数据分析与可视化 试卷及答案 共5套

厦门电子职业中专学校期末考试试卷（2024~2025学年度第二学期23高数据可视化）第14页共15页级班号姓名成绩出卷日期：年月日考试日期：年月日下午出卷人：考试时间：分钟选择题（每题2分，共30分）1、数据可视化是将什么转换为图形或视觉表现形式的过程？（） A.文本 B.数据 C.图片 D.音频2、下列哪个库是Python中用于数据可视化的常见库？（） A.NumPy B.Pandas C.Matplotlib D.SciPy3、帕累托图主要用于识别什么？（） A.数据中的异常值 B.变量之间的相关性C.造成最大影响的关键因素 D.数据的分布形态4、在Matplotlib中，用于设置图形标题的函数是？（） A.plt.xlabel() B.plt.ylabel()C.plt.title() D.plt.legend()5、哪种图形类型适合展示不同分类的相对占比？（） A.折线图 B.散点图 C.直方图 D.饼图6、在RFM模型中，F代表什么？（） A.最近一次消费时间 B.消费频率C.消费金额 D.客户细分等级7、下列哪个不是数据清洗的常见步骤？（） A.处理缺失值 B.识别并处理异常值C.数据标准化 D.删除重复值8、在数据可视化中，提升信息传递效率是哪个方面的重要内容？（） A.美观性 B.交互性 C.准确性 D.可读性9、Pyecharts中用于生成柱状图的类是？（） A.Bar B.Line C.Pie D.Scatter10、下列哪种图形适合展示数据随时间变化的趋势？（） A.饼图 B.散点图 C.箱线图 D.折线图11、在数据预处理中，数据转换通常包括哪些步骤？（多选可能，但此题为单选以符合格式） A.数据清洗 B.聚合、过滤和重新格式化C.数据可视化 D.建立模型在Python中，使用哪个库进行热力图（HeatMap）的绘制较为常见？（） A.NumPy B.Pandas C.Matplotlib D.Seaborn13、下列哪种相关性系数适用于衡量两个变量的相关性，而不考虑它们是否为正态分布？（） A.皮尔逊相关系数 B.斯皮尔曼等级相关系数 C.肯德尔等级相关系数 D.以上都不是14、描述性统计分析中，哪个统计量不能表示数据的集中趋势？（） A.算术平均数 B.中位数 C.标准差 D.众数15、四分位数中，Q2代表什么？（） A.最小值 B.中位数 C.第一四分位数 D.第三四分位数多选题（每题2分，共10分）1、关于Matplotlib和Pyecharts的描述，以下哪些是正确的？（） A.Matplotlib主要用于静态图表的绘制。 B.Pyecharts支持生成交互式图表。 C.Matplotlib和Pyecharts都不能用于时间序列数据的可视化。 D.Pyecharts生成的图表可以直接在网页中展示。 E.Matplotlib和Pyecharts都需要依赖Python环境运行。2、在数据可视化中，以下哪些图形类型适用于展示多个变量之间的关系？（） A.散点图 B.折线图 C.饼图 D.柱状图 E.帕累托图3、帕累托图的主要特点和应用场景包括哪些？（） A.展示单个因素与累积百分比的关系。 B.识别造成最大影响的关键因素。 C.常用于质量管理、数据分析和决策制定。 D.主要用于时间序列数据的可视化。 E.帕累托图只包含一个坐标轴。4、在优化可视化展示效果时，以下哪些策略是常用的？（） A.使用易于区分的颜色来代表不同的数据维度。 B.选择最恰当的图表类型来展示特定类型的数据。 C.增加图表的复杂度和装饰元素以吸引注意力。 D.合理布局和排版，引导观众的目光流动。 E.去除多余的装饰和文本，只保留关键信息。5、页面展示方案中，哪些属于响应式设计的优点？（） A.适用于结构简单、内容单一的网站。 B.能够提高用户体验，适配不同设备屏幕。 C.需要多次向服务器请求新的页面内容。 D.页面布局和内容固定，不支持动态加载。 E.通过使用弹性布局和媒体查询技术实现。判断题（每题2分，共10分）1、Matplotlib是Python中一个广泛使用的绘图库，专门用于生成动态交互式图表（）2、饼图是一种通过扇形的角度大小来显示类别数据构成比例的圆形统计图表。（）3、帕累托图由条形图和折线图构成，其中折线图部分表示各个因素的频率或成本。（）4、在数据可视化中，优化展示效果只是为了使图表看起来更美观，而不涉及信息传递效率和洞察力的提升。（）5、文本文件如Word文档、PDF文件等可以直接通过pandas读取和处理。（）填空题（每空1分，共10分）1、Matplotlib和Pyecharts都是Python中用于__________的库。2、帕累托图由________和________构成，用于识别造成最大影响的关键因素。3、在绘制相关系数矩阵图时，常用的可视化形式是________。4、可视化调优的意义包括_____________、____________和___________。5、______布局是一种基于用户阅读习惯的页面设计方案，用户的视线追踪模式类似于字母"F"。6、在优化饼图展示效果时，可以使用不同的_________来区分不同的数据系列。7、为了使图表更加简洁，应去除多余的_________和文本，只保留关键信息。简答题（每题5分，共10分）简述帕累托图在数据分析中的应用及绘制步骤。2.如何理解可视化结果调优的意义，并列举几种常用的调优手段。编程题（每题15分，共30分）使用Matplotlib库绘制一个包含随机生成数据的散点图，并设置图表的标题和坐标轴标签。写一个Python函数，该函数接受一个PandasDataFrame作为输入，并返回一个新的DataFrame，其中包含原始数据中缺失值已被填充（使用列的平均值填充数值型数据，使用众数填充分类数据）的数据。第1套试卷配套答案选择题（每题2分，共30分）1-5.BCCCD5-10.BCDAD11-15.BDBCB多选题（每题2分，共10分）ABDEABEABCABDEBE判断题（每题2分，共10分）1-5.×√×××四、填空题（每空1分，共10分）1.数据可视化2.条形图、折线图3.热力图4.提升信息传递效率、强化数据洞察、提高美观度及专业性5.F型6.颜色7.装饰元素五、简答题（每题5分，共10分）1.答案：帕累托图在数据分析中主要用于识别造成最大影响的关键因素，通过条形图和折线图的结合展示各个因素的频率或成本及其累积百分比。绘制步骤包括：收集并排序数据，计算累积百分比，使用条形图展示各个因素的数值，使用折线图展示累积百分比，最后标注图表的标题、坐标轴标签等信息。答案：可视化结果调优的意义在于提升信息传递效率，强化数据洞察，同时提高图表的美观度和专业性。常用的调优手段包括：使用易于区分的颜色策略来代表不同的数据维度；通过良好的布局和排版策略引导观众的目光流动；选择最恰当的图表类型来展示特定类型的数据；遵循简洁性原则，去除多余的装饰和文本，只保留关键信息；以及考虑增加图表的交互性，提升用户体验。六、编程题答案：importnumpyasnp

