数据分析基础（Python）模拟试题（含答案解析）

数据分析基础（Python）模拟试题（含答案解析）一、判断题（共33题）1.NumPy中的数组的形状可以通过.shape属性获取，但不能通过.shape直接修改数组的形状。A.正确B.错误答案：A解析：.shape是数组的属性，用于查看形状，无法直接赋值修改；修改数组形状需使用reshape()等方法。2.以下代码可以删除df中的重复行：df.duplicated（）A.正确B.错误答案：B解析：df.duplicated()仅返回布尔值数组，标记重复行；删除重复行需使用df.drop_duplicates()。3.数据分析中，分组分析常用的统计指标是计数、求和、平均值。A.正确B.错误答案：A解析：分组分析核心常用统计指标包括计数（count）、求和（sum）、平均值（mean），用于挖掘分组数据特征。4.元组是一种固定长度、元素不可修改的Python对象序列。A.正确B.错误答案：A解析：元组（tuple）具有不可变性，长度固定，无法修改其内部元素，与列表（list）的可变性相反。5.data.groupby（['性别','是否吸烟']）['血小板计数'].apply（np.mean）代码中是对data数据选定分组血小板计数进行平均值计算。A.正确B.错误答案：A解析：该代码先按“性别”和“是否吸烟”双列分组，再对“血小板计数”列应用平均值计算。6.pd.read_table（）方法无法读取.csv数据文件。A.正确B.错误答案：B解析：pd.read_table()可读取.csv文件，只需指定sep=','（逗号分隔）即可，并非只能读取制表符分隔的文件。7.Pandas中数据分组后返回的是一个groupby对象。A.正确B.错误答案：A解析：df.groupby()调用后返回DataFrameGroupBy或SeriesGroupBy对象，需结合统计方法（如mean）才能得到结果。8.Python中的变量是需要声明数据类型的。A.正确B.错误答案：B解析：Python是动态类型语言，变量无需声明数据类型，赋值时自动确定类型（如a=1自动为int类型）。9.以下代码可以计算df中age列的中位数并填充缺失值：df['age'].fillna（df['age'].median（））A.正确B.错误答案：A解析：df['age'].median()计算age列中位数，fillna()方法将缺失值替换为该中位数（默认不修改原数据，需加inplace=True修改原数据）。10.NumPy是一个用于科学计算的Python库，主要用于处理数组和矩阵。A.正确B.错误答案：A解析：NumPy核心功能是高效处理多维数组和矩阵运算，为数据分析、科学计算提供基础支持。11.设置子图之间的距离，可以使用plt.subplots_adjust（）进行调整。A.正确B.错误答案：A解析：plt.subplots_adjust()可调整子图的间距（如left、right、hspace、wspace），避免子图重叠。12.input（）函数默认返回的类型是整型。A.正确B.错误答案：B解析：input()函数无论用户输入什么内容，默认返回字符串类型，需手动转换为int、float等类型。13.在Python中，匿名函数（lambda）可以包含多条语句。A.正确B.错误答案：B解析：匿名函数（lambda）只能包含一条表达式，无法编写多条语句，复杂逻辑需用def定义普通函数。14.在Pandas中，对连续型变量进行离散化时，等宽法和等频法都会考虑数据的分布情况。A.正确B.错误答案：B解析：等宽法按固定区间划分，不考虑数据分布；等频法按数据频率划分，会考虑数据分布，使每个区间数据量大致相等。15.Numpy库中数组合并时，axis=0时进行横向合并。A.正确B.错误答案：B解析：NumPy数组合并时，axis=0表示纵向合并（沿行方向），axis=1表示横向合并（沿列方向）。16.NumPy中的np.random.rand函数可以生成一个随机数组，其元素服从均匀分布。A.正确B.错误答案：A解析：np.random.rand()生成的随机数范围在[0,1)之间，服从均匀分布。17.np.linspace（0,10,5）生成的数组包含5个元素，且最后一个元素为10。A.正确B.错误答案：A解析：np.linspace(start,stop,num)生成num个均匀分布的元素，包含start和stop两个端点，因此该代码生成[0,2.5,5,7.5,10]。18.自定义函数必须包含return语句，否则无法正常运行。A.正确B.错误答案：B解析：自定义函数可以不含return语句，此时函数默认返回None，仍可正常运行（如仅用于打印内容的函数）。19.s.sort_index（）方法是对Series的数值排序。A.正确B.