Python數據分析與展示 _ 課程綜合測試(客觀題)

1單選(1分) 一般說，numpy-matplotlib-pandas是數據分析和展示的一條學習路徑，哪個是對這三個庫不正確的說明？ A.pandas僅支持一維和二維數據分析，多維數據分析要用numpy B.matplotlib支持多種數據展示，使用pyplot子庫即可 C.numpy底層采用C實現，因此，運行速度很快 D.pandas也包含一些數據展示函數，可不用matplotlib

正確答案：A

2單選(1分) 在使用numpy繪制圖像手繪效果的實例中，關於使用像素間梯度值，如下哪個說法是正確的？ A.梯度值是顏色值的灰度表示 B.梯度值是顏色值的一維表示，顏色越相近梯度值越大 C.梯度值用於表示顏色值在RGB維度上數據的相關關系 D.梯度值用於表示顏色間差距，相似顏色趨近於白色

正確答案：D

3單選(1分) 下面兩段代碼，哪個說法不正確？

    import numpy as np
   a = np.array([0, 1, 2, 3, 4])
   import pandas as pd
   b = pd.Series([0, 1, 2, 3, 4])
[/code]
​
A.a和b是不同的數據類型，之間不能直接運算  
B.a和b表達同樣的數據內容  
C.a和b都是一維數據  
D.a參與運算的執行速度明顯比b快
​
正確答案：D
​
4單選(1分)  
哪個選項更能代表如下代碼的運行結果？
​
```code
   import numpy as np
   x = np.array([ [ 0, 1, 2, 3, 4], [9, 8, 7, 6] ])
   x.dtype()
[/code]
​
A.float32類型  
B.int32類型  
C.uint32類型  
D.object類型
​
正確答案：D
​
5單選(1分)  
Python基本語法僅支持整數、浮點數和復數類型，numpy和pandas庫則支持int64/int32/int16/int8等20余種數字類型，如下說法哪個不正確？  
A.科學計算可能涉及很多數據，對存儲和性能有較高要求，因此支持更多種數字類型。  
B.numpy底層是C語言實現，因此，天然支持了多種數據類型。  
C.程序員必須精確指定數據類型，因此，會給編程帶來一定負擔  
D.對元素類型精確定義，有助於numpy和pandas庫更合理優化存儲空間。
​
正確答案：C
​
6單選(1分)  
如下哪個代碼不能生成一個ndarray對象？  
A. ` a = np.array([0, 1, 2, 3, 4]) `  
B. ` a = np.array({0:0,1:1,2:2,3:3,4:4}) `  
C. ` a = np.array((0, 1, 2, 3, 4) `  
D. ` a = np.array(0, 1, 2, 3, 4) `
​
正確答案：D
​
7單選(1分)  
如下哪個語句能夠生成一個n*n的正方形矩陣，對角線值為1，其余位置值為0。  
A.np.zeros((n,n))  
B.np.eye(n)  
C.np.full((n,n),1)  
D.np.ones((n,n))
​
正確答案：B
​
8單選(1分)  
哪個是下面代碼的運行結果？
​
```code
   import numpy as np
   a = np.arange(12).reshape((3,4))
   print(a.mean())
[/code]
​
A.[4, 5, 6, 7]  
B.16.5  
C.5.5  
D.[1.5, 5.5, 9.5]
​
正確答案：C
​
9單選(1分)  
如下代碼中plt的含義是什么？
​
```code
   import matplotlib.pyplot as plt
[/code]
​
A.別名  
B.類名  
C.函數名  
D.變量名
​
正確答案：A
​
10單選(1分)  
閱讀下面代碼：
​
```code
   import matplotlib.pyplot as plt
   plt.plot([9, 7, 15, 2, 9])
   plt.savefig('test', dpi=600)
[/code]
​
其中，savefig()函數的作用是什么？  
A.將數據圖存儲成文件  
B.記錄並存儲數據  
C.刷新數據  
D.顯示所繪制的數據圖
​
正確答案：A
​
11單選(1分)  
閱讀下面代碼：
​
```code
   import matplotlib.pyplot as plt
   plt.plot([9, 7, 15, 2, 9])
   plt.show()
[/code]
​
其中，show()函數的作用是什么？  
A.顯示所繪制的數據圖  
B.存儲所繪制的數據圖  
C.緩存所繪制的數據圖  
D.刷新所繪制的數據圖
​
正確答案：A
​
12單選(1分)  
閱讀如下代碼：
​
```code
   import pandas as pd
   s = pd.Series(10, index=['a', 'b', 'c']
[/code]
​
關於變量s，哪個說法是不正確的？  
A.如果index部分省略，默認生成的索引是0, 1, 2  
B.s是一個一維數組  
C.s中元素的索引分別是’a’, ‘b’, ‘c’  
D.s中每個元素的值是10
​
正確答案：A
​
13單選(1分)  
閱讀如下代碼：
​
```code
   import pandas as pd
   a = pd.Series([9, 8, 7, 6], index=['a', 'b', 'c', 'd'])
[/code]
​
哪個是print(a.index)的結果？  
A.[9, 8, 7, 6]  
B.[‘a’, ‘b’, ‘c’, ‘d’]  
C.(‘a’, ‘b’, ‘c’, ‘d’)  
D.Index([‘a’, ‘b’, ‘c’, ‘d’])
​
正確答案：D
​
14單選(1分)  
閱讀如下代碼：
​
```code
   import pandas as pd
   dt = {'one': [9, 8, 7, 6], 'two': [3, 2, 1, 0]}
   a = pd.DataFrame(dt)
[/code]
​
哪個是print(a.values)的結果？  
A.[[9 8 7 6] [3 2 1 0]]  
B.[3, 2, 1, 0]  
C.[[9 3]  
[8 2]  
[7 1]  
[6 0]]  
D.[9, 8, 7, 6]
​
正確答案：C
​
15單選(1分)  
閱讀如下代碼：
​
```code
   import pandas as pd
   dt = {'one': [9, 8, 7, 6], 'two': [3, 2, 1, 0]}
   a = pd.DataFrame(dt)
[/code]
​
