（）A.绘制箱线图使用sns.lineplot()B.默认主题风格与Matplotlib完全一致C.可以直接接收DataFrame作为数据输入D.散点图无法添加回归趋势线5.对某电商用户消费数据进行分析时，若要计算每个用户的客单价（总消费金额/购买次数），应使用的聚合方法是（）A.df.groupby('用户ID').agg({'消费金额':'sum','购买次数':'mean'})B.df.groupby('用户ID').agg(客单价=('消费金额',lambdax:x.sum()/x.count()))C.df.groupby('用户ID').apply(lambdax:x['消费金额'].sum()/x.shape[0])D.df.groupby('用户ID')[['消费金额','购买次数']].sum().eval('客单价=消费金额/购买次数')6.现有时间序列数据df，时间列名为'time'（类型为datetime64），若要提取每个日期的月份信息并添加新列'month'，正确的代码是（）A.df['month']=df['time'].dt.monthB.df['month']=df['time'].str.split('-').str[1]C.df['month']=pd.to_datetime(df['time']).apply(lambdax:x.month)D.df['month']=df['time'].astype(str).str[5:7].astype(int)7.对数据集进行标准化（Z-score标准化）时，正确的计算公式是（）A.(x-x.min())/(x.max()-x.min())B.(x-μ)/σ，其中μ是均值，σ是方差C.(x-μ)/σ，其中μ是均值，σ是标准差D.x/x.sum()8.以下关于相关系数的说法，错误的是（）A.Pearson相关系数适用于线性相关分析B.Spearman相关系数基于变量的秩次计算C.相关系数为0表示两个变量完全不相关D.相关系数的取值范围是[-1,1]9.要绘制某城市2020-2024年各月平均气温的变化趋势图，最适合的图表类型是（）A.柱状图B.折线图C.散点图D.箱线图10.对DataFrame执行df.duplicated(subset=['A','B'])后，返回的结果是（）A.包含所有重复行的DataFrameB.布尔型Series，标记每行是否为重复行（除首次出现外）C.数值型Series，记录每行的重复次数D.包含唯一值的DataFrame二、填空题（每空2分，共20分）1.导入Pandas库的标准写法是__________。2.若要将二维NumPy数组转换为DataFrame，应使用__________函数。3.处理缺失值时，使用__________方法可以删除包含缺失值的行，使用__________方法可以用指定值填充缺失值。4.计算DataFrame中数值列的基本统计量（均值、标准差等），应使用__________方法。5.在Matplotlib中，设置图表标题的函数是__________，设置x轴标签的函数是__________。6.对DataFrame按列排序时，使用__________方法，参数by指定排序列名，参数ascending控制升序/降序。7.提取DataFrame中列名为'price'且值大于100的行，应使用__________。三、编程题（共40分）1.（10分）现有CSV文件"sales_data.csv"，包含以下字段：订单ID（order_id，字符串）、客户ID（customer_id，整数）、订单日期（order_date，格式'YYYY-MM-DD'）、产品类别（category，字符串）、销售金额（amount，浮点数）、数量（quantity，整数）。请编写代码完成以下操作：（1）读取该文件到DataFrame，命名为sales_df；（2）将order_date列转换为datetime类型；（3）添加新列'month'，提取订单日期的月份信息；（4）计算每个客户（customer_id）的总消费金额和总购买数量。2.（15分）某电商平台用户行为数据df包含字段：用户ID（user_id）、行为类型（behavior，取值'点击','收藏','加购','购买'）、商品ID（item_id）、时间戳（timestamp，Unix时间戳）。请完成以下分析：（1）将时间戳转换为datetime类型，添加新列'datetime'；（2）统计每种行为类型的发生次数，绘制柱状图（要求设置图表标题、坐标轴标签，使用Seaborn库）；（3）计算用户的行为活跃时间段（按小时统计行为次数，找出次数最多的3个小时）。3.（15分）现有某品牌新能源汽车销售数据df，包含字段：城市（city）、月份（month，1-12）、销量（sales，整数）、平均气温（temp，浮点数）。请完成：（1）检查销量列是否存在异常值（假设销量不可能超过该城市月均销量的3倍标准差），并标记异常值；（2）按城市分组，计算各城市的月均销量和销量变异系数（变异系数=标准差/均值）；（3）绘制各城市月销量与平均气温的散点图，添加总趋势线（使用Seaborn的lmplot）。四、综合分析题（20分）某在线教育平台提供Python、Java、数据分析三门课程，现有用户学习行为数据course_data.csv，字段包括：用户ID（user_id）、课程名称（course，取值'Python','Java','数据分析'）、学习时长（duration，分钟，取值0-300）、完成进度（progress，百分比，0-100）、是否购买课程（purchase，0-1变量，1表示购买）。