错误答案：B解析：s.sort_index()是对Series的索引进行排序；对数值排序需使用s.sort_values()。20.DataFrame数据结构中的每列可以是不同类型的值。A.正确B.错误答案：A解析：DataFrame是表格型数据结构，每一列相当于一个Series，不同列可对应不同数据类型（如一列int、一列str）。21.调用df.reset_index（drop=True）会删除原索引并生成默认整数索引。A.正确B.错误答案：A解析：reset_index()用于重置索引，drop=True表示删除原索引，不保留为新列，生成从0开始的默认整数索引。22.Python中的一个if语句可以有多个else语句。A.正确B.错误答案：B解析：一个if语句只能有一个else语句，若需多条件判断，可使用if-elif-else结构（多个elif，一个else）。23.Python是一种动态类型语言，这意味着变量的类型在运行时可以改变。A.正确B.错误答案：A解析：Python动态类型语言的特点是，变量类型可随赋值变化（如a=1为int，a="abc"后变为str）。24.使用df.sum（）默认对每列求和汇总。A.正确B.错误答案：A解析：df.sum()默认axis=0，对每列求和；axis=1时对每行求和。25.在Python中，input函数用于从用户获取输入，返回值是字符串类型。A.正确B.错误答案：A解析：input()函数的返回值固定为字符串类型，即使输入数字，也需用int()、float()转换。26.在Python中，print函数用于输出内容到控制台。A.正确B.错误答案：A解析：print()是Python内置函数，核心功能是将内容输出到控制台，支持多参数、分隔符、结束符等设置。27.Python中的同一变量可以反复赋值，但是必须是同一类型。A.正确B.错误答案：B解析：Python变量可反复赋值，且类型可随时改变（如a=5→a="test"，从int变为str）。28.Python中可以使用r"字符串"的形式避免转义字符被解释。A.正确B.错误答案：A解析：r"字符串"表示原始字符串，转义字符（如\n、\t）不会被解释，原样输出（如r"a\nb"输出为a\nb）。29.匿名函数能够访问自有参数列表和全局命名空间中的参数。A.正确B.错误答案：A解析：匿名函数（lambda）可使用自身的参数，也可访问全局变量（如全局定义的常量、函数）。30.map和apply在使用时区别仅仅是对象的不同，apply只能应用于DataFrame对象。A.正确B.错误答案：B解析：map主要用于Series或列表，对每个元素应用函数；apply可用于DataFrame（按行/列）和Series，功能更灵活，并非仅适用于DataFrame。31.通过plt.plot（）绘制折线图时，必须给定x轴、y轴数据，否则报错。A.正确B.错误答案：B解析：plt.plot()可只给定y轴数据，x轴会自动生成从0开始的整数序列（如plt.plot([1,2,3])，x轴为[0,1,2]）。32.在Python中，元组是不可变的序列类型，不能修改其元素。A.正确B.错误答案：A解析：元组的元素一旦定义无法修改、添加或删除，若需修改，需先转换为列表，修改后再转回元组。33.Numpy库中数组合并时，axis=1时进行纵向合并。A.正确B.错误答案：B解析：NumPy数组合并时，axis=1表示横向合并（沿列方向），axis=0表示纵向合并（沿行方向）。二、单选题（共95题）34.在Python中，表达式"hello\nworld"中\n的作用是：A.表示不换行B.表示插入一个空格C.表示换行D.表示输出错误答案：C解析：\n是Python中的转义字符，用于表示换行，执行print("hello\nworld")会分两行输出hello和world。35.下面哪个不是Pandas中的数据结构？A.SeriesB.DataFrameC.ListD.Panel答案：C解析：List（列表）是Python内置的数据结构；Series、DataFrame、Panel是Pandas中的核心数据结构（Panel用于三维数据，现已较少使用）。36.运用DataFrame中数据绘制密度图时，plot（）函数的kind参数的取值是下面哪个？A.kdeB.scatterC.barhD.bar答案：A解析：kind参数指定绘图类型：kde为密度图，scatter为散点图，barh为水平条形图，bar为垂直条形图。37.以下代码的作用是？df['age'].fillna（df['age'].mean（）,inplace=True）A.删除age列的缺失值B.用age列的均值填充缺失值C.用0填充age列的缺失值D.