2025年全国计算机二级Python数据分析考试历年真题汇编及解析

2025年全国计算机二级Python数据分析考试历年真题汇编及解析考试时间：______分钟总分：______分姓名：______一、选择题1.在Python中，下列哪个数据结构是可变的？A.元组（tuple）B.集合（set）C.字典（dict）D.字符串（str）2.以下哪个函数用于计算NumPy数组的平均值？A.sum()B.mean()C.max()D.count()3.当Pandas读取CSV文件时，如果希望将第一行数据作为列名，应使用哪个参数？A.header=NoneB.header=0C.index_col=0D.names=True4.下列哪个Pandas方法用于去除DataFrame中的重复行？A.dropna()B.drop_duplicates()C.unique()D.drop()5.在Matplotlib中，如果希望修改图表标题，应使用哪个方法？A.set_xlabel()B.set_ylabel()C.set_title()D.set_xticks()6.下列哪个Pandas对象是一维的、类似于列表的数据结构？A.DataFrameB.SeriesC.IndexD.Array7.在Pandas中，使用`df.loc[]`与`df.iloc[]`进行数据选择的主要区别是什么？A.`loc`用于选择整数索引，`iloc`用于选择标签索引。B.`loc`用于选择标签索引，`iloc`用于选择整数索引。C.`loc`必须使用列名，`iloc`必须使用行号。D.两者没有区别，功能完全相同。8.以下哪个方法可以用来为PandasDataFrame中的缺失值填充一个固定的值？A.dropna()B.fillna(value)C.replace()D.interpolate()9.在Pandas中，对DataFrame进行分组统计后，常用的聚合函数有哪些？（多选）A.sumB.meanC.countD.all10.NumPy数组的数据类型可以使用哪个属性查看？A.shapeB.dtypeC.sizeD.ndim二、操作题1.假设你已经成功导入了Pandas库，并有一个名为`df`的DataFrame，包含以下数据：||Name|Score||----|-------|-------||0|Alice|85||1|Bob|90||2|Charlie|75||3|Alice|88||4|Bob|91|请编写Pandas代码完成以下任务：(1)选择出所有名为"Alice"的行。(2)计算所有学生的平均分数。(3)去除重复的行（基于所有列）。(4)将所有分数增加10分。(5)按分数从高到低排序，并只显示前2行。2.使用NumPy库创建一个3x3的二维数组，其元素为从0到8的整数，并按列优先顺序排列。然后，请使用NumPy的切片功能，取出该数组的第二行和第三行。3.假设有一个CSV文件`sales.csv`，其内容如下：```Month,SalesJan,200Feb,240Mar,180Apr,260May,300```请编写Pandas代码读取该CSV文件到名为`sales_df`的DataFrame中。然后，绘制一个柱状图，横轴为月份（使用月份名称），纵轴为销售额。为图表添加标题"MonthlySales"。4.对于下面的DataFrame`data`，请使用Pandas处理以下问题：||Category|Value||----|----------|-------||0|A|10||1|B|NaN||2|A|15||3|NaN|8||4|B|12|(1)填充`Value`列中所有的缺失值为0。(2)对`Category`列进行分组，并计算每个类别`Value`的总和。(3)将处理后的DataFrame保存为一个名为`processed_data.csv`的新CSV文件。试卷答案一、选择题1.B解析：元组（tuple）是不可变的，集合（set）和字典（dict）是可变的，字符串（str）也是不可变的。2.B解析：mean()函数用于计算NumPy数组的平均值。sum()用于求和，max()用于求最大值，count()在Pandas中用于计数。3.B解析：在Pandas读取CSV文件时，设置header=0表示将文件的第一行用作列名。header=None表示没有列名，所有内容作为数据。index_col=0表示将第一列作为行索引。names=True通常与header一起使用，用于指定列名列表。4.B解析：drop_duplicates()方法用于去除DataFrame中的重复行。dropna()用于去除包含缺失值的行。unique()用于获取Series的唯一值。drop()用于删除指定的行或列。5.C解析：set_title()方法用于修改Matplotlib图表的标题。set_xlabel()和set_ylabel()分别用于设置X轴和Y轴的标签。set_xticks()用于设置X轴的刻度位置。6.B解析：Series是一维的、类似于列表的数据结构，包含索引和值。DataFrame是二维表格结构，Array是NumPy的核心数据结构，可以是一维或多维。7.B解析：`loc`是基于标签索引选择数据，`iloc`是基于整数位置选择数据。8.B解析：fillna(value)方法用于为PandasDataFrame中的缺失值填充一个固定的值。dropna()用于删除缺失值。replace()可以替换数据，但不是专门填充缺失值。interpolate()用于插值。9.A,B,C解析：sum、mean、count都是常用的聚合函数。all用于检查所有值是否为True。10.B解析：dtype属性用于查看NumPy数组的数据类型。shape显示数组的形状，size显示数组元素的总数，ndim显示数组的维度。二、操作题1.(1)```pythonalice_rows=df[df['Name']=='Alice']```解析：使用布尔索引，选择Name列等于"Alice"的行。(2)```pythonaverage_score=df['Score'].mean()```解析：使用mean()函数计算Score列的平均值。(3)```pythondf_dropped_duplicates=df.drop_duplicates()```解析：使用drop_duplicates()方法去除重复行。(4)```pythondf['Score']=df['Score']+10```解析：使用向量化操作，将Score列的每个值都增加10。(5)```pythondf_sorted=df.sort_values(by='Score',ascending=False).head(2)```解析：使用sort_values()按Score列降序排序，然后使用head(2)取前两行。2.```pythonimportnumpyasnparr=np.arange(0,9).reshape(3,3,order='F')selected_rows=arr[1:,:]```解析：使用arange()生成0到8的数组，reshape(3,3,order='F')按列优先顺序排列成3x3二维数组。然后使用切片[1:,:]取出第二行和第三行（基于0索引）。3.```pythonimportpandasaspdimportmatplotlib.pyplotaspltsales_df=pd.read_csv('sales.csv')plt.bar(sales_df['Month'],sales_df['Sales'])plt.xlabel('Month')plt.ylabel('Sales')plt.title('MonthlySales')plt.show()```解析：使用pandas的read_csv()读取CSV文件到DataFrame。使用matplotlib的bar()绘制柱状图，横轴为Month列，纵轴为Sales列。使用xlabel()、ylabel()和title()设置坐标轴标签和图表标题。4.(1)```pythondata['Value']=data['Value'].fillna(0)```解析：使用fillna(0)将Value列中的所有缺失值填充为0。(2)```pythongrouped_sum