importmatplotlib.pyplotasplt

#生成随机数据

x=np.random.rand(100)

y=np.random.rand(100)

#绘制散点图

plt.scatter(x,y)

plt.title('RandomScatterPlot')

plt.xlabel('XAxis')

plt.ylabel('YAxis')

plt.show()答案：importpandasaspd

importnumpyasnp

deffill_missing_values(df):

#遍历DataFrame中的每一列

forcolindf.columns:

ifpd.api.types.is_numeric_dtype(df[col]):

#如果是数值型数据，使用平均值填充缺失值

df[col].fillna(df[col].mean(),inplace=True)

else:

#如果是分类数据，尝试使用众数填充缺失值（注意：如果众数不存在，将引发错误）

try:

df[col].fillna(df[col].mode()[0],inplace=True)

exceptIndexError:

#如果没有众数（如空列），可以选择跳过或进一步处理

continue

returndf

#示例使用（需要有一个实际的DataFramedf）

#df_filled=fill_missing_values(df)级班号姓名成绩出卷日期：年月日考试日期：年月日下午出卷人：考试时间：分钟选择题（每题2分，共30分）1、Matplotlib

是一个什么类型的库？（） A.文本处理 B.数据可视化 C.网页开发 D.数据库管理2、下列哪种图形最适合展示两个连续变量之间的关系？（） A.饼图 B.散点图 C.柱状图 D.折线图3、帕累托图主要用于什么？（） A.展示时间序列数据 B.识别关键影响因素 C.显示类别数据的构成比例 D.展示多个变量间的相关性4、在Pyecharts中，用于展示流程中各阶段数据变化的图表类型是？（） A.关系图 B.漏斗图 C.桑基图 D.饼图5、下列哪个参数是Matplotlib绘图时用于设置图表标题的？（） A.xlabel B.ylabel C.title D.legend6、使用matplotlib.pyplot的bar函数可以绘制哪种类型的图形？（） A.折线图 B.散点图 C.柱状图 D.饼图7、在数据可视化调优中，以下哪个策略不属于提升信息传递效率的方法？（） A.使用恰当的图表类型 B.增加图表中不相关的信息点 C.布局与排版优化 D.简洁性原则8、在使用Pyecharts绘制图形时，init_opts参数主要用于设置什么？（） A.图表大小 B.图表颜色 C.数据源 D.图表类型9、哪种图形最适合展示类别数据的构成比例？（） A.折线图 B.散点图 C.饼图 D.柱状图10、下列哪个函数不属于Matplotlib库？（） A.plot B.bar C.heatmap D.pie11、在相关系数矩阵图中，主对角线上的值通常是多少？（） A.0 B.1 C.-1 D.依赖于具体数据12、哪种布局方式适合需要展示多个类别信息的页面？（） A.单页面应用（SPA） B.并列布局 C.Z型布局 D.响应式设计13、Pyecharts中用于设置图表全局选项的函数是？（） A.set_global_opts B.addC.init_opts D.render14、在优化饼图时，可以通过哪个参数增加饼块之间的间距？（） A.wedgeprops B.autopct

