DHU 数据科学技术与应用【8】 第1-4次单元测验 答案

写在更前面

本文章免费提供给需要的同学使用
我知道可能动了有些人的蛋糕（有人第四次开课时发的，题目差不多，但是收费），被举报抄袭了，笑死
知识无价，做作业是为了更好地了解知识，并且获得学分，我个人在任何平台，从来没有因为这个收过人一分钱
去年就有同学问我借账号看答案，说有人收费，觉得不值得花这个钱，我也这么觉得

文章全部是我自己手打，制作的答案

没错，为了给大家提供答案，我甚至还再选了一次做完了全部

目前，我只好把文章给整合一下，可能到时候比较难找，先看看这样行不行吧
被判成非原创吧…对我账号的数据之类的应该没什么问题，但是上面会显示一条转载链接，感觉挺恶心的，因为本来就是我最近自己做好的。。。又不是复制粘贴的人家的。。。收费的心血就比免费的来得高贵吗？我当然不认。。。

写在前面

课程链接：数据科学技术与应用
第五次开课，对应校内的学期是2022s
一晃两年过去了，世界线却像remake了一样，看到有人要付费才能订阅这些答案，之前也被同学问过要选择题答案，因为之前的课程过期了无法查看，于是干脆再次加入重做一遍
虽然盲考拿到过市二级数据科学的证书，但是用进废退，权当再复习一遍吧
用自己的号测试了两次，都是一样的题，应该大家都是一样的

其他章节选择题答案

第5-7次单元测验
第8次单元测验

第一次单元测验 多维数据结构与运算 答案

1 单选（1分）

下面________不是大数据的特征。

‎A.规模性
B.高速性
C.多样性
D.低价值性

2 单选（1分）

下面关于数据科学与大数据之间的关系描述，错误的是________。

A.大数据属于数据科学的范畴
B.大数据分析遵循数据科学处理问题的基本工作流程
C.大数据分析采用的技术完全不同于数据科学技术
D.大数据技术是指数据量达到某种规模时引入的分布式存储、计算和传输等方法

3 单选（1分）

names=np.array([’马化腾’,’李彦宏’,’雷军’,’扎克伯格’])，names[2]的值是________。

A.马化腾
B.李彦宏
C.雷军
D.扎克伯格

4 单选（1分）

记录同学成绩的scores数组如下，scores[ 1:3, [2,5]] 取得的数据是________。
scores： array([[70, 85, 77, 90, 82, 84, 89],
[60, 64, 80, 75, 80, 92, 90],
[90, 93, 88, 87, 86, 90, 91],
[80, 82, 91, 88, 83, 86, 80],
[88, 72, 78, 90, 91, 73, 80]])

A.array( [ [80,92], [88,90]] )
B.array( [ [64,80], [93,86]] )
C.array( [ [85,84],[64,92], [93,90]] )
D.array( [ [64,92], [93,90],[82,86]] )

闲得无聊的验算：

import numpy as np
scores = np.array([[70, 85, 77, 90, 82, 84, 89],[60, 64, 80, 75, 80, 92, 90],[90, 93, 88, 87, 86, 90, 91],[80, 82, 91, 88, 83, 86, 80],[88, 72, 78, 90, 91, 73, 80]])

输出：

5 单选（1分）

names记录同学名字，subjects记录考试科目数据中，scores记录同学成绩，求Python课程成绩的最高分的语句________。
names：array([‘王微’, ‘肖良英’, ‘方绮雯’, ‘刘旭阳’,‘钱易铭’, dtype=‘ subjects：array([‘Math’, ‘English’, ‘Python’, ‘Chinese’, ‘Art’, ‘Database’, ‘Physics’], dtype=‘ scores： array([[70, 85, 77, 90, 82, 84, 89],‎
[60, 64, 80, 75, 80, 92, 90],‎
[90, 93, 88, 87, 86, 90, 91],‎
[80, 82, 91, 88, 83, 86, 80],‎
[88, 72, 78, 90, 91, 73, 80]])

A.scores[subjects==‘Python’].max()
B.scores[:,subjects= =‘Python’].max()
C.scores(subjects==‘Python’).max()
D.scores[subjects==‘Python’, : ].max()

闲得无聊的验算：

import numpy as np
names = np.array(['王微', '肖良英', '方绮雯', '刘旭阳','钱易铭'],  dtype=')
subjects = np.array(['Math', 'English', 'Python', 'Chinese', 'Art', 'Database', 'Physics'],  dtype=')
scores = np.array([[70, 85, 77, 90, 82, 84, 89],[60, 64, 80, 75, 80, 92, 90],[90, 93, 88, 87, 86, 90, 91],[80, 82, 91, 88, 83, 86, 80],[88, 72, 78, 90, 91, 73, 80]])

