Picco考试题目与对应答案展示

Picco考试题目与对应答案展示考试时间：______分钟总分：______分姓名：______选择题：1.Picco工具中，用于读取CSV文件的核心函数是（）。A.`read_excel()`B.`read_csv()`C.`load_data()`D.`import_csv()`2.在Picco数据清洗流程中，以下哪个方法可用于删除重复行？（）A.`dropna()`B.`fillna()`C.`drop_duplicates()`D.`replace()`3.Picco中，若要对DataFrame按"category"列分组计算"sales"列的平均值，正确的代码是（）。A.`df.groupby('category').mean('sales')`B.`df.groupby('category')['sales'].mean()`C.`df.groupby('category').agg({'sales':'mean'})`D.B和C均正确4.以下哪个图表类型最适合展示"不同产品类别的销售额对比"？（）A.折线图B.柱状图C.饼图D.散点图5.Picco中，`df.describe()`方法的主要作用是（）。A.查看数据前5行B.查看数据的基本信息C.查看数据的统计描述D.查看缺失值数量6.在Picco中，若需将"date"列的数据类型从字符串转换为日期时间格式，应使用（）。A.`df['date']=datetime(df['date'])`B.`df['date']=pd.to_datetime(df['date'])`C.`df['date']=convert_date(df['date'])`D.`df['date']=df['date'].astype('datetime64')`7.Picco数据可视化模块中，绘制散点图应使用的方法是（）。A.`df.plot.bar()`B.`df.plot.line()`C.`df.plot.hist()`D.`df.plot.scatter()`8.以下关于Picco数据合并的说法，正确的是（）。A.`merge()`函数只能按列合并B.`concat()`函数可按行或列合并DataFrameC.`join()`函数必须基于索引合并D.`merge()`和`join()`功能完全相同9.Picco中，若需筛选出"age"列大于30且"gender"列为"female"的数据，正确的代码是（）。A.`df[df['age']>30anddf['gender']=='female']`B.`df[(df['age']>30)&(df['gender']=='female')]`C.`df.query('age>30&gender=="female"')`D.B和C均正确10.Picco中，`df.mode()`方法的主要作用是计算（）。A.均值B.标准差C.最小值D.众数11.Picco中，用于保存DataFrame为Excel文件的函数是（）。A.`to_csv()`B.`to_excel()`C.`save_excel()`D.`export_excel()`12.在数据清洗中，若需将字符串列"name"中的所有字母转换为小写，可使用方法：`df['name']=df['name'].str.______()`。A.`lower()`B.`upper()`C.`capitalize()`D.`replace()`13.Picco中，`df.groupby('category').agg({'sales':'max','profit':'min'})`表示按"category"列分组，计算"sales"列的______和"profit"列的______。A.最大值；最小值B.最小值；最大值C.平均值；总和D.总和；平均值14.数据可视化中，若需展示"两个连续变量之间的相关性"，最适合的图表类型是（）。A.折线图B.柱状图C.饼图D.散点图15.Picco中，`df.drop(columns=['name'])`的作用是（）。A.删除"name"列B.删除"name"行C.替换"name"列D.复制"name"列16.Picco中，`df.sort_values('sales',ascending=False)`的作用是（）。A.按"sales"列升序排序B.按"sales"列降序排序C.按"sales"列随机排序D.按"sales"列分组排序17.Picco中，`df.pivot_table(index='category',values='sales',aggfunc='sum')`的作用是（）。A.创建透视表，按"category"分组计算"sales"总和B.创建透视表，按"sales"分组计算"category"总和C.创建透视表，按"category"分组计算"sales"平均值D.创建透视表，按"sales"分组计算"category"平均值18.Picco中，`df.apply(lambdax:x*2,axis=1)`的作用是（）。A.对每列应用函数，乘以2B.对每行应用函数，乘以2C.对整个DataFrame应用函数，乘以2D.对指定列应用函数，乘以219.Picco中，`df['date'].dt.year`的作用是提取"date"列的______。A.月份B.日期C.年份D.小时20.Picco中，`df.corr()`方法的主要作用是计算（）。A.数据的缺失值数量B.数据的统计描述C.数据列之间的相关性系数D.数据的行数和列数填空题：1.Picco中，用于读取JSON文件的核心函数是______。2.在数据清洗中，若需将字符串列"price"中的逗号替换为空格，可使用方法：`df['price']=df['price'].str.______(',','')`。3.Picco中，`df.groupby('category').agg({'sales':'count'})`表示按"category"列分组，计算"sales"列的______。4.数据可视化中，若需展示"分类变量的频数分布"，最适合的图表类型是______。5.Picco中，`df.isnull().sum()`的作用是计算每列的______数量。6.Picco中，用于保存DataFrame为HTML文件的函数是______。7.在数据清洗中，若需将字符串列"address"中的"市"替换为"市"，可使用方法：`df['address']=df['address'].str.