C.explode D.labels15、哪种图表类型常用于展示复杂的数据流动和量级关系？（） A.漏斗图 B.折线图 C.帕累托图 D.桑基图 多选题（每题2分，共10分）1、以下哪些是可视化调优的目的？（） A.提升信息传递效率 B.降低数据质量 C.增强数据洞察 D.提高美观度和专业性2、下列哪些图形类型适用于展示时间序列数据？（） A.折线图 B.散点图 C.饼图 D.柱状图（按时间排序）3、使用Matplotlib绘制图形时，哪些参数常用于设置图表的坐标轴标签？（） A.xlabel B.ylabel C.title D.xticks4、在Pyecharts中，以下哪些方法可以用于设置图表的样式和配置？（） A.add B.set_global_opts C.set_series_opts D.render5、常见的页面展示方案包括哪些？（） A.单页面应用（SPA） B.多页面应用（MPA） C.响应式设计 D.折线图布局判断题（每题2分，共10分）1、饼图是一种展示两个连续变量关系的图形类型。（）2、使用matplotlib.pyplot的pie函数可以绘制饼图。（）3、在数据可视化调优中，增加图表中的冗余信息有助于提高信息的可理解性。（）4、桑基图主要用于展示多个变量之间的相关性。（）5、并列布局适合需要同时展示多个类别信息的页面设计。（）填空题（每空1分，共10分）1、数据可视化是将数据转换为______或_______形式的过程，以增强观众对数据含义的理解。2、在进行数据可视化时，简洁的设计原则要求避免______和______让观众能够集中注意力于数据本身。3、Python中用于数据可视化的库有________、_______、______和_____等。4、在数据清洗阶段，处理日期类型数据格式不一致的问题时，常用pandas库中的______函数。5、描述性统计分析中，极差指的是数据集中______和最小值的差。简答题（每题5分，共10分）简述数据可视化在数据分析中的重要性请阐述RFM客户细分模型在电商平台客户价值分析中的应用。编程题（每题10分，共30分）现有如下图所示的数据，请使用DataFrame创建该数据。使用random模块中的uniform函数生成一个数字，范围0-9。使用input函数输入一个整数，若输入数字大于随机数，返回'数字猜大了'；若输入数字小于随机数，返回'数字猜小了'；若输入数字等于随机数，返回'猜对了'。创建一个表示国际象棋棋盘的8*8数组，其中，棋盘白格用0填充，棋盘黑格用1填充。第2套试卷配套答案选择题（每题2分，共30分）1-5.BBBBC6-10.CBACC11-15.BBACD多选题（每题2分，共10分）ACDADABABCABC判断题（每题2分，共10分）1-5.×√××√填空题（每空1分，共10分）图形、视觉表现不必要的装饰、复杂性Matplotlib、Seaborn、Plotly、Tableaupd.to_datetime最大值简答题（每题5分，共10分）答案：数据可视化在数据分析中扮演着至关重要的角色。首先，它通过将复杂的数据转换为直观的图形和图表，显著增强了观众对数据背后含义的理解，使复杂信息变得易于消化。其次，数据可视化能够揭示数据中的趋势、模式和异常值，帮助分析人员提前发现问题或机会，从而进行及时的调整或决策。此外，数据可视化还促进了数据的沟通和共享，使团队成员之间能够更好地理解数据，增强合作与创新。最后，通过直观的视觉展示，数据可视化提高了信息传递的效率，减少了阅读大量数据报表所需的时间，从而提升了工作效率。答案：RFM客户细分模型在电商平台客户价值分析中具有广泛应用。该模型通过三个核心指标——最近一次消费时间（Recency）、消费频率（Frequency）和消费金额（Monetary）——来评估客户的价值。在电商平台中，RFM模型可以帮助企业识别不同价值的客户群体，从而制定个性化的营销策略。例如，对于“重要价值客户”（在三个维度上表现都出色的客户），平台可以提供专属服务或VIP待遇，以维持其高满意度和忠诚度。对于“重要挽留客户”（过去消费频繁但最近未购买的客户），平台可以通过优惠活动或个性化沟通来重新激活其购买意愿。通过RFM模型，电商平台能够更精确地理解客户需求，优化资源配置，提高客户转化率和保留率，最终实现销售业绩的持续增长。编程题答案：importnumpyasnpimportpandasaspddf_data=np.array([[1,5,8,8],[2,2,4,9],[7,4,2,3],[3,0,5,2]])#创建数组col_data=np.array(['A','B','C','D'])#创建数组#基于数组创建DataFrame对象df_obj=pd.DataFrame(columns=col_data,data=df_data)df_obj答案：shuzi1=np.random.randint(0,9)shuzi2=int(input("输入一个数："))defaa(x,y):ifshuzi1<shuzi2:print("猜大了")elifshuzi1>shuzi2:print("猜小了")else:print("猜对了")aa(shuzi1,shuzi2)答案：importnumpyasnparr=np.zeros((8,8),dtype=int)arr[1::2,::2]=1arr[::2,1::2]=1print(arr)级班号姓名成绩出卷日期：年月日考试日期：年月日下午出卷人：考试时间：分钟选择题（每题2分，共30分）1、数据可视化的主要目的是什么？（）