请基于该数据完成以下分析并编写代码：（1）数据清洗：检查并处理缺失值（要求：若某行学习时长或完成进度缺失则删除该行；若课程名称缺失则用众数填充）；（2）探索性分析：①统计各课程的用户数量及购买转化率（购买用户数/总用户数）；②分析学习时长与完成进度的相关性（计算相关系数并绘制散点图）；③比较三门课程用户学习时长的分布（绘制箱线图）。（3）结论推断：根据分析结果，提出提升课程购买转化率的建议。答案一、单项选择题1.C2.A3.A4.C5.D6.A7.C8.C9.B10.B二、填空题1.importpandasaspd2.pd.DataFrame()3.dropna()、fillna()4.describe()5.plt.title()、plt.xlabel()6.sort_values()7.sales_df[sales_df['price']>100]三、编程题1.代码实现：```pythonimportpandasaspd(1)读取文件sales_df=pd.read_csv('sales_data.csv')(2)转换日期类型sales_df['order_date']=pd.to_datetime(sales_df['order_date'])(3)提取月份sales_df['month']=sales_df['order_date'].dt.month(4)客户消费统计customer_stats=sales_df.groupby('customer_id').agg(总消费金额=('amount','sum'),总购买数量=('quantity','sum'))```2.代码实现：```pythonimportpandasaspdimportseabornassnsimportmatplotlib.pyplotasplt(1)时间戳转换df['datetime']=pd.to_datetime(df['timestamp'],unit='s')(2)行为次数统计与绘图behavior_counts=df['behavior'].value_counts().reset_index()behavior_counts.columns=['行为类型','次数']plt.figure(figsize=(8,5))sns.barplot(x='行为类型',y='次数',data=behavior_counts)plt.title('用户行为类型分布')plt.xlabel('行为类型')plt.ylabel('发生次数')plt.show()(3)活跃时间段分析df['hour']=df['datetime'].dt.hourhour_counts=df['hour'].value_counts().sort_index()top_hours=hour_counts.nlargest(3).index.tolist()print(f'用户最活跃的3个小时是：{top_hours}')```3.代码实现：```pythonimportpandasaspdimportnumpyasnpimportseabornassns(1)异常值检测defdetect_outliers(group):mean=group['sales'].mean()std=group['sales'].std()group['is_outlier']=(group['sales']>mean+3std)|(group['sales']<mean-3std)returngroupdf=df.groupby('city').apply(detect_outliers)(2)月均销量与变异系数计算city_stats=df.groupby('city')['sales'].agg(月均销量='mean',销量标准差='std').reset_index()city_stats['变异系数']=city_stats['销量标准差']/city_stats['月均销量'](3)散点图与趋势线sns.lmplot(x='temp',y='sales',data=df,hue='city',ci=None)plt.title('月销量与平均气温关系')plt.xlabel('平均气温(℃)')plt.ylabel('月销量(辆)')plt.show()```四、综合分析题代码实现与分析：```pythonimportpandasaspdimportseabornassnsimportmatplotlib.pyplotaspltfromscipyimportstats(1)数据清洗读取数据course_data=pd.read_csv('course_data.csv')处理缺失值删除学习时长或进度缺失的行course_data=course_data.dropna(subset=['duration','progress'])填充课程名称缺失值（用众数）course_mode=course_data['course'].mode()[0]course_data['course']=course_data['course'].fillna(course_mode)(2)探索性分析①课程用户数与购买转化率course_user=course_data.groupby('course').agg(总用户数=('user_id','nunique'),购买用户数=('purchase',lambdax:x.sum())).reset_index()course_user['购买转化率']=course_user['购买用户数']/course_user['总用户数']②学习时长与进度相关性corr=course_data[['duration','progress