2026年Python数据科学笔试题及答案

2026年Python数据科学笔试题及答案一、选择题（共10题，每题2分，计20分）1.在Python中，以下哪个库主要用于数据分析和可视化？A.PyTorchB.TensorFlowC.PandasD.Matplotlib答案：C解析：Pandas是Python中广泛用于数据分析的库，提供数据结构（如DataFrame）和数据分析工具。PyTorch和TensorFlow主要用于深度学习，Matplotlib用于数据可视化。2.以下哪个函数可以用来计算Python列表中元素的平均值？A.`mean()`B.`average()`C.`std()`D.`median()`答案：A解析：`mean()`函数计算平均值，`average()`不是内置函数，`std()`计算标准差，`median()`计算中位数。3.在Pandas中，如何筛选出DataFrame中某个列值大于10的所有行？pythondf=pd.DataFrame({'A':[5,12,8,15]})df[df['A']>10]答案：正确解析：该代码通过布尔索引筛选出列'A'值大于10的行。4.以下哪个是Python中用于自然语言处理的库？A.NumPyB.Scikit-learnC.NLTKD.Matplotlib答案：C解析：NLTK（NaturalLanguageToolkit）是Python中用于自然语言处理的经典库。NumPy用于数值计算，Scikit-learn用于机器学习，Matplotlib用于可视化。5.在机器学习中，过拟合是指？A.模型在训练数据上表现好，但在测试数据上表现差B.模型在测试数据上表现好，但在训练数据上表现差C.模型训练速度过慢D.模型训练时间过长答案：A解析：过拟合指模型对训练数据过度拟合，导致泛化能力差，在未见数据上表现不佳。6.以下哪个是Python中用于并行计算的后端？A.TornadoB.DaskC.FlaskD.Django答案：B解析：Dask是用于并行计算的Python库，可以扩展NumPy、Pandas等库的功能。Tornado和Flask/Django是Web框架。7.在Scikit-learn中，如何标准化特征（均值为0，标准差为1）？pythonfromsklearn.preprocessingimportStandardScalerscaler=StandardScaler()X_scaled=scaler.fit_transform(X)答案：正确解析：`StandardScaler`可以将特征标准化，适用于机器学习模型。8.在Python中，以下哪个是生成随机数的库？A.PandasB.NumPyC.MatplotlibD.Scikit-learn答案：B解析：NumPy提供`random`模块用于生成随机数。Pandas用于数据分析，Matplotlib用于可视化，Scikit-learn用于机器学习。9.在Pandas中，如何将两个DataFrame按某一列合并（左连接）？pythonpd.merge(df1,df2,on='key',how='left')答案：正确解析：`merge()`函数可以按列合并DataFrame，`how='left'`表示左连接。10.在机器学习中，交叉验证的主要目的是？A.减少过拟合B.提高模型训练速度C.评估模型的泛化能力D.增加模型参数答案：C解析：交叉验证通过多次训练和验证来评估模型的泛化能力，避免过拟合。二、填空题（共5题，每题2分，计10分）1.在Pandas中，使用`______`函数可以快速查看DataFrame的前几行数据。答案：head()解析：`head()`默认显示前5行，可指定行数。2.在NumPy中，`np.array([1,2,3])`的维度是______。答案：1解析：一维数组（向量）的维度为1。3.机器学习中的“降维”技术可以用于______。答案：减少特征数量，提高模型效率解析：降维（如PCA）可以减少特征维度，避免过拟合并加快训练速度。4.在Scikit-learn中，`GridSearchCV`用于______。答案：超参数调优解析：`GridSearchCV`通过网格搜索找到最佳超参数组合。5.在Python中，使用`______`语法可以定义列表推导式。答案：[表达式for变量in集合if条件]解析：列表推导式简洁地生成列表，例如`[x2forxinrange(5)]`。三、简答题（共5题，每题4分，计20分）1.简述NumPy和Pandas在数据科学中的区别和联系。答案：-区别：-NumPy主要处理数值数组，适合科学计算，支持多维数组（ndarray）。-Pandas基于NumPy，提供DataFrame和Series数据结构，支持缺失值处理和数据分析。-联系：Pandas的底层依赖NumPy，许多操作（如向量化计算）共享NumPy的效率。2.什么是特征工程？请举例说明。答案：特征工程是创建、选择和转换特征以提升模型性能的过程。例如：-特征组合：将“年龄”和“收入”组合为“收入/年龄”。-缺失值处理：使用均值/中位数填充缺失值。-编码：将分类变量（如性别）转换为数值（如0/1）。3.解释过拟合和欠拟合的区别，如何解决？答案：-过拟合：模型对训练数据拟合过度，泛化能力差。-欠拟合：模型过于简单，未捕捉数据规律。