计算age列的平均值但不修改数据答案：B解析：fillna()用于填充缺失值，df['age'].mean()计算age列均值，inplace=True表示直接修改原DataFrame。38.使用sort_values方法对DataFrame排序时，若要对多列排序，应该如何指定参数？A.使用by=[列名1,列名2]B.使用axis=1C.使用ascending=FalseD.使用groupby答案：A解析：sort_values()中by参数指定排序依据，多列排序需传入列表（如by=['col1','col2']）；axis=1表示按列排序，ascending控制升序/降序，groupby是分组方法。39.使用reshape方法时，若将参数newshape设置为（2,-1），其含义是：A.将数组转换为2行，列数由系统自动计算B.将数组转换为2列，行数由系统自动计算C.将数组转换为2维，其余维度由系统自动计算D.直接报错，因为-1是非法参数答案：A解析：reshape(newshape)中，-1表示由系统根据数组总元素个数自动计算对应维度的长度；（2,-1）即固定2行，列数=总元素数÷2。40.Python中删除列表中的指定元素，并将其返回的函数是下面哪个？A.remove（）B.delete（）C.index（）D.pop（）答案：D解析：pop()可删除列表指定索引的元素，并返回该元素；remove()只删除第一个匹配的元素，不返回值；delete()是NumPy中的方法；index()用于查找元素索引。41.Matplotlib中，plt.tight_layout（）函数的作用是？A.自动调整子图参数，避免重叠B.调整图像大小C.添加图例D.保存图片答案：A解析：plt.tight_layout()自动调整子图的间距和大小，避免子图标题、标签重叠；调整图像大小用plt.figure(figsize=())；添加图例用plt.legend()；保存图片用plt.savefig()。42.下面哪个不是Python3中的标准数据类型？A.NumberB.StringC.TupleD.int答案：D解析：Python3标准数据类型包括Number（数字）、String（字符串）、Tuple（元组）、List（列表）、Dict（字典）、Set（集合）；int是Number类型下的具体子类型（整数）。43.下列关于Python中input（）函数的说法中正确的是？A.input（）可以直接读取整数，不需要任何转换B.input（）读取用户输入后默认是字符串类型C.input（）可以一次性读取用户输入的多行文本D.input（）可以直接读取本地文件的内容答案：B解析：input()默认返回字符串类型，读取整数需用int(input())；无法一次性读取多行文本（多行需用sys.stdin.read()）；不能直接读取本地文件（读取文件需用open()函数）。44.在Python的Matplotlib库中，以下代码plt.plot（x,y,color='red',linestyle='--',marker='o'）的作用是什么？A.绘制一条红色的实线，没有标记点B.绘制一条红色的虚线，并用圆形标记每个数据点C.绘制一条红色的点状线，并用三角形标记每个数据点D.绘制一条红色的虚线，没有标记点答案：B解析：color='red'设为红色，linestyle='--'设为虚线，marker='o'设为圆形标记点；实线为linestyle='-'，三角形标记为marker='^'。45.在Pandas中，如果两个DataFrame进行算术运算时索引不完全相同，会发生什么？A.报错B.自动对齐索引，缺失值填充为NaNC.仅计算相同索引的部分D.忽略缺失值直接计算答案：B解析：Pandas算术运算（如+、-）会自动对齐两个DataFrame的行索引和列索引，索引不匹配的位置会填充为NaN（缺失值）。46.在NumPy中，若要将一个形状为（2,3,4）的三维数组转换为形状为（6,4）的二维数组，以下哪种方法最合适？A.arr.reshape（6,4）B.arr.reshape（2,12）C.arr.flatten（）D.arr.transpose（1,0,2）答案：A解析：三维数组（2,3,4）总元素数=2×3×4=24，reshape（6,4）总元素数=6×4=24，可直接转换；B选项形状为（2,12），不符合要求；C选项flatten()转换为一维数组；D选项transpose()是转置，不改变维度数量。47.Python中，如果语句确实太长，允许在行尾使用下面哪个字符表示下一行代码仍然属于本条语句。A.\B.#C.*D.&答案：A解析：Python中，行尾使用反斜杠（\）表示换行连接，将长语句拆分为多行；#用于注释；*用于乘法或解包；&用于按位与运算。48.在Python中，以下哪个是有效的变量名？