输出：
就这句代码有输出，但不懂为啥输出不是93

6 单选（1分）

将一维数组转化为多维数组的numpy函数是________。

A.arange()
==B.reshape() ==
C.zeros()
D.ones()

7 多选（1分）

下列能实现将shape为dtype[5,7] 的scores数组所有元素都加10的语句是________。

A.scores + 10
B.np.add(scores, 10)
C.scores[10].add(10)
D.scores + [10,10,10,10,10,10,10]

8 单选（1分）

‌subjects=np.array([‘Math’, ‘English’, ‘Python’, ‘Chinese’, ‘Art’, ‘Database’, ‘Physics’])，
‌mask=(subjects==‘English’|subjects==‘Art’)。
则mask数组中值为True的元素个数是________。

A.2
B.3
C.4
D.5

9 单选（1分）

‌淘宝卖家销售10斤一箱的陕西红富士，应采用________来模拟生成40箱苹果的重量较合理。

A.np.random.radint(6, 15, 40)
B.np.random.uniform(8,12,40）
C.np.random.normal(10, 5, 40）
D.np.random.normal(10, 1, 40)

10 多选（1分）

‎如果某便利店开有多家门店，为了分析各门店各种奶制品每天的销售情况，需要建立________，以便分析。

‍A.2个一维数组，分别存放门店名称、商品名称
B.3个一位数组，分别存放门店名称、商品名称、时间
C.2个二维数组，1个存放每个门店的每个商品在本月的总销量，1个存放每天每个商品在所有门店的销量
D.1个三维数组，存放每个门店的每个商品在每天的销量

第二次单元测验 数据汇总与统计（一） 答案

1 单选（1分）

‍DataFrame对象的列索引通常表示________。

A.每列数据的总数
B.列的位置信息
C.列的数据类型
D.每列数据对应的现实概念

2 单选（1分）

DataFrame对象df中基于位置序号选取第2行第3列数据的方式是_______。（序号从0开始）

A.df.find(1,2)
B.df.iloc[1,2]
C.df.loc[1,2]
D.df.rloc[1,2]

3 单选（1分）

CSV文件是_______，可以使用_______查看。

A.word文件，word查看
B.纯文本文件，文本编辑器
C.ppt文件，powerpoint查看
D.图像文件，画图工具查看

4 单选（1分）

关于DataFrame和Series对象，下列叙述正确的是_______。

A.DataFrame对象只能用于处理两维数据
B.Series对象主要用于处理一维数据
C.DataFrame对象不能转化为Series对象
D.Series对象可以用来处理多维数据

5 单选（1分）

创建height对象，_______语句能选出高度为190的数据。
‌height=Series({‘13’:187,‘14’:190,‘7’:185,‘2’:178,‘9’:185})

A.height[0]
B.Height[‘7’]
C.height[height.values > 190]
D.height[1]

6 单选（1分）

创建students对象,下面语句筛选出_______大于67公斤同学的_______。
students数据如下：

age height weight
1 19 170 668
2 20 165 65
3 18 175 65
students.loc[students[‘weight’]>67, ‘height’]

A.体重、年龄
B.身高、体重
C.体重、身高
D.年龄、身高

7 单选（1分）

关于数据文件读写，_______是错误的描述。

A.文件中第一行必须给出列的索引名（columns），否则pandas无法读取各列内容
B.pandas读取的数据文件中可以包含中文字符组成的数据
C.读取excel文件时，可以为 sheetname 参数赋值，以读取指定表单的数据
D.csv数据文件用换行符来区分数据行

8 多选（1分）

创建students对象，_______语句可以选出第二个同学的身高。
students数据如下：

age height weight
1 19 170 668
2 20 165 65
3 18 175 65
A.students[‘height’][3]
B.students.loc[2,‘height’]
C.students.iloc[1, 1]
D.students[1,‘height’]

9 多选（1分）

关于DataFrame数据对象的添加和删除操作，_______是正确的描述。

A.DataFrame对象不能直接添加新的列数据
B.DataFrame对象不能直接添加新的行数据
C.可以设置axis的值删除DataFrame指定行或列的数据
D.DataFrame中数据元素的值不能修改

10 判断（1分）

在数据统计中，均值和中位数是相同的概念。

A.√
B.x

第三次单元测验 数据汇总与统计（二） 答案

1 单选（1分）

有3张同学信息表，存储为DataFrame对象stu1,stu2,stu3，具有相同的列索引，合并的方法是________。

A.pd.concat( [stu1,sut2,sut3] )
B.stu1.concat([sut2,sut3])
C.[stu1,stu2,stu3].concat(axis =0)
D.pd.concat(stu1,sut2,sut3)

