《Python数据分析与实战》测试题及答案

《Python数据分析与实战》测试题及答案一、单项选择题（每题2分，共20分）1.以下关于Pandas中Series和DataFrame的描述，错误的是（）A.Series是一维数组结构，DataFrame是二维表格结构B.Series的索引可以自定义，DataFrame的行索引和列索引均可自定义C.DataFrame的每一列都是一个Series对象D.创建Series时无法指定name参数，而DataFrame可以指定columns参数2.执行以下NumPy代码后，输出结果正确的是（）```pythonimportnumpyasnparr=np.array([[1,2,3],[4,5,6]])print(arr[:,1:].shape)```A.(2,2)B.(2,3)C.(3,2)D.(1,3)3.某DataFrame的“年龄”列存在缺失值（NaN），若要使用该列的均值填充缺失值，应使用（）A.df['年龄'].fillna(df['年龄'].mode())B.df['年龄'].fillna(df['年龄'].mean())C.df['年龄'].dropna()D.df['年龄'].replace(np.nan,df['年龄'].median())4.以下哪条语句可以实现对DataFrame“sales_df”按“销售额”列降序排序？（）A.sales_df.sort_values(by='销售额',ascending=True)B.sales_df.sort_index(by='销售额',ascending=False)C.sales_df.sort_values(by='销售额',ascending=False)D.sales_df.sort_index(axis=1,ascending=False)5.关于Matplotlib绘图，以下说法错误的是（）A.plt.subplots()函数可用于创建多个子图B.折线图通常用于展示数据随时间的变化趋势C.柱状图适合比较不同类别的数据大小D.散点图无法反映两个变量之间的相关性6.若要计算两个变量的皮尔逊相关系数，应使用（）A.df.corr(method='pearson')B.df.cov()C.df.describe()D.df.groupby()7.以下哪项操作不会改变原DataFrame的结构？（）A.df.drop(columns='冗余列')B.df.fillna(0,inplace=True)C.df.query('销售额>1000')D.df.rename(columns={'旧名':'新名'},inplace=True)8.对于NumPy数组arr=np.array([1,2,3,4,5])，执行arr[1:4:2]的结果是（）A.[2,4]B.[2,3,4]C.[3]D.[2,3]9.读取CSV文件时，若文件中列名行位于第3行（前两行是注释），应使用（）参数？A.header=2B.header=3C.skiprows=2D.skiprows=310.在Seaborn中，绘制两个连续变量的分布及相关性，最适合的图形是（）A.箱线图（boxplot）B.热力图（heatmap）C.散点图矩阵（pairplot）D.柱状图（barplot）二、填空题（每空2分，共20分）1.Pandas中用于读取Excel文件的函数是__________。2.NumPy中生成3行4列全0数组的函数是__________。3.若DataFrame的索引存在重复值，可使用__________方法检测。4.数据清洗中，处理异常值的常用方法包括__________、__________（任意两种）。5.在Matplotlib中，设置图表标题的函数是__________。6.计算DataFrame各列的非空值数量，应使用__________方法。7.若要将两个DataFrame按行合并（纵向拼接），应使用__________函数。8.对分组后的数据进行聚合时，若需要同时计算均值和标准差，可使用__________方法传入列表。三、编程题（每题10分，共30分）1.NumPy基础操作：请使用NumPy完成以下任务：（1）生成一个包含10个元素的一维数组，元素为0到9的整数（包含9）；（2）将该数组转换为2行5列的二维数组；（3）计算该二维数组的对角线元素之和（主对角线）。2.Pandas数据清洗：现有一个DataFrame“df”，包含以下字段：姓名（str）年龄（int，存在缺失值NaN）性别（str，取值为“男”“女”，存在“Male”“Female”等错误值）收入（float，存在异常值：小于0或大于50000）请编写代码完成以下操作：（1）用年龄列的中位数填充缺失值；（2）将性别列的错误值统一为“男”“女”（“Male”→“男”，“Female”→“女”）；（3）筛选收入在[0,50000]范围内的记录。3.数据可视化：根据某电商平台2023年1-6月的销售数据（虚构数据如下），绘制折线图展示各月销售额变化，并添加以下元素：横坐标：月份（1-6月）纵坐标：销售额（单位：万元）图表标题：“2023年1-6月销售额趋势图”横坐标标签：“月份”纵坐标标签：“销售额（万元）”数据点标记（如圆圈）虚构数据：月份：[1,2,3,4,5,6]销售额：[120,150,135,180,200,190]四、综合分析题（30分）背景：某零售公司提供了2022年的销售数据集（sales_data.csv），字段包括：订单ID（唯一标识）日期（格式：YYYY-MM-DD）产品类别（A、B、C）销售额（元）销量（件）任务：请根据以下要求完成分析，并用Python代码实现。1.读取数据：读取sales_data.csv文件，指定“日期”列为日期类型。2.数据清洗：（1）检查是否存在重复订单（订单ID重复），若有则删除重复项；（2）检查销售额和销量是否存在非数值型数据，若有则删除对应行。3.特征工程：（1）从“日期”列中提取“月份”字段；（2）计算“客单价”（客单价=销售额/销量，保留2位小数）。4.分析与可视化：（1）统计各产品类别（A、B、C）的总销售额和平均客单价；（2）绘制柱状图，展示各月份（1-12月）的总销量，要求横坐标为月份（1-12），纵坐标为总销量，添加图表标题和坐标轴标签；（3）分析产品类别与销售额的相关性（提示：使用相关系数或交叉表），并给出结论。