A.2variableB.variable_nameC.variablenameD.variable!答案：B解析：Python变量名规则：只能以字母、下划线开头，可包含字母、数字、下划线，不能包含空格、特殊符号（如!）；A以数字开头，C含空格，D含特殊符号，均无效。49.根据下面代码思考：Prod={'ID':pd.Series（['X1','X2','X3']）,'price':pd.Series（[563,599,699]）}df=pd.DataFrame（Prod）哪个选项的返回值为False？A.'price'indf.columnsB.2indf.indexC.6indf.indexD.df.ndim==2答案：C解析：df的索引为[0,1,2]（默认整数索引），因此6不在索引中，返回False；A选项price是列名，返回True；B选项2在索引中，返回True；D选项df是DataFrame，维度为2，返回True。50.在Pandas中，哪个方法可以用来对DataFrame的索引进行排序？A.sort_valuesB.sort_indexC.order_indexD.arrange_index答案：B解析：sort_index()用于对DataFrame的索引（行索引或列索引）排序；sort_values()用于对数值排序；C、D选项均为无效方法。51.在Matplotlib中，plt.xlabel（'X-axis'）的作用是什么？A.设置X轴的标签为“X-axis”B.设置Y轴的标签为“X-axis”C.设置图表的标题为“X-axis”D.设置图表的背景颜色为“X-axis”答案：A解析：plt.xlabel()设置X轴标签，plt.ylabel()设置Y轴标签，plt.title()设置图表标题，背景颜色需通过plt.rcParams或ax.set_facecolor()设置。52.在Pandas中，以下代码df=pd.DataFrame（{'A':[1,2,3],'B':[4,5,6]}）df.rename（columns={'A':'X','B':'Y'}）作用是什么？A.将DataFramedf中的列'A'重命名为'X'，列'B'重命名为'Y'B.将DataFramedf中的行'A'重命名为'X'，行'B'重命名为'Y'C.将DataFramedf中的列'A'和列'B'交换位置D.代码会报错答案：A解析：rename()中columns参数用于重命名列，index参数用于重命名行；该代码通过columns字典，将A重命名为X、B重命名为Y，默认不修改原数据（需加inplace=True）。53.在Python中，以下代码print（len（"Python"））输出是什么？A.6B.7C.5D.8答案：A解析：len()函数用于计算字符串长度，"Python"包含P、y、t、h、o、n6个字符，因此输出6。54.在Python中，以下代码print（type（{"key":"value"}））输出是什么？A.<class'list'>B.<class'tuple'>C.<class'set'>D.<class'dict'>答案：D解析：{"key":"value"}是Python中的字典（dict）类型，type()函数返回变量的类型，因此输出<class'dict'>。55.在Python中，定义字符串时不是用下面哪种符号括起来的？A.单引号B.双引号C.星号D.三引号答案：C解析：Python中字符串可使用单引号（''）、双引号（""）、三引号（''''''或""""""）定义；星号（*）是运算符，不能用于定义字符串。56.在Pandas中，若要将两个DataFramedf1和df2横向合并（按列方向拼接），且它们的行索引完全相同，以下哪种方法最合适？A.pd.merge（df1,df2,on='index'）B.df1.join（df2,how='outer'）C.pd.concat（[df1,df2],axis=1）D.pd.concat（[df1,df2],axis=0）答案：C解析：pd.concat()中axis=1表示横向拼接（按列合并），适用于行索引相同的情况；A选项merge需指定合并列，此处无明确合并列；B选项join默认按行索引合并，但横向拼接用concat更直接；D选项axis=0是纵向拼接。57.以下代码中，plt.xticks（rotation=45）的作用是A.旋转y轴刻度标签45度B.旋转x轴刻度标签45度C.设置x轴刻度间隔为45D.设置x轴范围为0到45答案：B解析：plt.xticks(rotation=45)用于旋转X轴刻度标签，rotation参数指定旋转角度；旋转Y轴刻度用plt.yticks(rotation=45)；设置刻度间隔用plt.xticks(range(0,100,45))；设置X轴范围用plt.xlim(0,45)。