2 单选（1分）

统计量“方差”描述________。

A.样本个体距离均值的离散程度
B.样本（一组数据）的平均值
C.样本中出现次数最多的值
D.样本中不同的值占样本容量的比例

3 单选（1分）

统计DataFrame对象stu中各‘省份’同学人数的方法是________。

‎A.stu[].value_counts(‘省份’)
B.stu[‘省份’].count()
C.stu[‘省份’].value_counts()
D.pd.value_counts(stu[‘省份’])

4 单选（1分）

假定DataFrame对象 temp中共有12列， 语句________删除空值（NaN）个数大于3的行。

A.temp.dropna(threshold = 8)
B.temp.dropna(threshold = 9)
C.temp.dropna(threshold = 7)
D.temp.dropna(threshold = 10)

5 单选（1分）

调用DataFrame对象temp的 fillna方法填充空值时，设置________参数可以控制是否直接更新temp对象。

‎A.now
B.method
C.threshold
D.inplace

6 单选（1分）

使用merge方法对DataFrame对象temp1和temp2进行列上的合并时，设置参数________，实现按照两个对象键值的交集进行合并。

A.how=inner
B.how=left
C.how=right
D.how=outer

7 单选（1分）

‏可以使用DataFrame对象的corr()方法求两列数据的相关系数，关于相关系数的描述中________是正确的。

A.相关系数是一个大于0小于1的值
B.不能通过相关系数判断两列数据的相关性
C.相关系数为零时两列数据相关性最小
D.相关系数越大，两列数据的相关性越弱

不太明白为啥a选项是错的

8 判断（1分）

dataFrame对象使用sort_values方法按照某列进行排序后，只有该列数据按顺序调整位置，其他列保此原顺序不变。

A.×
B.√

9 填空（1分）

数据记录了我国4个直辖市第一（种植业、林业、牧业和渔业）、第二（采掘业，制造业，电力、煤气、水的生产和供应业、建筑业）、第三产业（其他）2017年产值的增加量（单位：亿元）。创建了如下数据表：
from pandas import DataFrame

data = [[98.99,9251.40,20783.47],[ 120.45,5310.63,22569.27],[218.28,7590.36,10786.74],[1339.62,8596.61,9564.04]]
value=DataFrame(data,index=[‘上海’,‘北京’,‘天津’,‘重庆’], columns =[‘第一’,‘第二’,‘第三’])
‎
现在需要在value中新增一列‘总增量’，记录每个城市的三类产业产值增量总和，使用语句：
value[‘________’] =value.sum(axis = 1)

总增量
‎

10 填空（1分）

​清洗数据有滤除和填充两种方法，当数据集比较小时，应尽量选择数据________的方式来清洗数据。

​填充

第四次单元测验 数据可视化 答案

1 单选（1分）

下面关于使用pyplot和pandas提供的绘图函数的说法中，错误的是_________。

A.Series、DataFrame对象都提供plot()函数
B.pandas提供的绘图函数使用更快捷
C.相比较pandas绘图，pyplot提供更多图元绘制函数，能提供更精细的绘图方式
D.在同一figure对象中，pyplot和pandas的绘图函数不可以混合使用

2 单选（1分）

比较3个班级学生高数成绩的分位数分布并观察异常值，可选择_________。

A.密度图
B.箱须图
C.直方图
D.柱状图

3 单选（1分）

‌绘制多个子图的正确方法是_________。

A.导入matplotlib.pyplot库，创建figure对象，调用figure.add_subplot函数
B.导入pandas.pyplot库，创建figure对象，调用figure.subplot函数
C.导入matplotlib.pyplot库，创建figure对象，调用figure.subplot函数
D.导入pandas.pyplot库，创建figure对象，调用figure.add_subplot函数

4 单选（1分）

‏下面关于直方图的说法中，错误的是_________。

A.每个区间上长方形的高度表示该区间样本的频率
B.分箱的数量与数据集的分布无关
C.直方图的横坐标按区间个数等分
D.直方图可用来描述总体的频数分布情况

5 单选（1分）

关于饼图的描述，错误的是_________。

‎A.描述总体的样本值的构成比
B.描述总体各样本区间的样本数量
C.反映样本部分与整体之间的数量关系
D.每个扇形表示一类样本占总体的百分比

6 多选（1分）

_________可用于展示离散数据。

A.柱状图
B.折线图
C.曲面图
D.饼图

7 填空（1分）

​观察男、女同学对“数据科学”课程的兴趣程度与课程成绩之间的关系，应使用分组_________。

散点图

8 填空（1分）

‎DataFrame对象temp记录了8个城市4个季度的第三产业产值，利用DataFrame.plot绘制柱状图时，可以设置参数_________控制画堆叠或复式柱状图。

stacked

9 填空（1分）

利用Series.plot绘制概率密度图时，将kind参数设置为_________。

kde

不明白为啥答案里不需要加引号

10 填空（1分）

观察样本多个属性值两两之间的相关性，可采用pandas提供了散点图矩阵pd.plotting._________函数。

scatter_matrix