Python数据分析与展示 | 【第三周】数据分析之概要 课后作业

1单选(1分)
pandas库与numpy库，如下哪个说法是不正确的？
A.pandas库的每个维度都有索引与之关联
B.numpy库更关心数据间关系，pandas库更关心数据与索引间的关系
C.pandas库不能表示n维（n>2）数据
D.pandas库是基于numpy库开发实现的

答案：C

2单选(1分)
pandas库中的Series对象最不可能从如下哪个类型创建？
A.numpy的ndarray类型
B.Python的列表类型
C.Python的字典类型
D.Python的用户自定义对象类型

答案：D

3单选(1分)
如下代码：
import pandas as pd
a = pd.Series([9, 8, 7, 6], [‘a’, ‘b’, ‘c’, ‘d’])
其中，’a’是什么？
A.数据对应的索引
B.标签
C.第一维数据
D.第二维数据

答案：A

4单选(1分)
如下代码：
import pandas as pd
a = pd.Series([1, 2, 3] ,[‘c’, ‘d’, ‘e’])
b = pd.Series([9, 8, 7, 6], [‘a’, ‘b’, ‘c’, ‘d’])
由于a和b中数据个数不同，哪个关于a+b的说法是正确的？
A.不考虑索引，缺少的元素补NaN
B.根据索引运算，缺项补0
C.不考虑索引，直接按照左对齐方式运算
D.根据索引运算，缺项补NaN

答案：D

5单选(1分)
关于pandas库的Series对象，哪个说法是正确的？
A.Series本质上是二维数组
B.Series是一维带索引的数组，索引可由用户自定义
C.Series是一维数组，与ndarray一样
D.Series可以表示多维数据，可以构造多维索引

答案：B

6单选(1分)
关于pandas库的DataFrame对象，哪个说法是正确的？
A.DataFrame是二维带索引的数组，索引可自定义
B.DataFrame与二维ndarray类型在数据运算上方法一致
C.DataFrame只能表示二维数据
D.DataFrame由2个Series组成

答案：A

7单选(1分)
如下哪个方法可以重排Series和DataFrame类型的索引？
A..index()
B..reindex()
C..diff()
D..intersection()

答案：B

8单选(1分)
a是一个DataFrame对象，c是一个Series对象，请问，a > c 的结果是什么维度？

A.3行4列
B.4行4列
C.3行1列
D.4行1列

答案：A

9单选(1分)
a是一个Series对象，共4个元素，请问，a>0的结果是什么？
A.一个值，0或NaN
B.一个Series对象，每个值0或者原值
C.一个Series对象，每个值是True或False
D.一个布尔值，True或False

答案：C

10单选(1分)
如果Series或DataFrame对象中包含NaN，程序排序时该怎么处理？
A.NaN不参与排序，统一放在末尾
B.NaN对应元素位置不变
C.NaN当作最小值参与排序
D.NaN当作最大值参与排序

答案：A

11填空(2分)
如下代码：
import pandas as pd
a = pd.Series([9, 8, 7, 6], [‘a’, ‘b’, ‘c’, ‘d’])
其中，a.index的dtype是______。

答案：object

12填空(2分)
如下代码：
import pandas as pd
a = pd.Series([9, 8, 7, 6], [‘a’, ‘b’, ‘c’, ‘d’])
其中，a.values的dtype是______。

答案：int64

13填空(2分)
请完善如下代码，使得其生成一个3行5列的DataFrame对象。
import pandas as pd
import numpy as np
d = pd.DataFrame(np.arange(15).____(3, 5))

答案：reshape

14填空(2分)
请完善如下代码，生成一个带有’a’, ‘b’, ‘c’, ‘d’索引的DataFrame对象。
import pandas as pd
dict1 = {‘one’:[1, 2, 3, 4], ‘two’:[9, 8, 7, 6]}
d = pd.DataFrame(dict1 , _ = [‘a’, ‘b’, ‘c’, ‘d’])

答案：index

15填空(2分)
补充下列程序，计算a和b的相关系数。
import pandas as pd
a = pd.Series([1, 2, 3, 4, 5])
b = pd.Series([2, 3, 4, 5, 6])
a._(b)

答案：corr