58.Python中的整数类型（int）可以表示的数值范围是？A.仅限于-999到999B.仅限于-1000到1000C.仅限于-10000到10000D.没有限制，取决于计算机的内存大小答案：D解析：Python中的int类型无固定数值范围，可表示任意大小的整数，具体取决于计算机的内存容量。59.对于数组arr=np.arange（12）.reshape（3,4），arr[1:3,::2]的结果是：A.[[4,6],[8,10]]B.[[4,5,6],[8,9,10]]C.[[4,6],[8,10],[12,14]]D.[[1,3],[5,7]]答案：A解析：arr=np.arange(12).reshape(3,4)生成3行4列数组：[[0,1,2,3],[4,5,6,7],[8,9,10,11]]；arr[1:3,::2]表示取第1-2行（索引1、2），每2列取1列（步长2），结果为[[4,6],[8,10]]。60.如果要将某列的数据类型从字符串转换为整数，应使用以下哪个方法？A.df.astype（'int'）B.df.str（）C.df.map（int）D.df.to_list（）答案：A解析：df.astype('int')可将DataFrame指定列（或全部列）转换为int类型；B选项df.str()用于字符串操作；C选项map(int)可用于Series，但不如astype()简洁；D选项to_list()转换为列表，不改变数据类型。61.在NumPy中，以下哪种方法可以用于将两个数组横向合并？A.np.vstack（）B.np.hstack（）C.np.concatenate（axis=0）D.np.split（）答案：B解析：np.hstack()用于横向合并数组（沿列方向）；np.vstack()用于纵向合并；np.concatenate(axis=0)是纵向合并；np.split()是拆分数组。62.在NumPy中，以下哪个函数可以创建一个从0到1（不包括1），间隔为0.01的一维数组？A.np.linspace（0,1,100）B.np.arange（0,1,0.01）C.np.logspace（0,1,100）D.np.random.rand（100）答案：B解析：np.arange(start,stop,step)生成从start到stop（不包含stop）、步长为step的数组；A选项np.linspace(0,1,100)生成0到1（包含1）的100个均匀分布元素；C选项生成对数分布数组；D选项生成[0,1)随机数组。63.有关open（）函数的使用，以下哪项是正确的打开方式？A.open（"file.txt",mode="create"）B.open（"file.txt",mode="readonly"）C.open（"file.txt",mode="r"）D.open（"file.txt",open="r"）答案：C解析：open()函数的mode参数常用取值：r（只读）、w（写入）、a（追加）；A、B选项mode取值无效；D选项参数名错误（应为mode，非open）。64.在Matplotlib中，若要在图表中显示图例（legend），以下哪种操作是必须的？A.调用plt.legend（labels=['数据']）B.在绘图函数中添加label参数后调用plt.legend（）C.直接使用plt.label（'数据'）D.使用plt.show_legend（）答案：B解析：显示图例需先在绘图时用label参数指定图例名称（如plt.plot(x,y,label='曲线1')），再调用plt.legend()；A选项可直接指定labels，但不如先加label参数规范；C、D选项均为无效方法。65.在Python中，以下代码print（（lambdax:x+1）（5））输出是什么？A.5B.6C.1D.代码会报错答案：B解析：lambdax:x+1定义匿名函数，接收参数x并返回x+1；(lambdax:x+1)(5)调用该函数，传入x=5，返回5+1=6。66.Python是一种什么类型的编程语言？A.编译型语言B.解释型语言C.汇编语言D.非高级语言答案：B解析：Python是解释型高级编程语言，代码逐行解释执行，无需提前编译；编译型语言（如C、C++）需先编译为机器码再执行；汇编语言是低级语言。67.在Pandas中，以下代码df=pd.DataFrame（{'A':[1,2,3],'B':[4,5,6]}）df['C']=df['A']+df['B']作用是什么？A.将DataFramedf中的列'A'和列'B'相加，结果存储在新列'C'中B.将DataFramedf中的列'A'和列'B'相加，结果替换列'A'C.将DataFramedf中的列'A'和列'B'相加，结果替换列'B'D.