2020 Python程序基础(广西民族师范学院) 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:2020-03-02到2020-06-30
本篇答案更新状态:已完结

MODULE 03： 第四周 强大的数据结构和Python扩展库 第四周 强大的数据结构和Python扩展库单元测验

1、 问题:以下不能作为字典的key的是哪一个选项？
选项：
A:1001
B:’name’
C:listA = [‘className’]
D:tupleA = (123)
答案: 【listA = [‘className’]】

2、 问题:以下对集合的操作结果错误的是哪一个选项？a = {1, 2, 3, 4}
b = {2, 3, 5, 6}
选项：
A:>>> a.difference(b) == a – b
True
B:>>> a.issubset(b)
True
C:>>> a.union(b) == a | b
True
D:>>> a.intersection(b) == a & b
True
答案: 【>>> a.issubset(b)
True】

3、 问题:以下对Python常用扩展库的描述错误的是哪一个选项？
选项：
A:NumPy 的ndarray是一种多维数组对象，可以由序列型对象生成。
B:dtype是一种特殊的对象，其含有将ndarray解释为特定数据类型所需的信息，int64表示有符号的64位整型。
C:pandas的Series可以看成是一个定长的有序字典。
D:pandas的DataFrame是一个表格型数据结构，含有一组无序的列，每列可以是不同值类型（数值、字符串、布尔值等等）。
答案: 【pandas的DataFrame是一个表格型数据结构，含有一组无序的列，每列可以是不同值类型（数值、字符串、布尔值等等）。】

4、 问题:以下程序的执行结果是哪一个选项？ >>> dict_mark = {‘Wang’: ‘C’, ‘Li’: ‘B’, ‘Ma’: ‘A’}
>>> s = ”
>>> for c in dict_mark.values():
        s += c
选项：
A:’B’
B:’ABC’
C:’CBA’
D:’C’
答案: 【‘CBA’】

5、 问题:以下程序的执行结果是哪一个选项？>>> dict_mark_1 = {‘Wang’: 98, ‘Li’: 87, ‘Ma’: 93}
>>> dict_mark_2 = {‘Li’: 90, ‘Ma’: 95, ‘Xu’: 75}
>>> dict_mark_1.update(dict_mark_2)
>>> dict_mark_1.pop(‘Li’)
选项：
A:90
B:87
C:75
D:程序出错
答案: 【90】

6、 问题:把一个JSON格式数据赋给变量color：color = {"色彩":[
                {"暖色":["红","橙","黄"]},
                   {"冷色":["青","蓝"]},
                   {"中性色":["紫","绿","黑","灰","白"]}
         ]}以下能够取到冷色“["青","蓝"]”的是哪一个选项？
选项：
A:color[‘色彩’][1][1]
B:color[‘色彩’][‘冷色’]
C:color[‘色彩’][1][‘冷色’]
D:color[‘色彩’][‘冷色’][1]
答案: 【color[‘色彩’][1][‘冷色’]】

7、 问题:判断如下陈述是否正确？Python中字典的key值是唯一的，但是value值不唯一，可以重复。
选项：
A:正确
B:错误
答案: 【正确】

8、 问题:判断如下陈述是否正确？Python中的集合set与数学概念上无序和无重复元素的集合所对应。
选项：
A:正确
B:错误
答案: 【正确】

9、 问题:请输出如下命令的运算结果：sorted(set(‘You need Python.’))[2]。（直接写出相应的字符即可，不用单引号或双引号等字符串标记）
答案: 【P】

10、 问题:请在下面空格处填写答案（两行结果中间用一个半角分号分隔）。>>> import numpy as np
>>> a = np.array([(1, 2, 3), (4, 5, 6), (7, 8, 9)])
>>> a.shape
(______)
>>> a[[2]].sum()

---

答案: 【(以下答案任选其一都对)3,3;24;
3, 3;24】

11、 问题:请在下面空格处填写答案（两个答案之间用一个半角分号分隔）。>>> from pandas import Series
>>> sa = Series([‘a’, ‘b’, ‘c’], index = [0, 1, 2])
>>> sb = Series([‘a’, ‘b’, ‘c’])
>>> sc = Series([‘a’, ‘c’, ‘b’])
>>> sa.equals(sc)

---

>>> sb.equals(sa)

---

答案: 【False;True】

12、 问题:请在下面空格处填写答案。>>> from pandas import Series
>>> sa = Series([‘a’, ‘b’, ‘c’], index = [0, 1, 2])
>>> sb = Series([‘a’, ‘b’, ‘c’])
>>> sc = Series([‘a’, ‘c’, ‘b’])
>>> sa3 + sc2
0    aaaaa
1    ______
2       cccbb
答案: 【bbbcc】

