2026年Python编程与数据分析能力测试题

2026年Python编程与数据分析能力测试题一、选择题（共10题，每题2分，总计20分）说明：以下题目主要考察Python基础语法、数据结构及常用库的基本应用，结合实际业务场景进行考查。1.Python中，以下哪个语句是正确的？A.`if(x>5):`B.`ifx>5:`C.`ifx>5:`D.`ifx>5:`2.在Python中，如何定义一个空字典？A.`{}`B.`[]`C.`()`D.`dict()`3.以下哪个函数可以用来计算列表中所有元素的总和？A.`sum()`B.`max()`C.`min()`D.`avg()`4.在Pandas中，读取CSV文件的正确方法是什么？A.`pd.read_csv("file.csv")`B.`pd.read_file("file.csv")`C.`pd.load_csv("file.csv")`D.`pd.open_csv("file.csv")`5.以下哪个是Python中的Lambda表达式？A.`defadd(x,y):returnx+y`B.`lambdax,y:x+y`C.`functionadd(x,y):x+y`D.`add=x,y=>x+y`6.在Pandas中，如何对DataFrame进行排序？A.`df.sort()`B.`df.sort_values()`C.`df.order()`D.`df.rank()`7.在Python中，以下哪个方法用于删除字典中的指定键值对？A.`remove()`B.`delete()`C.`pop()`D.`drop()`8.NumPy中，如何创建一个3x3的全零矩阵？A.`np.zeros((3,3))`B.`np.array((0,0,0))`C.`np.matrix(0)`D.`np.zeros[3][3]`9.在Pandas中，如何筛选出DataFrame中所有缺失值（NaN）所在的行？A.`df[df.isnull()]`B.`df[df.isna().any(axis=1)]`C.`df[df.empty()]`D.`df[df.isnan()]`10.在Python中，以下哪个模块用于处理正则表达式？A.`regex`B.`re`C.`pattern`D.`regexp`二、填空题（共5题，每题2分，总计10分）说明：请根据题目要求，在横线上填写正确的答案。1.在Python中，用于输入用户数据的函数是________。（答案：`input()`）2.在Pandas中，用于选择DataFrame中某一列的语法是________。（答案：`df['列名']`）3.NumPy中，用于生成随机数的函数是________。（答案：`np.random.rand()`或`np.random.randn()`）4.在Python中，用于打开和关闭文件的函数分别是________和________。（答案：`open()`和`close()`）5.在Pandas中，用于对数据进行分组统计的函数是________。（答案：`groupby()`）三、简答题（共5题，每题4分，总计20分）说明：请简要回答以下问题，无需长篇大论。1.简述Python中列表和元组的区别。（答案：列表是可变的，元组是不可变的；列表用`[]`定义，元组用`()`定义；列表适合频繁修改，元组适合存储不可变数据。）2.解释Pandas中DataFrame和Series的区别。（答案：DataFrame是二维表格结构，Series是一维数组结构；DataFrame有行索引和列索引，Series只有单一索引。）3.如何使用NumPy创建一个10个随机整数的数组，范围在1到100之间？（答案：`np.random.randint(1,101,size=10)`）4.在Pandas中，如何处理缺失值（NaN）？（答案：可以使用`dropna()`删除缺失值，或使用`fillna()`填充缺失值。）5.什么是Python中的装饰器？简述其用途。（答案：装饰器是一种设计模式，用于修改或增强函数的功能，而不改变函数代码；常用于日志记录、权限验证等。）四、编程题（共5题，每题10分，总计50分）说明：请根据题目要求，编写Python代码完成指定功能。1.数据清洗以下是一个包含缺失值和异常值的CSV数据片段（假设为`data.csv`），请用Pandas读取数据，并完成以下操作：-删除所有包含缺失值的行；-将年龄列中的异常值（如负数）替换为平均年龄；-将姓名列中的所有字符串转换为大写。（提示：可以使用`read_csv()`、`dropna()`、`fillna()`、`apply()`等方法）2.数据分析假设有一个包含销售额和销售日期的DataFrame`df`，请编写代码：-按月份统计总销售额；-找出销售额最高的日期及其销售额。（提示：可以使用`groupby()`、`datetime`模块、`idxmax()`等方法）3.NumPy操作创建一个5x5的矩阵，其中对角线元素为1，其他元素为0。（提示：可以使用`np.eye()`或`np.zeros()`结合索引操作）4.