代码会报错答案：A解析：df['C']=df['A']+df['B']表示创建新列C，其值为A列和B列对应元素之和（1+4=5，2+5=6，3+6=9）。68.下面哪个代码是在原数据上删除索引6这行数据？A.df.drop（[6],inplace=True,axis=0）B.df.drop（[6],inplace=True,axis=1）C.df.drop（[6],inplace=False,axis=1）D.df.drop（[6],inplace=False,axis=0）答案：A解析：drop()中axis=0表示删除行，axis=1表示删除列；inplace=True表示直接修改原数据，inplace=False表示返回新数据，不修改原数据；删除索引6的行需设置axis=0、inplace=True。69.在NumPy中，以下代码np.arange（0,10,2）的输出是什么？A.[02468]B.[0123456789]C.[2468]D.[13579]答案：A解析：np.arange(0,10,2)生成从0到10（不包含10）、步长为2的数组，即[0,2,4,6,8]。70.在Pandas中，以下关于Series和DataFrame的描述，哪一项是正确的？A.Series可以通过字典直接创建，但DataFrame只能通过列表创建B.DataFrame的每一列是一个Series，且所有列的索引必须相同C.Series的索引必须是连续的整数D.使用pd.Series（[1,2,3],index=['a','b','c']）创建的Series，其索引不允许重复答案：B解析：A选项DataFrame也可通过字典创建（如pd.DataFrame({'a':[1,2],'b':[3,4]})）；C选项Series索引可自定义（如字符串、非连续整数）；D选项Series索引允许重复（如index=['a','a','b']）；B选项正确，DataFrame每列是Series，且所有列的行索引一致。71.使用Python的input函数时，以下哪个描述是正确的？A.input函数总是返回一个整数类型的值B.input函数总是返回一个字符串类型的值C.input函数可以返回任何类型的值D.input函数只能接收字符串作为参数答案：B解析：input()函数无论用户输入什么（数字、字符串等），返回值均为字符串类型，需手动转换为其他类型。72.NumPy中的np.array函数用于创建数组。以下代码np.array（[1,2,3]）的输出是什么？A.一个列表[1,2,3]B.一个一维NumPy数组C.一个二维NumPy数组D.一个三维NumPy数组答案：B解析：np.array([1,2,3])创建的是一维NumPy数组（shape为(3,)）；列表是Python内置类型，与NumPy数组不同。73.在Python中，以下代码print（type（[1,2,3]））输出是什么？A.<class'list'>B.<class'tuple'>C.<class'set'>D.<class'dict'>答案：A解析：[1,2,3]是Python中的列表（list）类型，type()函数返回其类型为<class'list'>。74.在Matplotlib中，若需要绘制两个数值变量之间的相关性，以下哪个函数最合适？A.plt.plot（x,y）B.plt.scatter（x,y）C.plt.bar（x,y）D.plt.hist（x）答案：B解析：scatter散点图用于展示两个数值变量之间的相关性（如正相关、负相关）；plot绘制折线图，用于展示趋势；bar绘制条形图，用于对比分类数据；hist绘制直方图，用于展示单变量分布。75.对二维数组arr按列求和，使用哪个写法？A.np.sum（arr）B.np.sum（arr,axis=0）C.np.sum（arr,axis=1）D.arr.sum（）答案：B解析：np.sum(arr,axis=0)表示按列求和；axis=1表示按行求和；A、D选项默认对数组所有元素求和，不区分行列。76.在Pandas中，groupby方法返回的对象是什么类型？A.DataFrameB.SeriesC.DataFrameGroupByD.List答案：C解析：df.groupby()调用后返回DataFrameGroupBy（对DataFrame分组）或SeriesGroupBy（对Series分组）对象，需结合统计方法（如mean、count）才能得到具体结果。77.给定NumPy数组：arr=np.array（[[1,2,3,4],[5,6,7,8],[9,10,11,12]]）执行操作arr[1:,::2]后，输出的结果是什么？A.[[5,7],[9,11]]B.[[2,4],[6,8],[10,12]]C.[[5,6,7],[9,10,11]]D.