-解决方法：-过拟合：增加数据量、正则化（如L1/L2）、简化模型。-欠拟合：增加模型复杂度、增加特征、减少正则化。4.什么是交叉验证？为什么需要它？答案：交叉验证将数据分为多份，轮流作为验证集，多次评估模型性能，避免单一划分的偏差。原因：-避免过拟合评估。-更准确地估计泛化能力。-充分利用数据。5.解释Pandas中的`groupby`和`pivot_table`的区别。答案：-`groupby`：按某列分组，执行聚合操作（如sum、mean）。-`pivot_table`：创建透视表，按行/列/值聚合，更灵活。示例：pythongroupbydf.groupby('category').sum()pivot_tablepd.pivot_table(df,values='value',index='category',aggfunc='sum')四、编程题（共4题，每题10分，计40分）1.数据清洗：给定以下DataFrame，请完成以下操作：-删除包含缺失值的行。-将“价格”列的百分比转换为数值（如“50%”→50）。pythonimportpandasaspddata={'产品':['A','B','C',None],'价格':['30%','40%','50%','60%']}df=pd.DataFrame(data)答案：python删除缺失值df=df.dropna()转换百分比df['价格']=df['价格'].str.rstrip('%').astype(int)print(df)输出：产品价格0A301B402C502.数据可视化：使用Matplotlib绘制以下数据的柱状图，并添加标题和标签：pythonimportmatplotlib.pyplotaspltdata={'类别':['A','B','C'],'数量':[10,20,15]}答案：pythonplt.bar(data['类别'],data['数量'])plt.title('类别数量统计')plt.xlabel('类别')plt.ylabel('数量')plt.show()3.机器学习：使用Scikit-learn的鸢尾花数据集，训练一个决策树分类器，并输出准确率：pythonfromsklearn.datasetsimportload_irisfromsklearn.treeimportDecisionTreeClassifierfromsklearn.model_selectionimporttrain_test_splitfromsklearn.metricsimportaccuracy_score答案：python加载数据iris=load_iris()X,y=iris.data,iris.target划分数据X_train,X_test,y_train,y_test=train_test_split(X,y,test_size=0.2,random_state=42)训练模型model=DecisionTreeClassifier()model.fit(X_train,y_train)预测和评估y_pred=model.predict(X_test)print(f'准确率：{accuracy_score(y_test,y_pred):.2f}')4.特征工程：给定以下数据，创建一个新特征“BMI”=体重/身高²，并筛选出BMI大于25的行：pythonimportpandasaspddata={'身高':[1.6,1.7,1.8],'体重':[60,70,80]}df=pd.DataFrame(data)答案：python计算BMIdf['BMI']=df['体重']/(df['身高']2)筛选BMI>25result=df[df['BMI']>25]print(result)输出：身高体重BMI11.707029.4121.808025.00五、综合题（1题，20分）假设你是一名数据分析师，需要处理某电商平台的销售数据，数据格式如下：csv订单ID,商品ID,用户ID,购买时间,价格1,101,1001,2023-01-0110:00,1002,102,1002,2023-01-0111:00,200...请完成以下任务：1.读取CSV文件，筛选出2023年1月的订单。2.计算每个用户的总消费金额。3.找出消费金额最高的用户，并输出其订单时间。4.使用Pandas的`crosstab`函数，统计每个商品ID对应的订单数量。答案：pythonimportpandasaspdfromdatetimeimportdatetime1.读取数据df=pd.read_csv('sales.csv')转换购买时间为datetimedf['购买时间']=pd.to_datetime(df['购买时间'])筛选2023年1月订单df=df[df['购买时间'].dt.to_period('M')=='2023-01']2.计算每个用户的总消费user_total=df.groupby('用户ID')['价格'].sum().reset_index()print("用户总消费：")print(user_total)3.找出消费最高的用户及其订单时间top_user=user_total.loc[user_total['价格'].idxmax()]t