A.美化数据报告

B.使复杂数据易于理解

C.增加数据处理的复杂性

D.减少数据准确性2、下列哪个工具常用于商业智能（BI）领域进行数据可视化？（）

A.Matplotlib B.Tableau

C.Pandas D.NumPy3、数据清洗过程中，对于缺失值的处理，常见的填充方法不包括哪一项？（）

A.均值填充 B.众数填充

C.删除缺失值 D.自动生成随机值4、描述性统计分析中，用于衡量数据离散程度的统计量是？（）

A.算数平均数 B.标准差

C.中位数 D.极差5、下列哪种图表类型适合展示时间序列数据？（）

A.饼图 B.散点图 C.折线图 D.热力图6、在Pandas中，用于数据合并的函数是？

A.merge() B.concat() C.drop() D.describe()7、数据可视化中，强调重点的设计原则通常不包括？（）

A.使用鲜艳的颜色 B.改变元素的大小

C.增加边框 D.使用特定的视觉元素8、在使用Matplotlib绘制图形时，设置图表标题的函数是？（）

A.plt.title() B.plt.xlabel()

C.plt.ylabel() D.plt.legend()9、下列哪个不是RFM模型中的核心指标？（）

A.最近一次消费时间（Recency）

B.消费频率（Frequency）

C.消费金额（Monetary）

D.消费满意度（Satisfaction）数据可视化工具中，哪个支持高度交互式和动态的可视化效果？（）

A.Matplotlib B.Plotly C.Tableau D.Seaborn11、在进行相关性分析时，用于衡量两个连续型变量之间线性相关程度的系数是？（）

A.皮尔逊相关系数 B.斯皮尔曼等级相关系数

C.卡方检验 D.方差分析12、数据清洗中，处理异常值的方法不包括？（）

A.删除异常值 B.修正异常值

C.使用中位数填充 D.特殊标记13、在Python中，哪个库专门用于生成词云图？（）

A.WordCloud B.Matplotlib

C.Seaborn D.Plotly14、描述性统计分析中，众数是指？（）

A.数据集所有数值的总和除以数值的总个数

B.数据集中出现次数最多的数值

C.数据集中最大值和最小值的差

D.将数据集从小到大排序，位于中间位置的数值15、在Pandas中，用于转换日期类型数据的函数是？（）

A.pd.to_datetime() B.pd.to_numeric()