[[5,7,9],[6,8,10]]答案：A解析：arr[1:,::2]表示取第1行及以后（索引1、2），每2列取1列（步长2）；原数组第1行[5,6,7,8]取列0、2→[5,7]，第2行[9,10,11,12]取列0、2→[9,11]，结果为[[5,7],[9,11]]。78.在Matplotlib中，以下代码plt.title（'这是一个标题',fontproperties='SimHei',fontsize=16）作用是什么？A.设置图表标题为中文，并使用黑体字体，字体大小为16B.设置图表标题为英文，并使用默认字体C.设置图表标题长度为16D.只设置图表标题文本，但不设置字体属性答案：A解析：plt.title()设置图表标题，fontproperties='SimHei'指定字体为黑体（支持中文显示），fontsize=16设置字体大小为16。79.NumPy中的np.reshape函数用于改变数组的形状。以下代码np.reshape（np.array（[1,2,3,4]）,（2,2））的输出是什么？A.[[12][34]]B.[[13][24]]C.[1234]D.[[123][4]]答案：A解析：np.array([1,2,3,4])是一维数组，reshape(2,2)转换为2行2列的二维数组，按顺序填充元素，结果为[[1,2],[3,4]]。80.以下代码的作用是？df=pd.get_dummies（df,columns=['gender']）A.删除gender列B.将gender列转换为数值编码（0/1）C.计算gender列的频数D.对gender列进行标准化答案：B解析：pd.get_dummies()用于对类别型变量进行独热编码（One-HotEncoding），将gender列（如男/女）转换为0/1编码的多个列，实现类别变量数值化。81.以下哪种方法可以用于检测DataFrame中的缺失值？A.df.isnull（）B.df.fillna（）C.df.dropna（）D.df.notnull（）.sum（）答案：A解析：df.isnull()返回与原DataFrame形状一致的布尔值DataFrame，True表示对应位置是缺失值；B选项fillna()用于填充缺失值；C选项dropna()用于删除缺失值；D选项用于统计非缺失值数量。82.下面关于loc和iloc的写法错误的是？A.df.loc['大连']B.df.loc[df.year==2025,['name','year']]C.df.iloc[[1,3],0:3]D.df.iloc[df.city='大连']答案：D解析：iloc用于按位置索引（整数），不能使用布尔条件（df.city='大连'）；布尔条件需用loc；A选项loc按行标签索引；B选项loc按布尔条件+列名索引；C选项iloc按行位置+列位置索引，均正确。83.在Matplotlib中，以下代码plt.rcParams['axes.grid']=True作用是什么？A.在所有子图中显示网格线B.在所有子图中隐藏网格线C.在所有子图中显示外边框D.在所有子图中隐藏标题答案：A解析：plt.rcParams['axes.grid']=True用于设置所有子图显示网格线；设置为False则隐藏网格线；外边框和标题需单独设置。84.以下哪项代码能够关闭坐标轴？A.plt.axis（'off'）B.plt.axis（'close'）C.plt.hide_axis（）D.plt.noaxis（）答案：A解析：plt.axis('off')用于关闭坐标轴（隐藏X轴、Y轴及刻度）；B、C、D选项均为无效方法。85.要将列名'old_name'改为'new_name'，应使用哪种方法？A.df.columns['old_name']='new_name'B.df.rename（columns={'old_name':'new_name'}）C.df.rename（'old_name','new_name'）D.df.columns.rename（'old_name','new_name'）答案：B解析：rename()中columns参数传入字典，key为旧列名，value为新列名，可实现列名修改；A选项直接赋值无效；C、D选项参数错误。86.在Pandas中，以下代码df=pd.DataFrame（{'A':[1,2,3],'B':[4,5,6]}）df.drop（'A',axis=1）作用是什么？A.删除DataFramedf中的列'A'B.删除DataFramedf中的行'A'C.将DataFramedf中的列'A'替换为列'B'D.代码会报错答案：A解析：drop()中axis=1表示删除列，'A'是列名，因此删除A列；axis=0表示删除行。87.关于列表推导式的用法，以下哪个选项描述不正确？A.