希望獲得[‘one’, ‘two’]，使用如下哪個語句？  
A.a.index  
B.a.row  
C.a.values  
D.a.columns
​
正確答案：D
​
16單選(1分)  
閱讀如下代碼：
​
```code
   import pandas as pd
   dt = {'one': [9, 8, 7, 6], 'two': [3, 2, 1, 0]}
   a = pd.DataFrame(dt)
[/code]
​
希望獲得[3, 2, 1, 0]，使用如下哪個語句？  
A.a.ix[1]  
B.a.index[1]  
C.a.colums[1]  
D.a[1]
​
正確答案：D
​
17單選(1分)  
閱讀如下代碼：
​
```code
   import pandas as pd
   dt = {'one': [9, 8, 7, 6], 'two': [3, 2, 1, 0]}
   a = pd.DataFrame(dt)
[/code]
​
請問，哪個關於a.reindex()的說法是正確的？  
A.a中部分列的值可能被修改  
B.a中部分行的值可能修改  
C.a中部分索引可能被修改  
D.a的值不改變
​
正確答案：D
​
18單選(1分)  
pandas庫中Series對象的索引表示類似：Index([5, 4, 3, 2, 1], dtype=’int’)，如下哪個說法是不正確的？  
A.Index()表示這是一個Index類型  
B.’int’說明各元素是整數類型  
C.dtype表示Index類型中各元素的數據類型  
D.5, 4, 3, 2, 1是Index的五個元素，這是一個五維數據
​
正確答案：D
​
19單選(1分)  
下面關於Series和DataFrame的理解，哪個是不正確的？  
A.DataFrame表示帶索引的二維數據  
B.Series和DataFrame之間不能進行運算  
C.Series表示帶索引的一維數據  
D.可以像對待單一數據一樣對待Series和DataFrame對象
​
正確答案：B
​
20單選(1分)  
Series和DataFrame類型中的.cumsum()方法，下面哪個說法是正確的？  
A.計算全部元素的個數  
B.計算全部元素的和  
C.依次計算第n-1和第n個元素的和  
D.依次計算前1、2、…、n個元素的和
​
正確答案：D
​
21填空(2分)  
請補全如下代碼，修改數組a的維度。
​
```code
   import numpy as np
   a = np.ones((2, 3, 4), dtype=np.int32)
   a.______((3, 8))
[/code]
​
正確答案：resize
​
22填空(2分)  
請補全如下代碼，交換數組a的兩個維度，生成新的數組b。
​
```code
   import numpy as np
   a = np.arange(12).reshape((3,4))
   b = a.______(0, 1)
[/code]
​
正確答案：swapaxes
​
3填空(2分)  
請補全如下代碼，修改數組a的類型為整數。
​
```code
   import numpy as np
   a = np.arange(12, dtype=np.float).reshape((3,4))
   a = a.________(np.int)
[/code]
​
正確答案：astype
​
24填空(2分)  
請補全如下代碼，隨機生成一個(3, 4)維的隨機數組，每個值隨機產生。
​
```code
   import numpy as np
   a = np.random.______(100, 200, (3, 4))
[/code]
​
正確答案：randint  
25填空(2分)  
請閱讀如下代碼：
​
```code
   import numpy as np
   a = np.array([10, 8, 15, 6, 1])
   np.gradient(a)
[/code]
​
上述代碼的運行結果是：  
[-2. **___ ** -1. -7. -5.]
​
正確答案：2.5
​
26填空(2分)  
補全如下代碼，調整變量a中第2行和第3行，使這兩行交換：
​
```code
   import pandas as pd
   dt = {'one': [9, 8, 7, 6], 'two': [3, 2, 1, 0]}
   a = pd.DataFrame(dt)
   a = a.reindex( _______ = (2, 3))
[/code]
​
正確答案：index
​
27填空(2分)  
補全如下代碼，對生成的變量a在0軸上進行升序排列。
​
```code
   import pandas as pd
   import numpy as np
   a = pd.DataFrame(np.arange(20).reshape(4,5), index = ['z', 'w', 'y', 'x'])
   a.____________()
[/code]
​
正確答案：sort_index
​
28填空(2分)  
補全如下代碼，對生成的變量a在1軸上進行降序排列。
​
```code
   import pandas as pd
   import numpy as np
   a = pd.DataFrame(np.arange(20).reshape(4,5), index = ['z', 'w', 'y', 'x'])
   a.____________(axis=1, ascending=False)
[/code]
​
正確答案：sort_index
​
29填空(2分)  
補全如下代碼，對生成的變量a在第2列上進行數值升序排列。
​
```code
   import pandas as pd
   import numpy as np
   a = pd.DataFrame(np.arange(20).reshape(4,5), index = ['z', 'w', 'y', 'x'])
   a.____________(2)
[/code]
​
正確答案：sort_values
​
30填空(2分)  
補全如下代碼，打印其中非NaN變量的數量。
​
```code
   import pandas as pd
   import numpy as np
   a = pd.DataFrame(np.arange(20).reshape(4,5))
   b = pd.DataFrame(np.arange(16).reshape(4,4))
   print((a+b).______())
[/code]
​
正確答案：count
​
​
![在這里插入圖片描述](https://img-blog.csdnimg.cn/20210608151750993.gif)