C.pd.merge() D.pd.concat()多选题（每题2分，共10分）1、数据可视化广泛应用于哪些领域？（）

A.商业分析 B.金融市场

C.健康医疗 D.社会科学2、数据清洗过程中，处理缺失值的方法包括哪些？（）

A.删除缺失值 B.使用均值填充

C.使用众数填充 D.前向填充3、在数据可视化中，常用的图表类型有哪些？（）

A.柱状图 B.折线图 C.散点图 D.直方图4、RFM模型中，三个核心指标分别是？（ ）

A.最近一次消费时间（Recency）

B.消费频率（Frequency）

C.消费金额（Monetary）

D.客户满意度（Satisfaction）5、数据可视化的设计原则包括哪些？（）

A.简洁 B.一致性

C.复杂化 D.强调重点判断题（每题2分，共10分）1、数据可视化是通过图形或视觉表现形式将数据转换为易于理解的形式。（）2、在数据清洗中，对于异常值只能采取删除的方法进行处理。（）3、Matplotlib是一个用于生成静态、交云和动态可视化的Python库。（）4、RFM模型通过三个关键指标评估客户价值，帮助企业制定个性化营销策略。（）5、在数据可视化中，使用过多的颜色和装饰可以提高图表的美观性。（）填空题（每空1分，共10分）1、探索性数据分析（EDA）的作用包括________、_______、______和________。2、在对比分析中，常用的手段包括对比_________、______和_______方法等。3、RFM模型中的M代表______，用于衡量客户的消费金额。4、绘制帕累托图时，左侧的主坐标轴通常与______图关联，显示单个因素的值。5、数据可视化是将__________转换为图形或视觉表现形式的过程。简答题（每题5分，共10分）简述数据清洗的重要性及其主要步骤。解释什么是相关性分析，并列举两种常用的相关性分析方法。编程题（每题10分，共30分）1、案例试题-重庆二手房数据分析（共8小题，总分30分）1）导入数据集，探查数据（2分）2）删除数据中的“在租套数”字段（2分）3）查找数据中的重复记录，并统计重复记录的个数，如果存在重复记录将重复记录进行删除处理（5分）4）查看数据中“单价”列是否存在缺失值，统计缺失值数量，并使用fillna函数将缺失值进行补全（5分）5）自定义函数，使用过apply函数将“建成年份”字段中的“暂无资料”替换为空值（5分）6）按照区域统计在售房屋的数量，并将结果做降序处理，展示数量前十的区域及数量（5分）7）导入matplotlib中的pyplot模块并取别名为plt（2分）8）使用合适的图形展示第六题的分析结果（4分）图形要求为：1）中文字题使用宋体，对应参数为：SimSun；2）图形标题字体大小为20；3）坐标轴标题和刻度的字体大小为14；4）需要添加数据标签；5）需要添加图例；6）使用其他参数调整图形，优化整体效果。第3套试卷配套答案选择题（每题2分，共30分）1-5.BBDBC5-10.ACADB11-15.ACABA多选题（每题2分，共10分）ABCDABCDABCDABCABD判断题（每题2分，共10分）1-5.√××√×填空题（每空1分，共10分）数据清洗、数据可视化、数据挖掘、模型构建表格、SWOT分析、多元统计消费金额（Monetary）条形图数据简答题（每题5分，共10分）1.答案：数据清洗是数据分析过程中至关重要的环节，它直接关系到数据质量和后续分析的准确性。数据清洗的主要步骤包括：识别并处理缺失值：通过删除、填充或插值等方法处理缺失数据。处理异常值：识别并处理数据中的异常值，如删除、修正或特殊标记。数据转换和标准化：将数据从其原始格式转换为适合分析的格式，如日期类型转 换、数值型数据标准化等。去重处理：删除数据集中的重复记录，避免对分析结果产生干扰。文本数据清洗：处理文本数据中的不规范字符、拼写错误、格式问题等。2.答案：相关性分析是研究两个或多个变量之间是否存在某种统计关系的分析方法。通过相关性分析，我们可以了解变量之间的相互影响和关联程度。常用的相关性分析方法包括：皮尔逊相关系数：用于衡量两个连续型变量之间的线性相关程度，取值范围在-1 到之间，绝对值越大表示相关性越强。斯皮尔曼等级相关系数：适用于非正态分布的数据或等级数据，衡量两个变量之 间的等级相关性，也通过数值表示相关性的强度和方向。编程题1.导入pandas，并取别名为pd（4分）importpandasaspd2.创建一个DataFrame数据来源为以下列表，并将该DataFrame取名为df1。（4分）[{'姓名':'张三','年龄':20,'编号':'01'},{'姓名':'李四','年龄':22,'编号':'02'},{'姓名':'王五','年龄':21,'编号':'03'}]df1=pd.DataFrame([{'姓名':'张三','年龄':20,'编号':'01'},{'姓名':'李四','年龄':22,'编号':'02'},{'姓名':'王五','年龄':21,'编号':'03'}])3.使用describe函数对df1进行描述统计分析（2分）df1.describe()三、案例试题-重庆二手房数据分析（共8小题，总分40分）1.导入数据集，探查数据（4分）house=pd.read_excel('./素材包/house_cq.xlsx')house2.删除数据中的“在租套数”字段（4分）house.drop('在租套数',axis=1,inplace=True)3.查找数据中的重复记录，并统计重复记录的个数，如果存在重复记录将重复记录进行删除处理（6分）house.duplicated().sum()4.查看数据中“单价”列是否存在缺失值，统计缺失值数量，并使用fillna函数将缺失值进行补全（6分）house['单价'].isna().sum()house['单价'].fillna(house['单价'].mean(),inplace=True)5.自定义函数，使用过apply函数将“建成年份”字段中的“暂无资料”替换为空值（5分）defyear_built(x):ifx=='暂无资料':returnNoneelse:returnxhouse['建成年份']=house['建成年份'].apply(year_built)6.