《Python数据可视化》模拟考试题2

《Python数据可视化》模拟考试题（四）总分：100分考试时间：120分钟闭卷题型：单选、判断、填空、简答、应用题；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.数据可视化的一般流程通常不包含以下哪一步？A.数据获取与整理B.数据清洗与预处理C.选择合适图表并编码实现D.将所有数据强制转换为同一种格式2.下列哪种图表最适合展示“连续时间序列的趋势变化”？A.折线图B.饼图C.词云图D.桑基图3.在Matplotlib中，用于绘制折线图的常用函数是：A.plt.bar()B.plt.plot()C.plt.pie()D.plt.imshow()4.Seaborn与Matplotlib的关系更准确的说法是：A.Seaborn是操作系统组件B.Seaborn只用于三维绘图C.Seaborn基于Matplotlib封装，提供更高层接口与默认美观样式D.Seaborn只能画柱状图5.下列哪一项更适合用来展示“数据分布”的形态？A.直方图B.折线图C.雷达图D.地图6.箱线图（Boxplot）主要用于：A.展示类别占比B.展示数据的分位数、离群点与离散程度C.展示词频D.展示地理路径7.散点图主要用于：A.展示两变量之间的关系与相关性B.展示时间序列的累计和C.展示文本情感D.展示树形层级结构8.气泡图与散点图相比，通常增加了哪一维信息？A.文本长度B.颜色空间C.点的大小代表第三个变量D.必须使用三维坐标轴9.热图（Heatmap）常用于：A.展示矩阵或二维数据的强度/相关性B.展示地图轨迹C.展示音频波形D.展示单变量均值10.南丁格尔玫瑰图更适合展示：A.各类别的相对大小随角度分布B.单一类别的变化趋势C.文本关键词D.仅二维坐标散点11.堆叠柱形图（StackedBar）主要用于：A.展示总体及其组成部分随类别变化的对比B.展示单变量分布C.展示网络结构D.展示三维曲面12.在Pandas中，读取CSV文件的常用函数是：A.pd.read_csv()B.pd.load_csv()C.pd.open()D.pd.read_table_only()13.数据清洗中“缺失值处理”不常见的方法是：A.删除缺失样本/字段B.用均值/中位数填充C.插值法填充D.将缺失值全部改为随机字符串14.NumPy更偏向于：A.文本情感分析B.数值计算与多维数组运算C.Web后端框架D.操作系统监控15.在Matplotlib中设置图标题的常用方法是：A.plt.title()B.()C.plt.header()D.plt.tag()16.关于图例（Legend）的描述正确的是：A.图例用于说明颜色/线型对应的含义B.图例只能用于饼图C.有图例就不需要坐标轴D.图例会改变数据本身17.词云（Wordcloud）最常用于：A.展示文本词频或关键词重要性B.展示SQL表结构C.展示网络带宽D.展示硬盘占用18.Plotly的主要特点是：A.只能离线、不可交互B.支持交互式图表并易于网页展示C.只能做静态图D.只能在C++中使用19.Pyecharts更常用于：A.构建可交互图表与数据大屏（基于ECharts）B.只做表格清洗C.写爬虫D.做操作系统调优20.关于可视化设计原则，以下哪项更合理？A.颜色越多越好，便于强调B.只追求炫酷，不用解释C.根据数据类型与目的选择图表，突出关键信息并避免误导D.轴刻度可以随意省略二、判断题（10题×1分＝10分）正确填“√”，错误填“×”。1.折线图适合展示时间序列数据的变化趋势。（）2.直方图主要用于展示分类占比。（）3.箱线图可以帮助发现离群点。（）4.Seaborn完全独立于Matplotlib，不依赖任何绘图库。（）5.在绘图前进行数据清洗通常有助于提升图表可靠性。（）6.热图常用于展示相关系数矩阵或二维强度分布。（）7.词云图中，词越大通常表示出现频率或权重越高。（）8.坐标轴范围和刻度不影响读者理解，因此可以随意设置。（）9.交互式可视化有助于用户探索数据，但也要注意性能与可解释性。（）10.数据可视化只要好看即可，不需要考虑读者与业务目标。（）三、填空题（10空×1分＝10分）1.Matplotlib是Python中最常用的________绘图库之一。2.Seaborn常用于绘制统计图形，并基于________进行封装。3.用于读取CSV文件的Pandas函数是________。4.直方图主要用于展示数据的________。5.箱线图通常展示中位数、上下四分位数以及________点。6.热图常用于展示矩阵数据或变量间的________性。7.词云常用于对文本进行关键词提取与词频的________展示。8.在Matplotlib中设置x轴标签常用函数是plt.xlabel()，设置y轴标签是________。9.数据清洗常见步骤包括缺失值处理、异常值处理与数据________（如类型转换/标准化）。10.Plotly与Pyecharts等库的优势之一是支持________式图表交互。四、简答题（4题×5分＝20分）1.简述“数据可视化”的作用与价值（至少写出3点），并说明可视化在数据分析流程中的位置。（作答区）【评分要点提示】要点：理解数据、发现规律/异常、辅助决策、沟通表达；与获取-清洗-分析-可视化-结论串联。2.对比折线图、柱形图、散点图三者的适用场景（各写出至少1个典型场景）。（作答区）【评分要点提示】要点：折线-趋势；柱形-类别比较；散点-相关关系/聚类。3.简述数据清洗的常见内容，并说明“缺失值处理”的两种策略及适用条件。（作答区）【评分要点提示】要点：去重、缺失、异常、格式；删除/填充/插值；看缺失比例与业务含义。4.解释为什么可视化需要遵循设计原则（如避免误导、突出重点），并举例说明一种常见误导方式。（作答区）【评分要点提示】要点：坐标轴截断、非等比例、3D透视、颜色误用、过度装饰等。五、应用题（2题×10分＝20分）1.给定某电商平台30天订单数据（字段：date、order_cnt、pay_amt、channel）。

需求：①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；③识别异常日期并说明可能原因；④给出可视化改进建议。

请写出你的分析思路、推荐图表组合，并说明每张图回答什么问题（可写伪代码/关键函数）。（作答区，可附简要图示/伪代码）【评分要点提示】要点：折线图（order_cnt/pay_amt）；分渠道堆叠柱/分面；异常点标注；对数轴/移动平均；颜色与注释；Pandas分组聚合。2.某城市共享单车数据（字段：start_time、end_time、start_lng、start_lat、end_lng、end_lat）。

需求：①分析一天内用车高峰；②展示出发点热度分布；③给出可交互展示方案（如网页/大屏）；④说明数据预处理步骤。

请设计方案并写出实现要点（库选择、图表、指标与流程）。（作答区，可附简要图示/伪代码）【评分要点提示】要点：按小时聚合柱状/折线；热力图/栅格热图；Plotly/Pyecharts地图；清洗坐标异常、时间解析、去重、采样；性能与隐私。

参考答案（放在最后）一、单项选择题1.D2.A3.B4.C5.A6.B7.A8.C9.A10.A11.A12.A13.D14.B15.A16.A17.A18.B19.A20.C二、判断题1.√2.×3.√4.