函数编写编写一个函数`calculate_stats()`，接收一个列表作为参数，返回该列表的平均值、中位数和标准差。（提示：可以使用`statistics`模块或NumPy库）5.文件处理假设有一个文本文件`log.txt`，每行包含一个用户操作日志（如`"用户A-登录"`），请编写代码统计并输出“登录”操作出现的次数。（提示：可以使用`open()`、`readline()`或正则表达式）答案与解析一、选择题答案与解析1.B解析：Python条件语句的正确语法是`if条件:`，选项B符合要求。其他选项语法错误或使用了不支持的关键字。2.A解析：空字典用`{}`定义，空列表用`[]`，空元组用`()`，空集合用`set()`。3.A解析：`sum()`函数可以计算列表、元组或迭代对象的总和，其他选项函数不存在或功能不同。4.A解析：Pandas读取CSV文件的标准方法是`pd.read_csv()`，其他选项语法错误。5.B解析：Lambda表达式是匿名函数，用`lambda`关键字定义，形式为`lambda参数:表达式`。6.B解析：`df.sort_values()`用于按指定列排序，其他选项方法不存在或功能不同。7.C解析：`pop()`方法删除指定键值对并返回值，其他选项方法不存在或功能不同。8.A解析：`np.zeros((3,3))`创建3x3全零矩阵，其他选项语法错误或功能不同。9.B解析：`df.isna().any(axis=1)`筛选出包含NaN的行，其他选项语法错误或逻辑不正确。10.B解析：`re`模块用于正则表达式，其他选项模块不存在或功能不同。二、填空题答案与解析1.input()解析：`input()`函数用于从用户获取输入，返回字符串类型。2.df['列名']解析：Pandas选择列的语法是`df['列名']`，其他方式如`df.column_name`仅限列名无空格时使用。3.np.random.rand()或np.random.randn()解析：`np.random.rand()`生成[0,1)均匀分布随机数，`np.random.randn()`生成标准正态分布随机数。4.open()和close()解析：`open()`用于打开文件，`close()`用于关闭文件，其他函数如`withopen()`会自动管理文件关闭。5.groupby()解析：`groupby()`用于对数据进行分组，常用于聚合统计。三、简答题答案与解析1.列表和元组的区别解析：列表可变（可修改），元组不可变（不可修改）；列表用`[]`，元组用`()`；列表适合频繁修改操作，元组适合存储不可变数据。2.DataFrame和Series的区别解析：DataFrame是二维表格，有行索引和列索引；Series是一维数组，只有单一索引；DataFrame更像Excel，Series更像一列数据。3.创建随机整数数组解析：`np.random.randint(1,101,size=10)`生成10个1到100的随机整数，`randint`左闭右开。4.处理缺失值解析：`dropna()`删除缺失值行，`fillna()`填充缺失值（如用均值、中位数或特定值），`isnull()`检测缺失值。5.装饰器解析：装饰器是函数的修饰工具，不改变函数代码即可增强功能，常用于日志、权限验证等，通过`@decorator`语法使用。四、编程题答案与解析1.数据清洗pythonimportpandasaspd读取数据df=pd.read_csv("data.csv")删除缺失值行df=df.dropna()替换年龄异常值df['年龄']=df['年龄'].apply(lambdax:df['年龄'].mean()ifx<0elsex)姓名转大写df['姓名']=df['姓名'].str.upper()输出结果print(df)2.数据分析pythonimportpandasaspdimportdatetime假设df已存在df['日期']=pd.to_datetime(df['日期'])df['月份']=df['日期'].dt.month按月份统计总销售额monthly_sales=df.groupby('月份')['销售额'].sum()print(monthly_sales)找出销售额最高日期max_sales_row=df.loc[df['销售额'].idxmax()]print(f"最高销售额日期：{max_sales_row['日期']},销售额：{max_sales_row['销售额']}")3.NumPy操作pythonimportnumpyasnpmatrix=np.zeros((5,5))np.fill_diagonal(matrix,1)print(matrix)4.函数编写pythonimportstatisticsdefcalculate_stats(data):mean=statistics.mean(data)median=statistics.median(data)std_dev=statistics.stdev(data)returnmean,median,std_dev示例