2022 数据科学技术与应用(东华大学)1468312441 最新满分章节测试答案

本答案对应课程为:点我自动跳转查看
本课程起止时间为:2022-08-29到2023-01-20

多维数据结构与运算 第一次单元测验

1、 问题:下面__不是大数据的特征。
选项：
A:规模性
B:高速性
C:多样性
D:低价值性
答案: 【低价值性】

2、 问题:下面关于数据科学与大数据之间的关系描述，错误的是__。
选项：
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
答案: 【大数据分析采用的技术完全不同于数据科学技术】

3、 问题:names=np.array([’马化腾’,’李彦宏’,’雷军’,’扎克伯格’])，names[2]的值是__。
选项：
A:马化腾
B:李彦宏
C:雷军
D:扎克伯格
答案: 【雷军】

4、 问题: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]])
选项：
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]] ) 
答案: 【array( [ [80,92], [88,90]] )】

5、 问题: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='<U3′)subjects：array([‘Math’, ‘English’, ‘Python’, ‘Chinese’, ‘Art’, ‘Database’, ‘Physics’],  dtype='<U8′)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]])
选项：
A:scores[subjects==’Python’].max() 
B:scores[:,subjects==’Python’].max()
C:scores(subjects==’Python’).max()
D:scores[subjects==’Python’, : ].max() 
答案: 【scores[:,subjects==’Python’].max()】

6、 问题:将一维数组转化为多维数组的numpy函数是__。
选项：
A:arange() 
B:reshape() 
C:zeros()
D:ones()
答案: 【reshape() 】

7、 问题: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__。
选项：
A:2
B:3
C:4
D:5
答案: 【2】

8、 问题: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。
选项：
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)
答案: 【np.random.normal(10, 1, 40)】

9、 问题: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__。
选项：
A:scores + 10
B:np.add(scores, 10)
C:scores[10].add(10)
D:scores + [10,10,10,10,10,10,10]
答案: 【scores + 10;
np.add(scores, 10);
scores + [10,10,10,10,10,10,10]】

10、 问题: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。
选项：
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
答案: 【3个一位数组，分别存放门店名称、商品名称、时间;
1个三维数组，存放每个门店的每个商品在每天的销量】

数据汇总与统计（一） 第二次单元测验

1、 问题:DataFrame对象的列索引通常表示__。
选项：
A:列的位置信息
B:每列数据的总数
C:列的数据类型
D:每列数据对应的现实概念
答案: 【每列数据对应的现实概念】

2、 问题: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）
选项：
A:df.find(1,2)
B:df.iloc[1,2]
C:df.loc[1,2]
D:df.rloc[1,2]
答案: 【df.iloc[1,2]】

3、 问题:CSV文件是_，可以使用_查看。
选项：
A:图像文件，画图工具查看
B:word文件，word查看
C:纯文本文件，文本编辑器
D:ppt文件，powerpoint查看
答案: 【纯文本文件，文本编辑器】

4、 问题:关于DataFrame和Series对象，下列叙述正确的是_。
选项：
A:DataFrame对象只能用于处理两维数据
B:DataFrame对象不能转化为Series对象
C:Series对象主要用于处理一维数据
D:Series对象可以用来处理多维数据
答案: 【Series对象主要用于处理一维数据】

5、 问题: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})
选项：
A:height[0]
B:height[height.values > 190]
C:Height[‘7’]
D:height[1]
答案: 【height[1]】

6、 问题: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 weight1  19  170   682  20  165   653  18  175   65>>>students.loc[students[‘weight’]>67, ‘height’]
选项：
A:身高、体重
B:体重、身高
C:年龄、身高
D:体重、年龄
答案: 【体重、身高】

7、 问题:关于数据文件读写，_是错误的描述。
选项：
A:pandas读取的数据文件中可以包含中文字符组成的数据
B: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
C:csv数据文件用换行符来区分数据行
D:读取excel文件时，可以为 sheetname 参数赋值，以读取指定表单的数据
答案: 【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】

8、 问题: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 weight1  19  170   682  20  165   653  18  175   65
选项：
A:students[1,’height’]
B:students.loc[2,’height’]
C:students.iloc[1, 1]
D:students[‘height’][3]
答案: 【students.loc[2,’height’];
students.iloc[1, 1]】

9、 问题:关于DataFrame数据对象的添加和删除操作，_是正确的描述。
选项：
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
答案: 【DataFrame对象不能直接添加新的行数据;
可以设置axis的值删除DataFrame指定行或列的数据】

10、 问题:在数据统计中，均值和中位数是相同的概念。
选项：
A:正确
B:错误
答案: 【错误】

数据汇总与统计（二） 第三次单元测验

1、 问题: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__。
选项：
A:pd.concat( [stu1,sut2,sut3] )
B:stu1.concat([sut2,sut3]) 
C:pd.concat(stu1,sut2,sut3) 
D:[stu1,stu2,stu3].concat(axis =0)
答案: 【pd.concat( [stu1,sut2,sut3] )】

2、 问题:统计量“方差”描述__。
选项：
A:样本（一组数据）的平均值
B:样本个体距离均值的离散程度
C:样本中不同的值占样本容量的比例
D:样本中出现次数最多的值
答案: 【样本个体距离均值的离散程度】

3、 问题:统计DataFrame对象stu中各‘省份’同学人数的方法是__。

请输入手机号或商家订单号

打不开请联系客服QQ 2356025045 商家订单号在哪里？点此了解

---

商家订单号查看步骤

打开支付宝

方法一：我的 > 账单 > 账单详情 > 更多>复制商家订单号

方法二：我的 > 账单 >搜索关键字【网课小帮手】
> 账单详情 > 更多>复制商家订单号

方法三：联系客服QQ 2356025045

微信支付

我 > 支付 > 钱包 > 账单 > 账单详情

手机号用于查询订单，请认真核对

支付宝