答案与解析一、单项选择题1.答案：D解析：Series可以通过name参数指定名称（如pd.Series([1,2],name='数据')），因此D错误。2.答案：A解析：arr[:,1:]表示取所有行，第1列及之后的列（索引从0开始）。原数组为2行3列，取第1、2列后，形状为(2,2)。3.答案：B解析：均值填充用mean()，mode()是众数，dropna()是删除缺失值，replace()需指定替换值，因此选B。4.答案：C解析：sort_values用于按值排序，ascending=False表示降序，故选C。sort_index是按索引排序，与题意不符。5.答案：D解析：散点图可通过点的分布反映变量间的相关性（如正相关、负相关），因此D错误。6.答案：A解析：corr()函数默认计算皮尔逊相关系数，cov()是协方差，describe()是描述统计，groupby()是分组，故选A。7.答案：C解析：query()返回新DataFrame，不修改原数据；drop()、fillna(inplace=True)、rename(inplace=True)均会修改原数据，故选C。8.答案：A解析：arr[1:4:2]表示从索引1到3（不包含4），步长2，即索引1和3的元素，对应值为2和4。9.答案：A解析：header参数指定列名行的索引（从0开始），前两行是注释，列名在第3行（索引2），因此header=2。10.答案：C解析：pairplot用于展示多个连续变量的两两分布和相关性，故选C。二、填空题1.pd.read_excel()2.np.zeros((3,4))3.df.index.duplicated()4.基于统计方法（如Z-score）、基于分位数（如IQR）（或删除、替换等）5.plt.title()6.df.count()7.pd.concat()（axis=0）8.agg([‘mean’,‘std’])三、编程题1.NumPy基础操作```pythonimportnumpyasnp（1）生成一维数组arr1=np.arange(10)#结果：[0123456789]（2）转换为2行5列arr2=arr1.reshape(2,5)#形状：(2,5)（3）计算主对角线之和（第0行0列，第1行1列）diag_sum=arr2[0,0]+arr2[1,1]#0+5=5print("对角线之和：",diag_sum)```答案：对角线之和为5。2.Pandas数据清洗```pythonimportpandasaspdimportnumpyasnp（1）填充年龄缺失值（中位数）df['年龄']=df['年龄'].fillna(df['年龄'].median())（2）统一性别值df['性别']=df['性别'].map({'男':'男','女':'女','Male':'男','Female':'女'})或使用replace：df['性别']=df['性别'].replace({'Male':'男','Female':'女'})（3）筛选收入范围df=df[(df['收入']>=0)&(df['收入']<=50000)]```3.数据可视化```pythonimportmatplotlib.pyplotasplt数据months=[1,2,3,4,5,6]sales=[120,150,135,180,200,190]绘制折线图plt.figure(figsize=(8,5))plt.plot(months,sales,marker='o',linestyle='-',color='b')添加标签和标题plt.xlabel('月份')plt.ylabel('销售额（万元）')plt.title('2023年1-6月销售额趋势图')设置横坐标刻度（确保显示1-6月）plt.xticks(months)plt.show()```四、综合分析题```pythonimportpandasaspdimportmatplotlib.pyplotasplt1.读取数据（假设文件路径为'./sales_data.csv'）sales_data=pd.read_csv('sales_data.csv',parse_dates=['日期'])2.数据清洗（1）删除重复订单duplicate_orders=sales_data[sales_data['订单ID'].duplicated()]ifnotduplicate_orders.empty:sales_data=sales_data.drop_duplicates(subset='订单ID')（2）删除非数值型销售额/销量行转换为数值类型，非数值转为NaN，再删除sales_data['销售额']=pd.to_numeric(sales_data['销售额'],errors='coerce')sales_data['销量']=pd.to_numeric(sales_data['销量'],errors='coerce')sales_data=sales_data.dropna(subset=['销售额','销量'])3.特征工程（1）提取月份sales_data['月份']=sales_data['日期'].dt.month（2）计算客单价（保留2位小数）sales_data['客单价']=(sales_data['销售额']/sales_data['销量']).round(2)4.分析与可视化（1）各产品类别的总销售额和平均客单价category_analysis=sales_data.groupby('产品类别').agg({'销售额':'sum','客单价':'mean'}).rename(columns={'销售额':'总销售额','客单价':'平均客单价'})print("各产品类别分析结果：\n",category_analysis)（2）各月份总销量柱状图monthly_sales=sales_data.groupby('月份')['销量'].sum().reset_index()确保包含1-12月（可能存在无数据的月份）monthly_sales=monthly_sales.set_index('月份').reindex(ran