按照区域统计在售房屋的数量，并将结果做降序处理，展示数量前十的区域及数量（5分）data=house.groupby('所在街道或片区').agg({'在售套数':sum}).sort_values('在售套数',ascending=False).head(10)7.导入matplotlib中的pyplot模块并取别名为plt（2分）importmatplotlib.pyplotasplt8.使用合适的图形展示第六题的分析结果（8分）图形要求为：1）中文字题使用宋体，对应参数为：SimSun；2）图形标题字体大小为20；3）坐标轴标题和刻度的字体大小为14；4）需要添加数据标签；5）需要添加图例；6）使用其他参数调整图形，优化整体效x=data.indexy=data.values.flatten()#创建画布plt.figure(figsize=(10,10),facecolor='w')#创建图标题plt.title('前十区域在售放比较',family='SimSun',fontsize=20,color='r')#设置轴#轴刻度plt.xticks(fontsize=14)plt.yticks(fontsize=14)#轴标题plt.xlabel('区域名称',family='SimSun',color='b',fontsize=14)plt.ylabel('在售套数',family='SimSun',color='b',fontsize=14)#柱状图plt.bar(x,y,label='test')#数据标签fora,binzip(x,y):plt.text(a,b,b,ha='center',va='bottom',fontsize=14,color='grey')#添加图列plt.legend()#设置网格线plt.grid(axis='y',ls='--')#显示图像plt.show()级班号姓名成绩出卷日期：年月日考试日期：年月日下午出卷人：考试时间：分钟选择题（每题2分，共30分）1、数据可视化是将数据转换为哪种形式的过程？（）A.文本 B.图形或视觉表现形式C.音频 D.视频2、以下哪个不是数据可视化的主要意义？（）A.增强理解 B.揭示趋势C.简化数据复杂性 D.促进决策3、Tableau是一款什么类型的工具？（）A.文本编辑器 B.可视化商业智能工具C.数据库管理系统 D.编程语言4、在数据清洗过程中，处理缺失值常用的方法不包括以下哪项？（）A.删除缺失值 B.使用均值填充C.使用模型预测填充 D.保留缺失值不做处理5、描述性统计分析中，极差表示的是？（）A.数据集中最大值与最小值的差B.数据集的平均数C.数据集的中位数D.数据集的众数6、哪种图表最适合展示不同分类变量下的数据大小比较？（）A.折线图 B.柱状图 C.散点图 D.饼图7、在Python中，哪个库常用于处理时间序列数据？（）A.Pandas B.NumPy C.Matplotlib D.Seaborn8、RFM模型中，R代表什么？（）A.最近一次消费时间 B.消费频率C.消费金额 D.客户年龄9、在数据可视化中，哪种图表用于展示数据的构成比例？（）A.直方图 B.饼图 C.散点图 D.折线图10、PowerBI是哪个公司开发的商业智能工具？（）A.Google B.Microsoft C.Apple D.IBM11、在进行数据分析时，EDA代表什么？（）A.探索性数据分析 B.描述性数据分析C.实验性数据分析 D.预测性数据分析12、使用pandas库读取Excel文件时，默认使用哪个库来读取xls文件？A.Openpyxl B.xlrd C.NumPy D.Matplotlib13、在SQL中，哪种数据类型常用于存储日期和时间信息？（）A.INT B.DATE C.VARCHAR D.BLOB14、以下哪种方法不是处理异常值的方法？（）A.删除异常值B.替换异常值为平均值C.保留异常值D.将异常值转换为NaN15、在进行多表数据连接时，哪种连接会返回左表（第一个表）的所有记录以及右表（第二个表）与之匹配的记录？（）A.内连接 B.左连接 C.右连接 D.全外连接多选题（每题2分，共10分）1、数据可视化的主要作用包括哪些？（）A.增强理解 B.揭示趋势C.促进决策 D.隐藏数据细节2、常见的可视化工具包括哪些？（）A.Tableau B.PowerBIC.Excel D.Python的Matplotlib和Seaborn3、描述性统计分析中常用的统计量有哪些？（）A.算术平均数 B.中位数C.众数 D.极差4、RFM客户细分模型中，三个核心指标是什么？（）A.最近一次消费时间（Recency）B.消费频率（Frequency）C.消费金额（Monetary）D.客户年龄5、数据清洗中处理缺失值的方法有哪些？（）A.删除缺失值所在的记录B.使用均值、中位数或众数填充C.使用模型预测填充D.忽略缺失值不做处理判断题（每题2分，共10分）1、数据可视化只适用于专业人员，非专业人士难以理解。（）2、在Pandas中，dropna()函数用于删除包含缺失值的行或列。（）3、箱线图特别适合于发现数据中的异常值。（）4、RFM模型中，重要价值客户在三个维度（Recency,Frequency,Monetary）上的表现都很低。（）5、在进行数据可视化时，不需要考虑观众的背景和需求。（）填空题（每空1分，共10分）1、数据可视化是将数据转换为_________或___________的过程。2、在数据清洗中，________、_________和_________是常见的数据质量问题。3、描述性统计分析中，_________表示数据集中最大值与最小值的差。RFM模型中，M代表_____________。在Python中，用于绘制图表的常用库包____________和___________。Pandas库中的________函数用于数据表的合并操作。简答题（每题5分，共10分）简述数据可视化的意义。2、解释RFM客户细分模型，并说明其三个核心指标的含义。编程题（每题10分，共30分）1、案例试题-欧洲城市人口普查分析（共9小题，总分30分）1）导入数据集，探查数据，使用head函数显示数据前8行（2分）2）使用合适的函数确认数据集中是否有缺失情况，如果存在，处理缺失值。（3分）3）使用合适的函数确认数据集中是否有重复值情况，如果存在，处理重复值。