2026年Python数据分析库Pandas实战练习题

2026年Python数据分析库Pandas实战练习题一、选择题（每题2分，共20题）1.在Pandas中，读取CSV文件并设置第一行为索引的正确方法是？A.`pd.read_csv('data.csv',index_col=0)`B.`pd.read_csv('data.csv',usecols=['index'])`C.`pd.read_csv('data.csv',index=True)`D.`pd.read_csv('data.csv',set_index='first')`2.以下哪个方法可以用来检查PandasDataFrame中是否有缺失值？A.`df.isna()`B.`df.empty()`C.`df.isnan()`D.`df.missing()`3.在Pandas中，如何对DataFrame进行按列排序？A.`df.sort()`B.`df.orderby()`C.`df.sort_values(by='column_name')`D.`df.rank()`4.以下哪个方法可以用来合并两个DataFrame，基于多个键？A.`pd.merge(df1,df2,on=['key1','key2'])`B.`df1.join(df2,on=['key1','key2'])`C.`pd.concat([df1,df2],keys=['key1','key2'])`D.`df1.merge(df2,by=['key1','key2'])`5.在Pandas中，如何将DataFrame的某列转换为日期格式？A.`pd.to_date(df['column'])`B.`df['column'].astype('datetime')`C.`pd.convert_dtypes(df['column'])`D.`df['column'].apply(pd.to_datetime)`6.以下哪个方法可以用来对PandasDataFrame进行分组并计算每组的均值？A.`df.groupby().mean()`B.`df.agg('mean')`C.`df.reduce('mean')`D.`df.mean()`7.在Pandas中，如何重置DataFrame的索引？A.`df.reset_index(drop=True)`B.`df.reset_index()`C.`df.set_index(drop=True)`D.`df.reset()`8.以下哪个方法可以用来对PandasSeries进行去重？A.`s.unique()`B.`s.drop_duplicates()`C.`s.distinct()`D.`s.nunique()`9.在Pandas中，如何将DataFrame的某列中的字符串值转换为小写？A.`df['column'].lower()`B.`df['column'].casefold()`C.`df['column'].to_lowercase()`D.`df['column'].str.lower()`10.以下哪个方法可以用来对PandasDataFrame进行随机抽样？A.`df.sample(frac=0.1)`B.`df.choice(frac=0.1)`C.`df.random.sample(0.1)`D.`df.sample_by(0.1)`二、填空题（每空2分，共10空）1.在Pandas中，使用_________方法可以创建一个空的DataFrame。2.以下代码的作用是_________：`df.dropna(how='all')`。3.在Pandas中，使用_________方法可以将两个Series按位置对齐相加。4.以下代码的作用是_________：`df.fillna(method='ffill')`。5.在Pandas中，使用_________方法可以计算Series中非空值的数量。6.以下代码的作用是_________：`df['column'].apply(lambdax:x2)`。7.在Pandas中，使用_________方法可以将DataFrame保存为CSV文件。8.以下代码的作用是_________：`df.pivot(index='A',columns='B',values='C')`。9.在Pandas中，使用_________方法可以按列对DataFrame进行排序。10.以下代码的作用是_________：`df.query('column>10')`。三、简答题（每题5分，共4题）1.简述Pandas中`groupby`方法的基本用法及其常见参数。2.解释Pandas中`merge`方法和`join`方法的区别。3.描述Pandas中`apply`方法的使用场景及其与`map`方法的区别。4.说明Pandas中`read_csv`方法的常用参数及其作用。四、操作题（每题10分，共2题）1.数据清洗与处理假设你有一个名为`sales_data.csv`的文件，包含以下列：`date`（日期）、`product`（产品）、`region`（地区）、`sales`（销售额）、`cost`（成本）。请完成以下任务：（1）读取该文件，并将`date`列转换为日期格式，设置为索引。（2）删除所有`sales`为缺失值的行。（3）计算每个地区的总销售额和总成本。（4）将结果保存为`processed_sales.csv`文件。2.数据合并与分析假设你有两个文件：`sales_data.csv`（包含上述列）和`products_info.csv`（包含列：`product`、`category`、`price`）。