2026年Python数据分析与应用试题

2026年Python数据分析与应用试题一、选择题（共10题，每题2分，计20分）（本部分侧重Python基础与数据分析常用库的应用，结合长三角地区制造业数据场景）1.在处理长三角某制造业企业的生产数据时，发现某列数据类型混杂，包含数字与文本，以下哪种方法最能有效将其统一为数值型？（）A.使用`pandas.to_numeric()`直接转换B.使用`numpy.astype()`强制转换C.使用正则表达式提取数字后转换D.使用`df.apply()`逐行判断转换2.读取上海某港口的CSV文件时，发现部分日期字段格式不统一（如"2023-01-15"和"15/01/2023"），应优先使用哪个库的函数进行标准化？（）A.`numpy.strptime()`B.`datetime.strptime()`C.`pandas.to_datetime()`（默认解析）D.`re.sub()`配合正则表达式3.对于某城市（如杭州）的空气质量PM2.5数据，计算每日最大值并按降序排列，以下哪个代码片段效率最高？（）python选项略提示：数据量约10万行。4.在分析珠三角某电子厂的产品缺陷数据时，需筛选出"缺陷类型"为"短路"且"生产线编号"为"3C01"的记录，以下哪个条件表达式最简洁？（）python选项略5.使用Matplotlib绘制某城市（成都）2023年各月降雨量折线图时，若需突出显示异常值（如洪涝月份），应使用哪个方法？（）A.`plot()`的`marker='o'`参数B.`axvline()`添加垂直参考线C.`scatter()`叠加散点图D.`fill_between()`填充置信区间6.在使用Scikit-learn进行某电商用户画像聚类时，选择K-means算法，以下哪个指标最适合确定最优K值？（）A.方差分析（ANOVA）B.轮廓系数（SilhouetteScore）C.决策树基尼系数D.熵值法7.对于某景区（黄山）的游客流量数据，需检测是否存在异常波动（如节假日突增），以下哪种方法最常用？（）A.相关性分析B.时间序列分解（STL）C.独立样本t检验D.卡方检验8.在处理某金融机构（深圳某银行）的客户交易数据时，需按"交易金额"分组并计算每组的平均交易时间，以下哪个函数最适用？（）python选项略9.使用Seaborn绘制某省（江苏）不同城市GDP的箱线图时，若需区分"产业结构类型"（如制造业/服务业），应使用哪个参数？（）A.`hue`参数B.`size`参数C.`style`参数D.`order`参数10.对于某新能源企业（如比亚迪）的电池寿命测试数据，需构建线性回归模型预测寿命，以下哪个库的函数最推荐？（）A.`statsmodels.OLS()`B.`scipy.optimize.curve_fit()`C.`sklearn.linear_model.LinearRegression`D.`TensorFlow`的Sequential模型二、填空题（共5题，每空2分，计20分）（本部分结合京津冀地区农业气象数据分析场景）1.在使用Pandas处理某地（北京）的气象数据时，若某列包含"缺失值"字样，可通过`______`函数将其统一替换为`NaN`。2.使用NumPy计算某地（天津）过去30天温度数据的平均值时，若数据存储在`temp`数组中，应使用`______`函数，并指定`axis=0`以按天聚合。3.在绘制某省（河北）小麦产量与降水量关系散点图时，若需用不同颜色区分"种植密度"（高/中/低），可使用Matplotlib的`______`参数传递分类标签。4.使用Scikit-learn进行某地（河北某县）小麦病虫害预测时，若需标准化特征值，应先创建`MinMaxScaler()`对象，然后调用其`______`方法拟合训练数据。5.对于某地（河北）的农业遥感影像数据，若需提取植被指数（如NDVI），可通过计算红光波段（R）与近红外波段（NIR）的比值`______`得到。三、简答题（共4题，每题10分，计40分）（本部分结合粤港澳大湾区金融数据分析场景）1.数据清洗问题：某金融机构（广州某银行）提供的是深圳某企业的信用数据，包含缺失值、异常值和重复记录。请简述使用Pandas进行数据清洗的步骤，并举例说明如何处理缺失值（如用均值填充）和异常值（如箱线图法）。2.时间序列分析：某城市（深圳）2023年股市交易数据存储在CSV文件中，时间字段为"YYYY-MM-DDHH:MM"。请简述如何将其转换为Pandas的`DatetimeIndex`，并计算每小时的平均交易量。3.特征工程问题：某地（香港）的房产交易数据包含"面积（㎡）"和"楼层"，如何构造新的特征"单位面积价格（元/㎡）"？若需分类"高性价比"（如价格低于区域均值），如何实现？4.模型评估问题：使用某地（珠海）的电商用户购买数据训练逻辑回归模型，评估指标应优先选择哪些？为什么？若发现模型过拟合，可采取哪些缓解措施？四、编程题（共3题，第1题15分，第2题20分，第3题25分，计60分）（本部分结合长三角制造业生产数据分析场景）1.数据聚合与可视化（15分）某制造企业（苏州某厂）提供2023年生产数据（CSV格式），字段包括"日期"、"产品ID"、"生产线编号"、"缺陷类型"、"缺陷数量"。