（3分）4）数据集字段重命名（2分）要求：按以下映射关系对字段进行重命名：修改前字段名称修改后字段名称Rank排名City城市State州Population人口Dateofcensus/estimate调查日期5）找出“城市”字段中的问题，描述具体问题（2分）6）找出“人口”字段中的问题，描述具体问题（2分）7）将“调查日期”字段中的数据格式改为datatime类型（2分）8）统计各国的城市数量，降序展示结果，只显示前5个结果（2分）9）使用合适的图形展示上题的分析结果（12分）图形要求为：1）导入matplotlib中的pyplot模块并取别名为plt；2）中文字题使用宋体，对应参数为：SimSun；3）图形标题字体大小为20；4）坐标轴标题和刻度的字体大小为14；5）需要添加数据标签；6）需要添加图例；7）使用其他参数调整图形，优化整体效果。第4套试卷配套答案选择题（每题2分，共30分）1-5.BCBDA6-10.BAABB11-15.ABBDB多选题（每题2分，共10分）ABCABDABCDABCABC判断题（每题2分，共10分）1-5.×√√××填空题（每空1分，共10分）1.图形、视觉表现形式2.缺失值、异常值、重复值3.极差4.消费金额5.Matplotlib_、_Seaborn6.merge()简答题（每题5分，共10分）1.答案：数据可视化的意义主要体现在以下几个方面：增强理解：图形化的展示方式能够让复杂的数据集变得易于理解，帮助人们快速 捕捉数据的主要信息。揭示趋势：通过图表和图形，我们可以轻松识别数据中的趋势、模式和异常值， 为决策提供支持。促进决策：数据可视化有助于展示数据分析的结果，使决策者能够更清晰地了解 数据的意义和影响，从而做出更准确和及时的决策。提高效率：可视化工具能够快速生成各种图表和图形，节省了手动处理数据的时 间，提高了工作效率。2.答案：RFM客户细分模型是一种基于客户行为的客户价值分析方法，它通过三个核心指标来评估客户：Recency（最近一次消费时间）：指的是客户最近一次购买距离当前时间的间隔。它反映了客户的活跃程度，越近的购买时间通常意味着客户更有价值或更有可能再次购买。Frequency（消费频率）：指的是客户在一定时间范围内购买的次数。较高的购买频率表明客户忠诚度较高，对品牌有持续的兴趣。Monetary（消费金额）：指的是客户在一定时间范围内的总消费金额。它直接反映了客户为公司带来的收入价值。通过这三个指标的组合，RFM模型将客户细分为不同的群体，每个群体代表不同的客户价值和行为模式，从而帮助企业制定个性化的营销策略，提高客户满意度和忠诚度。编程题1.导入数据集，探查数据，使用head函数显示数据前8行（5分）raw_data=pd.read_csv("欧洲城市人口.csv")raw_data.head(8)2.使用合适的函数确认数据集中是否有数据缺失的情况（5分）raw_data.isnull().sum()3.使用合适的函数确认数据集中是否有重复值情况，如果存在，处理重复值。（5分）raw_data.drop_duplicates()4.数据集字段重命名（5分）要求：按以下映射关系对字段进行重命名修改前字段名称修改后字段名称Rank排名City城市State州Population人口Dateofcensus/estimate调查日期raw_data.columns=['排名','城市','国家','人口','调查日期']5.找出“城市”字段中的问题，用markdown描述具体问题，并用代码解决（5分）城市字段中有乱码，需要替换掉raw_data.城市[~raw_data.城市.str.isalpha()]raw_data.iloc[[0,7,15],1]=["London","Hamburg","Brussels"]6.找出“人口”字段中的问题，描述具体问题（5分）人口字段中有异常格式，替换人口数值中的逗号字符为空字符串raw_data.人口raw_data.人口=raw_data.人口.str.replace(",","").astype(int)7.将“调查日期”字段中的数据格式改为datatime类型（5分）raw_data['调查日期']=pd.to_datetime(raw_data['调查日期'])raw_data.head()8.统计各国的城市数量，降序展示结果，只显示前5个结果（5分）raw_data.groupby("国家")["城市"].count().sort_values(ascending=False).head()9.统计各国的人口数量，并使用合适的图形展示结果（10分）图形要求为：中文字题使用宋体，对应参数为：SimSun；图形标题字体大小为20；坐标轴标题和刻度的字体大小为14；需要添加数据标签；需要添加图例；使用其他参数调整图形，优化整体效果 popu=raw_data['国家人口'.split()].groupby("国家")renkou=popu.agg({'人口':'sum'})renkou=renkou.reset_index()renkou=renkou.sort_values(by='人口',ascending=True)plt.figure(figsize=(20,10),facecolor='linen')plt.barh(renkou['国家'],renkou['人口'],color='darkturquoise',label='人口')plt.xticks(c='royalblue',fontsize=14)plt.yticks(color='royalblue',fontsize=14)plt.xlabel('人口数量',c='red',fontsize=14)plt.ylabel('国家地区',c='red',fontsize=14)plt.title('欧洲各国人口数量排名',fontsize=20)fory,xinenumerate(renkou['人口'].values):plt.text(x+500,y,'%.0f'%x,fontsize=10,c='tomato')plt.legend(loc="lowerright")plt.show()级班号姓名成绩出卷日期：年月日考试日期：年月日下午出卷人：考试时间：分钟选择题（每题2分，共30分）1、数据可视化的主要目的是什么？（）