请完成以下任务：（1）将两个文件按`product`列合并。（2）计算每个产品的利润（`sales`-`cost`）和利润率（`利润/price`）。（3）筛选出利润率最高的前5个产品，并按利润率降序排列。（4）输出筛选结果的`product`、`category`、`profit`、`profit_rate`列。答案与解析一、选择题答案与解析1.A解析：`pd.read_csv('data.csv',index_col=0)`将第一列设置为索引。选项B使用`usecols`选择列，选项C和D不存在。2.A解析：`df.isna()`检查哪些值是缺失值。选项B检查DataFrame是否为空，选项C和D不存在。3.C解析：`df.sort_values(by='column_name')`按指定列排序。选项A和B不存在，选项D是计算排名。4.A解析：`pd.merge(df1,df2,on=['key1','key2'])`基于多个键合并。选项B和D语法错误，选项C是按位置合并。5.D解析：`df['column'].apply(pd.to_datetime)`将列转换为日期格式。选项A和B语法错误，选项C是转换数据类型。6.A解析：`df.groupby().mean()`对分组进行均值计算。选项B是聚合，选项C是reduce，选项D是全局均值。7.A解析：`df.reset_index(drop=True)`重置索引并丢弃旧索引。选项B是重置索引但保留旧索引，选项C是设置索引。8.B解析：`s.drop_duplicates()`去除重复值。选项A是获取唯一值，选项C和D不存在。9.A解析：`df['column'].lower()`将字符串转为小写。选项B是更严格的转换，选项C和D不存在。10.A解析：`df.sample(frac=0.1)`随机抽样10%。选项B和D语法错误，选项C不存在。二、填空题答案与解析1.`pd.DataFrame()`解析：创建空的DataFrame。2.删除所有行中所有列都为缺失值的行。解析：`how='all'`表示只有当整行都是缺失值时才删除。3.`+`解析：`Series1+Series2`按位置对齐相加。4.前向填充缺失值。解析：`fillna(method='ffill')`用前一个非缺失值填充。5.`count()`解析：`Series.count()`计算非空值数量。6.将列中的每个值乘以2。解析：`apply`对每个元素应用函数。7.`to_csv()`解析：`df.to_csv('file.csv')`保存为CSV文件。8.创建一个以`A`为索引、`B`为列、`C`为值的透视表。解析：`pivot`方法重塑数据。9.`sort_values()`解析：`df.sort_values(by='column')`按列排序。10.筛选出`column`大于10的行。解析：`query`按条件筛选。三、简答题答案与解析1.`groupby`方法的基本用法及其常见参数-基本用法：`df.groupby(by)`按指定列分组，然后可以应用聚合函数（如`mean()`、`sum()`）。-常见参数：-`by`：分组依据的列或列列表。-`axis`：分组轴，默认为0（按行分组）。-`as_index`：是否将分组键作为索引，默认为True。2.`merge`与`join`的区别-`merge`：基于键合并两个DataFrame，支持多种合并方式（内连接、外连接等），语法更灵活。-`join`：基于索引合并，默认左连接，语法更简单，通常用于基于索引的合并。3.`apply`方法的使用场景及其与`map`的区别-使用场景：对DataFrame或Series的每个元素或每个行/列应用函数，适用于复杂操作。-与`map`的区别：-`map`：仅适用于Series，对每个元素应用函数。-`apply`：更通用，可以应用于DataFrame的行或列。4.`read_csv`方法的常用参数及其作用-`filepath_or_buffer`：文件路径或缓冲区。-`sep`：分隔符，默认逗号。-`header`：表头行号，默认0。-`index_col`：设置索引列。-`dtype`：指定列的数据类型。四、操作题答案与解析1.数据清洗与处理pythonimportpandasaspd读取文件并设置索引df=pd.read_csv('sales_data.csv',parse_dates=['date'],index_col='date')删除缺失值df=df.dropna(subset=['sales'])按地区分组计算总销售额和总成本result=df.groupby('region').agg({'sales':'sum','cost':'sum'}).reset_index()保存结果result.to_csv('processed_sales.csv',index=False)2.数据合并与分析python读取文件sales_df=pd.read_csv('sales_data.csv',parse_dates=['date'])products_df=pd.read_csv('products_info.csv')合并数据merged_df=pd.merge(sales_df,products_df,on='product')计算利润和利润率merged_df['profit']=merged_df['sales']-merged_df['cost']mer