-要求1：读取数据，筛选出"缺陷类型"为"划痕"的记录，按"日期"和"生产线编号"分组，计算每日每条生产线的划痕总数。-要求2：使用Matplotlib绘制折线图，X轴为日期，Y轴为划痕总数，不同生产线用不同颜色表示。2.异常检测与处理（20分）某电子厂（南京某厂）提供2023年质检数据（CSV格式），字段包括"产品ID"、"重量（g）"、"尺寸（cm）"。部分产品存在测量误差（如重量远超正常范围）。-要求1：使用IQR方法检测重量列的异常值，并标记为"异常"。-要求2：对异常值使用分位数替换法（用所在分组的均值替换），并计算处理前后重量的标准差变化。3.机器学习建模（25分）某汽车零部件企业（上海某厂）提供2023年生产数据（CSV格式），字段包括"原材料等级"、"加工温度"、"加工时间"、"产品合格率（%）"。-要求1：构建特征矩阵X（前3列）和目标向量y（最后一列），对X进行标准化。-要求2：使用随机森林模型（随机森林）预测产品合格率，输出特征重要性排序。-要求3：若发现"原材料等级"特征重要性低，简述可能原因并提出改进建议。答案与解析一、选择题答案与解析1.C解析：`pandas.to_numeric()`能处理混合类型，`errors='coerce'`会将非数字转为NaN。其他选项要么强制转换导致错误，要么效率低。2.C解析：`pandas.to_datetime()`自动处理多种日期格式，无需手动正则。其他选项需自定义解析规则，复杂度高。3.D解析：示例代码应使用`groupby().agg('max').sort_values()`，利用Pandas内置方法链效率最高。4.A解析：示例代码应使用`df[(df['缺陷类型']=='短路')&(df['生产线编号']=='3C01')]`，逻辑运算符优先级明确。5.C解析：叠加散点图能直观显示异常点，`ax.scatter()`配合条件筛选实现。6.B解析：轮廓系数在0.7-1.0间表示聚类效果好，适合K选择。7.B解析：STL能分离趋势、季节性和残差，残差部分可检测异常波动。8.D解析：示例代码应使用`groupby('交易金额').apply(lambdax:x['交易时间'].mean())`，保留分组逻辑。9.A解析：`hue`参数支持分类颜色区分，其他参数不适用。10.C解析：`sklearn`的线性回归简洁高效，适合基础预测任务。二、填空题答案与解析1.`replace()`解析：Pandas的`replace()`默认用`NaN`替换缺失标识。2.`mean()`解析：NumPy的`mean()`支持指定轴，`axis=0`按列计算。3.`hue`解析：Matplotlib的Seaborn接口支持`hue`传递分类变量。4.`fit_transform()`解析：`MinMaxScaler`需先拟合数据再转换，防止数据泄露。5.`(NIR-R)/(NIR+R)`解析：NDVI公式固定，适用于遥感影像处理。三、简答题答案与解析1.数据清洗步骤-缺失值：用`df.fillna()`填充（如均值、中位数）。-异常值：用箱线图或`df.query()`筛选，如划痕数>3即异常。-重复值：用`df.drop_duplicates()`删除。2.时间序列转换pythondf['时间']=pd.to_datetime(df['时间'],format='%Y-%m-%d%H:%M')hourly_avg=df.set_index('时间').resample('H')['交易量'].mean()解析：`resample()`是Pandas核心功能。3.特征工程-新特征：`df['单位价格']=df['总价']/df['面积']`。-分类：`df['性价比']=df['单位价格']<df.groupby('区域')['单位价格'].mean()`。4.模型评估-指标：AUC（平衡性）、F1（类别不平衡）。-过拟合缓解：增加数据量、正则化（L1/L2）、交叉验证。四、编程题答案与解析1.数据聚合与可视化pythondf=pd.read_csv('生产数据.csv')result=df[df['缺陷类型']=='划痕'].groupby(['日期','生产线编号']).agg({'缺陷数量':'sum'}).reset_index()plt.figure(figsize=(10,6))sns.lineplot(data=result,x='日期',y='缺陷数量',hue='生产线编号')2.异常检测与处理pythonq1,q3=df['重量'].quantile([0.25,0.75])iqr=q3-q1df['异常']=(df['重量']<q1-1.5iqr)|(df['重量']>q3+1.5iqr)df.loc[df['异常'],'重量']=df.loc[df['异常'],'重量'].apply(lambdax:df.loc[df['生产线编号']==df.loc[df['异常'],'生产线编号']]['重量'].mean())std_before=df['重量'].std()3.机器学习建模pythonX=df[['原材料等级','加工温度','加工时间']]y=df['产品合格率']scaler=StandardScaler()X_scaled