《Python数据可视化》模拟考试题1

《Python数据可视化》模拟考试卷（中文）总分：100分考试时间：120分钟闭卷范围提示：数据可视化概述、Matplotlib/Seaborn等库、数据读取与处理、时间/关系/比例/文本/复杂数据可视化。说明：单选/判断/填空请将答案写在题目后；简答与应用题可使用要点或画简图。答案统一放在文末。一、单项选择题（20题×2分＝40分）每题只有一个正确答案。1.数据可视化的主要目标是：A.仅使图形更美观B.通过图形表达帮助理解数据规律与信息C.将数据全部加密D.将数据转换为语音2.常见的数据可视化流程一般不包括：A.数据获取B.数据清洗与处理C.可视化编码与呈现D.删除原始数据以节省空间3.以下哪一项更符合“可视化设计原则”中的一致性要求？A.同一类别在不同图中使用不同颜色且无说明B.同一变量在不同图中使用相同单位与编码方式C.每张图都用不同坐标轴尺度D.图例随机放置4.Matplotlib中最常用来绘制折线图的函数是：A.plt.bar()B.plt.plot()C.plt.scatter()D.plt.pie()5.Seaborn相比Matplotlib的常见特点是：A.不支持统计图形B.默认主题更美观且更偏向统计可视化C.不能与Pandas配合D.只能绘制3D图6.以下哪种图形最适合展示两个连续变量之间的相关关系？A.饼图B.散点图C.词云D.旭日图7.当需要同时展示“分布形态+离群点”时，通常优先选择：A.箱线图（Boxplot）B.折线图C.面积图D.雷达图8.直方图主要用于展示：A.类别占比B.连续变量的频数/频率分布C.网络关系结构D.时间序列趋势9.热图（Heatmap）常用于：A.展示矩阵/相关系数或时空密度变化B.绘制3D曲面C.生成词云D.替代数据库查询10.南丁格尔玫瑰图更适合表现：A.时间序列连续变化B.类别数据在不同扇区的对比（极坐标）C.三维空间曲面D.词语共现关系11.堆叠柱形图主要用于：A.展示每个类别的组成结构及总量对比B.展示单变量分布C.展示网络拓扑D.展示3D点云12.散点图矩阵了解变量两两关系的常见函数/思想是：A.pairplot（或类似矩阵布局）B.pie()C.wordcloud()D.treemap()13.读取CSV文件到Pandas的常用函数是：A.pd.read_csv()B.pd.to_csv()C.np.loadtxt()D.plt.imread()14.对缺失值进行处理时，下列哪项不是常见策略？A.删除缺失记录B.用统计量填补C.标记缺失并建模D.将所有缺失值替换为随机噪声且不说明15.NumPy的核心数据结构通常是：A.字典B.列表C.ndarray（多维数组）D.集合16.下列哪种图形最适合展示“部分与整体”的占比关系？A.饼图/环形图B.散点图C.直方图D.茎叶图17.矩形树图（Treemap）最适合展示：A.逐日温度变化B.层级结构下各部分大小占比C.两变量相关性D.文本主题演变18.词云（Wordcloud）通常用于：A.展示词频或关键词权重的直观分布B.精确展示时间序列C.展示网络路由D.展示三维地形19.在网络关系可视化中，NetworkX常用于：A.仅绘制柱状图B.构建与分析图（节点-边）结构并进行可视化C.仅做图像识别D.仅做数据库备份20.当需要制作可交互的数据大屏或交互图表时，较常用的Python库是：A.Pyecharts/Plotly/HoloViews（任一）B.sqlite3C.pickleD.random二、判断题（10题×1分＝10分）正确填“√”，错误填“×”。1.数据可视化能帮助发现趋势、异常与关联，但并不能替代对数据的正确理解与统计分析。（）2.折线图适合展示时间序列或连续变化趋势。（）3.饼图在类别很多且数值相近时仍然是最佳选择。（）4.箱线图可以反映中位数、四分位距以及离群点等信息。（）5.Seaborn可以在底层调用Matplotlib来绘制图形。（）6.热图无法用于展示相关系数矩阵。（）7.在绘图前进行数据清洗（缺失、异常、格式统一）通常有助于提升可视化质量。（）8.Wordcloud适合用于表达词频概览，但不适合用于精确数值比较。（）9.NetworkX只能绘制无向图，不能绘制有向图。（）10.交互式图表常见优势之一是支持缩放、悬浮提示与筛选等操作。（）三、填空题（10空×1分＝10分）1.Matplotlib中常用的绘图状态接口模块是________。2.用于读取CSV文件到DataFrame的函数是pd.________。3.展示两个连续变量关系的典型图形是________图。4.能够同时反映分布形态与离群点的图形是________图。5.直方图通常将数据划分为多个________（bin）并统计频数。6.热图常通过颜色深浅表示数值大小，常用函数之一是seaborn.________。7.用于生成标签云的Python库常见名称为________。8.在关系网络可视化中，节点之间的连接关系通常用________表示。9.“Schema-on-read”更常见于________（数据湖/数据仓库）场景。10.制作交互式可视化大屏时常用库之一是________（写出一个即可）。四、简答题（4题×5分＝20分）1.简述数据可视化的一般流程，并说明每一步的目标（至少写出4步）。（作答区）【评分要点提示】要点：数据获取→清洗处理→选择图形/编码→布局与标注→解释与迭代。2.比较Matplotlib与Seaborn的定位与优缺点（至少写出3点）。（作答区）【评分要点提示】要点：底层与生态、默认美观与统计图、灵活性、学习成本、与Pandas配合等。3.结合时间数据可视化，说明折线图、阶梯图、热图各自适用的场景（各写1个）。（作答区）【评分要点提示】要点：趋势、离散变化、时段密度/周期性等。4.什么是可视化中的“误导风险”？请列举两种常见误导方式并给出规避建议。（作答区）【评分要点提示】要点：坐标轴截断、比例尺不一致、颜色编码不当、样本偏差；建议：标注清晰、统一尺度、给出来源与范围等。五、应用题（2题×10分＝20分）1.给定某电商平台30天的订单数据（字段：date、order_cnt、pay_amt、channel、province）。

任务：①选择合适图形展示订单量与支付金额的时间趋势；②比较不同渠道的贡献占比；③找出订单量异常的日期并说明可能原因；④给出可视化结果需要注意的标注与说明。

请给出你的可视化方案（图形选择+理由+关键步骤）。（作答区，可附简要草图）【评分要点提示】要点：折线/双轴或分面；堆叠柱/环形/矩形树图；异常检测（z-score/箱线/阈值）+注释；标题/单位/数据来源/缺失处理说明。2.你需要对某城市12个月的空气质量数据做分析（字段：month、PM2.5、PM10、NO2、SO2、O3）。

任务：①展示各指标随月份变化趋势；②展示指标之间相关性；③选择一种“分布性”图形展示PM2.5的分布与离群点；④如果要做交互式展示（缩放/提示/筛选），推荐工具/库并说明原因。

请给出方案与关键实现思路。（作答区，可附简要草图）【评分要点提示】要点：多折线/小多图；相关矩阵热图/散点矩阵；箱线图/密度图；Plotly/Pyecharts/HoloViews；交互优势与部署方式。

参考答案（放在最后）一、单项选择题1.B2.D3.B4.B5.B6.B7.A8.B9.A10.B11.A12.A13.A14.D15.C16.A17.B18.A19.B20.A二、判断题1.√2.√3.×4.√5.√6.×7.√8.√9.×10.