______('市','市')`。8.Picco中，`df.groupby('category').agg({'sales':'std'})`表示按"category"列分组，计算"sales"列的______。9.数据可视化中，若需展示"时间序列数据的季节性变化"，最适合的图表类型是______。10.Picco中，`df['date'].dt.month`的作用是提取"date"列的______。简答题：1.简述Picco中进行数据缺失值处理的两种主要方法及其适用场景。2.解释Picco中`merge()`函数的`on`参数的作用，并举例说明其使用方式。案例分析题：题目：某零售公司提供了2023年第一季度的销售数据（部分数据如下），请使用Picco完成以下任务：|order_id|user_id|product_id|category|sales_date|quantity|price|payment_method||-|||-||-|-|-||1001|101|P001|服装|2023-01-01|2|199|支付宝||1002|102|P002|食品|2023-01-02|1|50|微信支付||1003|101|P003|服装|2023-01-03|3|299|支付宝||1004|103|P001|服装|2023-01-04|1|199|银行卡||1005|104|P002|食品|2023-01-05|2|50|微信支付|任务要求：1.数据清洗：检查并处理缺失值（若有）、将"sales_date"列转换为日期时间格式、新增"total_sales"列（=quantity×price）。2.数据分析：按"category"列分组，计算各品类的总销售额、平均订单量；找出"total_sales"最大的单笔订单。3.数据可视化：绘制各品类总销售额的柱状图（添加标题"各品类总销售额"）。试卷答案选择题：1.答案：B解析思路：Picco基于Python生态，`read_csv()`是pandas库中专门用于读取CSV文件的函数，其他选项功能不符。2.答案：C解析思路：`drop_duplicates()`是pandas中用于删除重复行的标准方法，其他选项分别用于缺失值处理和替换操作。3.答案：D解析思路：B选项通过列索引+聚合函数实现，C选项通过`agg()`字典指定聚合列和方法，两者均能正确计算分组平均值。4.答案：B解析思路：柱状图适合比较不同类别的数值差异，折线图展示趋势，饼图展示占比，散点图展示相关性。5.答案：C解析思路：`df.describe()`返回统计描述信息，如均值、标准差等，`()`查看基本信息，`df.head()`查看前几行。6.答案：B解析思路：`pd.to_datetime()`是pandas中转换日期时间格式的标准函数，其他选项语法错误或非标准方法。7.答案：D解析思路：`plot.scatter()`是pandas中绘制散点图的专用方法，其他选项分别用于柱状图、折线图和直方图。8.答案：B解析思路：`concat()`可通过`axis`参数控制按行或列合并，`merge()`支持多种合并方式，`join()`默认基于索引合并。9.答案：D解析思路：B选项使用布尔索引需用`&`连接条件且加括号，C选项使用`query()`方法简洁，两者均正确。10.答案：D解析思路：`df.mode()`计算众数，`df.mean()`计算均值，`df.std()`计算标准差，`df.min()`计算最小值。11.答案：B解析思路：`to_excel()`是pandas中保存DataFrame为Excel文件的函数，`to_csv()`用于CSV文件。12.答案：A解析思路：`str.lower()`将字符串转换为小写，`str.upper()`转换为大写，`str.capitalize()`首字母大写。13.答案：A解析思路：'max'计算最大值，'min'计算最小值，对应选项A的描述。14.答案：D解析思路：散点图直观展示两个连续变量间的相关性趋势，其他图表类型不适合此场景。15.答案：A解析思路：`drop(columns=)`指定删除列，`drop(index=)`删除行，其他选项功能不符。16.答案：B解析思路：`ascending=False`表示降序排序，`True`为升序，随机排序需使用其他方法。17.答案：A解析思路：`index='category'`指定分组列，`values='sales'`指定计算列，`aggfunc='sum'`计算总和。18.答案：B解析思路：`axis=1`表示按行应用函数，`axis=0`表示按列应用，`lambdax:x*2`将每行元素乘以2。19.答案：C解析思路：`.dt.year`提取日期时间列的年份，`.dt.month`提取月份，`.dt.day`提取日期。20.答案：C解析思路：`df.corr()`计算列间相关性系数矩阵，`df.describe()`计算统计描述，`()`查看基本信息。填空题：1.答案：`read_json()`解析思路：pandas中`read_json()`函数专门用于读取JSON格式文件。2.答案：`replace`解析思路：`str.replace()`方法用于替换字符串中的指定字符，此处将逗号替换为空格。3.答案：计数解析思路：'count'聚合函数计算非空值的数量，即该列的计数。4.答案：柱状图解析思路：柱状图适合展示分类变量的频数分布，高度代表频数大小。5.答案：缺失值解析思路：`isnull()`判断缺失值，`sum()`统计每列缺失值的总数。6.答案：`to_html()`解析思路：pandas中`to_html()`函数将DataFrame保存为HTML文件格式。7.答案：`replace`解析思路：`str.replace()`方法替换字符串中的指定子字符串，此处语法正确。8.答案：标准差解析思路：'std'聚合函数计算标准差，衡量数据的离散程度。9.答案：折线图解析思路：折线图适合展示时间序列数据的趋势和季节性变化，连接点表示时间连续性。10.答案：月份解析思路：`.dt.month`提取日期时间列中的月份部分。简答题：1.答案：删除法：使用`dropna()`删除缺失值，适用于缺失比例小的列或行，避免引入偏差。填充法：使用`fillna()`填充缺失值，如用均值、众数或固定值，适用于缺失比例较大时，保留数据完整性。解析思路：解释两种方法的定义和适用场景，强调根据缺失比例选择方法。2.答案：作用：`on`参数指定用于合并的列名，即两个DataFrame的公共键