Python数据分析与展示 | 课程综合测试(客观题)

1单选(1分)
一般说，numpy-matplotlib-pandas是数据分析和展示的一条学习路径，哪个是对这三个库不正确的说明？
A.pandas仅支持一维和二维数据分析，多维数据分析要用numpy
B.matplotlib支持多种数据展示，使用pyplot子库即可
C.numpy底层采用C实现，因此，运行速度很快
D.pandas也包含一些数据展示函数，可不用matplotlib

正确答案：A

2单选(1分)
在使用numpy绘制图像手绘效果的实例中，关于使用像素间梯度值，如下哪个说法是正确的？
A.梯度值是颜色值的灰度表示
B.梯度值是颜色值的一维表示，颜色越相近梯度值越大
C.梯度值用于表示颜色值在RGB维度上数据的相关关系
D.梯度值用于表示颜色间差距，相似颜色趋近于白色

正确答案：D

3单选(1分)
下面两段代码，哪个说法不正确？

import numpy as np
a = np.array([0, 1, 2, 3, 4])
import pandas as pd
b = pd.Series([0, 1, 2, 3, 4])

A.a和b是不同的数据类型，之间不能直接运算
B.a和b表达同样的数据内容
C.a和b都是一维数据
D.a参与运算的执行速度明显比b快

正确答案：D

4单选(1分)
哪个选项更能代表如下代码的运行结果？

import numpy as np
x = np.array([ [ 0, 1, 2, 3, 4], [9, 8, 7, 6] ])
x.dtype()

A.float32类型
B.int32类型
C.uint32类型
D.object类型

正确答案：D

5单选(1分)
Python基本语法仅支持整数、浮点数和复数类型，numpy和pandas库则支持int64/int32/int16/int8等20余种数字类型，如下说法哪个不正确？
A.科学计算可能涉及很多数据，对存储和性能有较高要求，因此支持更多种数字类型。
B.numpy底层是C语言实现，因此，天然支持了多种数据类型。
C.程序员必须精确指定数据类型，因此，会给编程带来一定负担
D.对元素类型精确定义，有助于numpy和pandas库更合理优化存储空间。

正确答案：C

6单选(1分)
如下哪个代码不能生成一个ndarray对象？
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)

正确答案：D

7单选(1分)
如下哪个语句能够生成一个n*n的正方形矩阵，对角线值为1，其余位置值为0。
A.np.zeros((n,n))
B.np.eye(n)
C.np.full((n,n),1)
D.np.ones((n,n))

正确答案：B

8单选(1分)
哪个是下面代码的运行结果？

import numpy as np
a = np.arange(12).reshape((3,4))
print(a.mean())

A.[4, 5, 6, 7]
B.16.5
C.5.5
D.[1.5, 5.5, 9.5]

正确答案：C

9单选(1分)
如下代码中plt的含义是什么？

import matplotlib.pyplot as plt

A.别名
B.类名
C.函数名
D.变量名

正确答案：A

10单选(1分)
阅读下面代码：

import matplotlib.pyplot as plt
plt.plot([9, 7, 15, 2, 9])
plt.savefig('test', dpi=600)

其中，savefig()函数的作用是什么？
A.将数据图存储成文件
B.记录并存储数据
C.刷新数据
D.显示所绘制的数据图

正确答案：A

11单选(1分)
阅读下面代码：

import matplotlib.pyplot as plt
plt.plot([9, 7, 15, 2, 9])
plt.show()

其中，show()函数的作用是什么？
A.显示所绘制的数据图
B.存储所绘制的数据图
C.缓存所绘制的数据图
D.刷新所绘制的数据图

正确答案：A

12单选(1分)
阅读如下代码：

import pandas as pd
s = pd.Series(10, index=['a', 'b', 'c']

关于变量s，哪个说法是不正确的？
A.如果index部分省略，默认生成的索引是0, 1, 2
B.s是一个一维数组
C.s中元素的索引分别是’a’, ‘b’, ‘c’
D.s中每个元素的值是10

正确答案：A

13单选(1分)
阅读如下代码：

import pandas as pd
a = pd.Series([9, 8, 7, 6], index=['a', 'b', 'c', 'd'])

哪个是print(a.index)的结果？
A.[9, 8, 7, 6]
B.[‘a’, ‘b’, ‘c’, ‘d’]
C.(‘a’, ‘b’, ‘c’, ‘d’)
D.Index([‘a’, ‘b’, ‘c’, ‘d’])