13、 问题:请在下面空格处填写答案（两个答案之间用一个分号分隔）。>>> from pandas import Series, DataFrame
>>> data = {‘language’: [‘Java’, ‘PHP’, ‘Python’, ‘R’, ‘C#’],
            ‘year’: [ 1995 ,  1995 , 1991   ,1993, 2000]}
>>> frame = DataFrame(data)
>>> frame[‘IDE’] = Series([‘Intellij’, ‘Notepad’, ‘IPython’, ‘R studio’, ‘VS’])
>>> ‘VS’ in frame[‘IDE’]

---

>>> frame[‘year’][2]

---

答案: 【False;1991】
分析：【frame[‘IDE’]的结果是一个Series（’VS’ in frame[‘IDE’].values结果为True），frame[‘IDE’][4]的结果才是’VS’。】

MODULE 04： Python数据统计与挖掘之第五周 Python便捷数据获取与预处理 第五周 Python基本数据统计单元测验

1、 问题:pandas模块中的read_csv()函数在日常使用较多，它除了可以读取csv格式的文件并将结果转换成一个DataFrame外，还可以读取其他的格式化文本文件。假设有一个文本文件的每一行均含有相同个数的数值，且数据间都用一个#分隔，形如：12#34#5.67#1234
12#346#5.67#77
…
12#3.4#67#67.89请问在read_csv()函数中需要添加如下哪一个选项中的参数设置？
选项：
A:names=’#’
B:sep=’#’
C:index_col=’#’
D:engine=’#’
答案: 【sep=’#’】

2、 问题:对于一个Series或DataFrame对象来说，如下选项中说法错误的是哪一个？
选项：
A:isnull()方法可以用来判断缺失值
B:drop()方法可以用来删除缺失行
C:fillna()方法可以用来填充缺失行
D:fillna()方法可通过method参数指定缺失值用其上或其下的第一个非缺失值填充
答案: 【drop()方法可以用来删除缺失行】

3、 问题:请选出以下关于数据规约的两种形式——属性规约和数值规约说法中错误的选项。
选项：
A:属性规约是对数据集属性的规约，目的是获得有代表性的较少的数据列的规约表示。
B:PCA是重要的属性规约方法。
C:箱型图常用来实现数值规约。
D:抽样是数值规约的常见手段，常见的包括如随机抽样，聚类抽样和分层抽样。
答案: 【箱型图常用来实现数值规约。】

4、 问题:规范化是数据变换中的重要方式，请选出如下属于常用的规范化方法的选项。
选项：
A:最小-最大
B:分箱法
C:z-score
D:小数定标
答案: 【最小-最大;
z-score;
小数定标】

5、 问题:如下图片的规范化结果可能属于经典的最小-最大化规范化，请问这种说法是否正确。
选项：
A:正确
B:错误
答案: 【错误】

6、 问题:完善如下程序，填出程序中缺失的代码，两个答案中用一个#连接。程序功能为：读取文件score.csv中的成绩数据，计算平均分并统计其中语文成绩大于等于80，英语成绩大于等于85的学生的每门课程的成绩（结果按平均分从大到小排序），将结果输出至文件result.csv中并绘制如图所示的满足条件的学生平均成绩的柱状图。【测试数据与运行结果】score.csv的内容：Name,Chinese,Maths,EnglishChen,88,87,85Fang,93,88,90Wang,82,99,96Peng,77,94,84Ding,80,94,76result.csv内容和柱状图：      Chinese  Maths  English  AvgName                              Wang       82     99       96   92Fang       93     88       90   90Chen       88     87       85   86【待完善的代码】import pandas as pd
 
df = pd.read_csv(‘score.csv’, index_col = ‘Name’)
df[‘Avg’] = (df.Maths+df.Chinese+df.English) // 3
data = df[(df.Chinese >= 80) & (【1】)]      # &表示条件与，即两个条件均要满足
data = data.sort_values(by = ‘Avg’, ascending = 0)
data.to_csv(‘result.csv’)
data_parts = data.iloc[:, -1]
data_parts.【2】(kind = ‘bar’)
答案: 【(以下答案任选其一都对)df.English >= 85#plot;
df.English>=85#plot】

7、 问题:如果想要快速观察一个DataFrame对象的如下所示形式的简要统计信息，请在横线上写出相应的方法名？>>> iris_df_length.____()
       sepal length (cm)  petal length (cm)
count         150.000000        150.000000
mean            5.843333          3.758000
std             0.828066          1.765298