列表推导式只能用于生成列表B.列表推导式可以用于生成任何可迭代对象C.列表推导式可以用于创建空列表D.列表推导式可以包含条件语句，并且可以有多个条件答案：B解析：列表推导式（如[xforxinrange(5)]）只能生成列表，无法生成其他可迭代对象（如元组、字典）；生成其他对象需用对应的推导式（如元组推导式、字典推导式）。88.以下代码的作用是？df_normalized=（df-df.min（））/（df.max（）-df.min（））A.标准差标准化B.离差标准化C.对数变换D.数据归一化（Min-Max）答案：D解析：该代码是Min-Max归一化公式，将数据映射到[0,1]区间；标准差标准化公式为(df-df.mean())/df.std()；离差标准化与Min-Max归一化类似，但映射范围不同；对数变换是对数据取对数。89.NumPy中判断每个元素是否大于0的表达式是？A.arr>0B.arr>=0C.pare（arr,0）D.arr>[0]答案：A解析：NumPy数组支持广播运算，arr>0会返回与arr形状一致的布尔值数组，True表示对应元素大于0；B选项是大于等于；C选项pare()不是NumPy内置函数；D选项arr>[0]虽可运行，但不如A选项简洁。90.在Python中，以下代码的输出是什么？defgreet（name）:return"Hello,"+name+"!"print（greet（"Alice"））A.Hello,Alice!B.Hello,AliceC.Alice!D.代码会报错答案：A解析：greet函数接收参数name，返回拼接后的字符串；传入name="Alice"，返回"Hello,Alice!"，print()输出该字符串。91.下面哪个函数是Numpy库中用来直接创建对角矩阵？A.logspace（）B.arrange（）C.linspace（）D.diag（）答案：D解析：np.diag()用于创建对角矩阵（对角线元素为指定值，其余为0）；logspace()生成对数分布数组；arange()生成等差数列；linspace()生成均匀分布数组。92.使用np.random模块时，以下哪个函数可以生成指定范围内的整数随机数？A.np.random.uniform（）B.np.random.randint（）C.np.random.normal（）D.np.random.choice（）答案：B解析：np.random.randint(low,high,size)生成[low,high)范围内的整数随机数；uniform()生成均匀分布浮点数；normal()生成正态分布浮点数；choice()从指定序列中随机选择元素。93.下面关于DataFrame数据结构理解错误的是哪个？A.是一个表格类型的数据结构B.该结构中的元素必须是同一种类型C.同时具有行和列索引D.可以看作由多个Series组成答案：B解析：DataFrame是表格型数据结构，每列可对应不同数据类型（如一列int、一列str），并非所有元素必须同一种类型；C、D选项描述正确。94.若Pandas中DataFrame数据分组的依据是列表，则对列表的要求是下面哪个选项？A.列表索引和分组数据索引相同B.列表索引和分组数据的列名相同C.列表元素和分组数据的列名相同D.列表长度和分组数据的行数相同答案：D解析：以列表作为分组依据时，列表长度必须与DataFrame的行数一致，列表中每个元素对应一行的分组标签。95.关于代码下面说法错误的是：fig,axes=plt.subplots（3,3,sharex=True,sharey=True）A.画布共可绘制9张子图B.画布中子图共享x轴C.画布中子图Y轴刻度和范围设置一致D.画布中子图不共享Y轴答案：D解析：plt.subplots(3,3)创建3行3列共9张子图；sharex=True表示所有子图共享X轴；sharey=True表示所有子图共享Y轴（Y轴刻度和范围一致）；D选项说法错误。96.下面哪个函数是Numpy库中用来改变数组维度的？A.hstack（）B.reshape（）C.vstack（）D.split（）答案：B解析：reshape()用于改变数组的形状（维度），如将一维数组转为二维数组；hstack()、vstack()用于合并数组；split()用于拆分数组。97.在Matplotlib中，若要在代码的局部范围内临时调整绘图参数（例如将线条颜色改为红色），并在退出后自动恢复默认参数，以下哪种方法最合适？A.plt.rcParams['lines.color']='red'B.plt.rc（'lines',color='red'）C.original_color=plt.rcParams['lines.color']plt.rcParams['lines.color']='red'try:#绘图