正确答案：D

14单选(1分)
阅读如下代码：

import pandas as pd
dt = {'one': [9, 8, 7, 6], 'two': [3, 2, 1, 0]}
a = pd.DataFrame(dt)

哪个是print(a.values)的结果？
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]

正确答案：C

15单选(1分)
阅读如下代码：

import pandas as pd
dt = {'one': [9, 8, 7, 6], 'two': [3, 2, 1, 0]}
a = pd.DataFrame(dt)

希望获得[‘one’, ‘two’]，使用如下哪个语句？
A.a.index
B.a.row
C.a.values
D.a.columns

正确答案：D

16单选(1分)
阅读如下代码：

import pandas as pd
dt = {'one': [9, 8, 7, 6], 'two': [3, 2, 1, 0]}
a = pd.DataFrame(dt)

希望获得[3, 2, 1, 0]，使用如下哪个语句？
A.a.ix[1]
B.a.index[1]
C.a.colums[1]
D.a[1]

正确答案：D

17单选(1分)
阅读如下代码：

import pandas as pd
dt = {'one': [9, 8, 7, 6], 'two': [3, 2, 1, 0]}
a = pd.DataFrame(dt)

请问，哪个关于a.reindex()的说法是正确的？
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的值不改变

正确答案：D

18单选(1分)
pandas库中Series对象的索引表示类似：Index([5, 4, 3, 2, 1], dtype=’int’)，如下哪个说法是不正确的？
A.Index()表示这是一个Index类型
B.’int’说明各元素是整数类型
C.dtype表示Index类型中各元素的数据类型
D.5, 4, 3, 2, 1是Index的五个元素，这是一个五维数据

正确答案：D

19单选(1分)
下面关于Series和DataFrame的理解，哪个是不正确的？
A.DataFrame表示带索引的二维数据
B.Series和DataFrame之间不能进行运算
C.Series表示带索引的一维数据
D.可以像对待单一数据一样对待Series和DataFrame对象

正确答案：B

20单选(1分)
Series和DataFrame类型中的.cumsum()方法，下面哪个说法是正确的？
A.计算全部元素的个数
B.计算全部元素的和
C.依次计算第n-1和第n个元素的和
D.依次计算前1、2、…、n个元素的和

正确答案：D

21填空(2分)
请补全如下代码，修改数组a的维度。

import numpy as np
a = np.ones((2, 3, 4), dtype=np.int32)
a.______((3, 8))

正确答案：resize

22填空(2分)
请补全如下代码，交换数组a的两个维度，生成新的数组b。

import numpy as np
a = np.arange(12).reshape((3,4))
b = a.______(0, 1)

正确答案：swapaxes

3填空(2分)
请补全如下代码，修改数组a的类型为整数。

import numpy as np
a = np.arange(12, dtype=np.float).reshape((3,4))
a = a.________(np.int)

正确答案：astype

24填空(2分)
请补全如下代码，随机生成一个(3, 4)维的随机数组，每个值随机产生。

import numpy as np
a = np.random.______(100, 200, (3, 4))

正确答案：randint
25填空(2分)
请阅读如下代码：

import numpy as np
a = np.array([10, 8, 15, 6, 1])
np.gradient(a)

上述代码的运行结果是：
[-2. _ -1. -7. -5.]

正确答案：2.5

26填空(2分)
补全如下代码，调整变量a中第2行和第3行，使这两行交换：

import pandas as pd
dt = {'one': [9, 8, 7, 6], 'two': [3, 2, 1, 0]}
a = pd.DataFrame(dt)
a = a.reindex( _______ = (2, 3))

正确答案：index

27填空(2分)
补全如下代码，对生成的变量a在0轴上进行升序排列。

import pandas as pd
import numpy as np
a = pd.DataFrame(np.arange(20).reshape(4,5), index = ['z', 'w', 'y', 'x'])
a.____________()

正确答案：sort_index

28填空(2分)
补全如下代码，对生成的变量a在1轴上进行降序排列。

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)

正确答案：sort_index

29填空(2分)
补全如下代码，对生成的变量a在第2列上进行数值升序排列。

import pandas as pd
import numpy as np
a = pd.DataFrame(np.arange(20).reshape(4,5), index = ['z', 'w', 'y', 'x'])
a.____________(2)

正确答案：sort_values

30填空(2分)
补全如下代码，打印其中非NaN变量的数量。

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).______())

正确答案：count