A.增加数据的存储量

B.使复杂数据易于理解

C.降低数据处理速度

D.减少数据准确性2、在数据可视化中，使用哪种图表类型可以更好地展示时间序列数据的变化趋势？（）

A.饼图 B.折线图 C.散点图 D.热力图3、下列哪个不是数据清洗过程中常见的任务？（）

A.处理缺失值 B.数据标准化

C.数据加密 D.识别异常值4、在Pandas中，用于数据格式转换的函数是？（）

A.merge() B.to_datetime()

C.pivot_table() D.corr()5、在数据分析中，EDA代表什么？（）

A.探索性数据分析 B.外部数据分析

C.实验性数据分析 D.实时数据分析6、以下哪种连接类型会返回左表的所有记录及右表中匹配的记录？（）

A.INNERJOIN B.LEFTJOIN

C.RIGHTJOIN D.FULLOUTERJOIN7、使用哪种Python库可以绘制复杂的交云图？()

A.Matplotlib B.Seaborn

C.WordCloud D.Plotly8、RFM模型中的“M”代表什么？（）

A.最近一次消费时间 B.消费频率

C.消费金额 D.客户满意度9、下列哪种类型的图最适合展示数据中的异常值？（）

A.直方图 B.箱线图

C.帕累托图 D.折线图10、在使用Matplotlib时，用于设置图表标题的函数是？（）

A.xlabel() B.ylabel() C.title() D.legend()11、在进行数据清洗时，处理缺失值常用的方法不包括？（）

A.删除含有缺失值的记录

B.使用均值填充

C.使用众数填充

D.使用最新值填充（非时间序列数据）12、下列哪种商业智能工具支持交互式报告和仪表板创建？（）

A.Excel B.Python C.Tableau D.SQLServer13、在Python中，pandas库的DataFrame对象通过什么方法可以实现数据的去重？（）

A.dropna() B.drop_duplicates()

C.unique() D.fillna()14、使用哪种图形类型可以有效地展示不同分类变量的占比情况？（）

A.柱状图 B.折线图 C.散点图 D.饼图15、数据清洗的主要目标是什么？（）

A.增加数据集的复杂性

B.确保数据的准确性和完整性

C.减少数据存储空间

D.加快数据处理速度多选题（每题2分，共10分）1、数据可视化在哪些领域有广泛应用？（）

A.商业分析 B.金融市场

C.健康医疗 D.社会科学2、下列哪些工具可以用于数据可视化？（）

A.Matplotlib B.Seaborn

C.Tableau D.Python3、描述性统计分析中常用的统计量包括哪些？（）

A.算数平均数 B.中位数 C.标准差 D.皮尔逊相关系数4、在数据清洗过程中，处理异常值的方法有哪些？（）

A.删除异常值 B.使