Python數(shù)據(jù)分析基礎(chǔ)與應(yīng)用模塊電子活頁(yè)6-12在線練習(xí)與考核1．選擇題（1）下列選項(xiàng)中，（）方法可以一次性輸出多個(gè)統(tǒng)計(jì)指標(biāo)。A．describe()B．mean()C．median()D．sum()參考答案：A（2）下列關(guān)于groupby()方法的描述錯(cuò)誤的是（）。A．分組鍵可以是列表或數(shù)組，但其長(zhǎng)度不需要與待分組軸的長(zhǎng)度相同B．可以通過(guò)DataFrame對(duì)象中的列名進(jìn)行分組C．可以使用函數(shù)進(jìn)行分組D．可以使用Series或字典進(jìn)行分組參考答案：A（3）下列關(guān)于agg()方法的描述錯(cuò)誤的是（）。A．a(chǎn)gg()方法中func參數(shù)只能傳入一個(gè)函數(shù)B．a(chǎn)gg()方法中func參數(shù)可以傳入多個(gè)函數(shù)C．a(chǎn)gg()方法中func參數(shù)可以傳入自定義函數(shù)D．a(chǎn)gg()方法執(zhí)行聚合操作時(shí)，不能對(duì)產(chǎn)生的標(biāo)量值進(jìn)行廣播參考答案：D（4）下列方法中，用于求一組數(shù)據(jù)平均值的是（）。A．describe()B．mean()C．count()D．sum()參考答案：B（5）代碼df1.isnull().sum()的作用是（）。A．統(tǒng)計(jì)數(shù)據(jù)集df1各列的重復(fù)值的數(shù)量B．判斷數(shù)據(jù)是否為缺失值C．統(tǒng)計(jì)數(shù)據(jù)集df1各行缺失值的數(shù)量D．統(tǒng)計(jì)數(shù)據(jù)集df1缺失值的數(shù)量參考答案：D（6）用于按索引標(biāo)簽排序的函數(shù)是（）。A．sort_values()B．index()C．sort()D．sort_index()參考答案：D（7）函數(shù)sort_values()中的參數(shù)ascending=False表示（）。A．升序排列B．降序排列C．按默認(rèn)方式排序D．隨機(jī)排序參考答案：B（8）如果采用df1.rank(method='min',ascending=False)函數(shù)對(duì)一組數(shù)據(jù)100、80、90、85、90、90進(jìn)行排名，則90的排名為（）。A．3B．2C．4D．5參考答案：B（9）對(duì)于一組數(shù)據(jù)5、2、3、2、6、7，使用median()函數(shù)計(jì)算的結(jié)果為（）。A．2B．3C．4D．5參考答案：B（10）df.min()函數(shù)的功能是（）。A．找尋所有元素的最小值B．找尋每行元素的最小值C．找尋每列元素的最小值D．找尋所有元素的最大值參考答案：C2．填空題（1）計(jì)算df數(shù)據(jù)集中“visits”列的總和的代碼為。參考答案：df['visits'].sum()（2）計(jì)算df數(shù)據(jù)集中每個(gè)不同分組animal的“age”列平均值的代碼為。參考答案：df.groupby('animal')['age'].mean()（3）計(jì)算df數(shù)據(jù)集中每個(gè)分組animal數(shù)量的代碼為。參考答案：df['animal'].value_counts()（4）計(jì)算df數(shù)據(jù)集中“salary”列最大值與最小值之差，對(duì)應(yīng)的代碼為。參考答案：df[['salary']].apply(lambdax:x.max()-x.min())（5）計(jì)算df數(shù)據(jù)集中“salary”列的值大于10000的次數(shù)，對(duì)應(yīng)的代碼為。參考答案：len(df[df['salary']>10000])（6）查看df數(shù)據(jù)集中每種教育層次education出現(xiàn)的次數(shù)，對(duì)應(yīng)的代碼為。參考答案：cation.value_counts()（7）查看df數(shù)據(jù)集中“education”列共有幾種學(xué)歷，對(duì)應(yīng)的代碼為。參考答案：df['education'].nunique()（8）提取df數(shù)據(jù)集中“salary”列與“new”列的和大于60000的最后3行，對(duì)應(yīng)的代碼為。參考答案：df1=df[['salary','new']]rowsums=df1.apply(np.sum,axis=1)res=df.iloc[np.where(rowsums>60000)[0][-3:],:]（9）以下代碼用于定義一個(gè)全數(shù)值的DataFrame對(duì)象。df=pd.DataFrame(np.random.random(size=(5,3)))返回最大的3個(gè)值的索引的代碼為。參考答案：df.unstack().sort_values()[-3:].index.tolist()（10）以下代碼用于定義一個(gè)DataFrame對(duì)象。df=pd.DataFrame({'grps':list('aaabbcaabcccbbc'),'vals':[-12,345,3,1,45,14,4,-52,54,23,-235,21,57,3,87]})以下自定義函數(shù)的功能是將負(fù)值使用同組的平均值替換。defreplace(group):mask=group<0group[mask]=group[~mask].mean()returngroup將df數(shù)據(jù)集中的負(fù)值使用同組的平均值代替的代碼為。df['vals']=df.groupby(['grps'])['vals'].transform(replace)（11）將下面的字典創(chuàng)建為DataFrame對(duì)象的代碼為。data={"grammer":["Python","C","Java","GO",np.nan,"JavaScript","PHP","Python"],"score":[1,2,np.nan,4,5,6,7,10]}參考答案：df=pd.DataFrame(data)（12）使用簡(jiǎn)潔的代碼提取df數(shù)據(jù)集的“grammer”列中含有字符串"Python"的行的代碼為。參考答案：#方法一df[df['grammer']=='Python']#方法二results=df['grammer'].str.contains("Python")results.fillna(value=False,inplace=True)df[results]（13）輸出df數(shù)據(jù)集中所有列名的代碼為。參考答案：print(df.columns)（14）將df數(shù)據(jù)集中第二列的列名“score”修改為“popularity”的代碼為。參考答案：df.rename(columns={'score':'popularity'},inplace=True)（15）統(tǒng)計(jì)df數(shù)據(jù)集的“grammer”列中每種編程語(yǔ)言出現(xiàn)的次數(shù)的代碼為。參考答案：df['grammer'].value_counts()（16）提取df數(shù)據(jù)集的“popularity”列中值大于3的行，對(duì)應(yīng)的代碼為。參考答案：df[df['popularity']>3]（17）計(jì)算df數(shù)據(jù)集中“popularity”列平均值，對(duì)應(yīng)的代碼為。參考答案：df['popularity'].mean()（18）提取df數(shù)據(jù)集中“popularity”列的值大于3、小于7的行，對(duì)應(yīng)的代碼為。參考答案：df[(df['popularity']>3)&(df['popularity']<7)]（19）提取df數(shù)據(jù)集中“popularity”列最大值所在行，對(duì)應(yīng)的代碼為。參考答案：df[df['popularity']==df['popularity'].max()]（20）對(duì)df數(shù)據(jù)集按照“popularity”列值的大小進(jìn)行排序，對(duì)應(yīng)的代碼為。參考答案：df.sort_values("popularity",inplace=True)（21）統(tǒng)計(jì)df數(shù)據(jù)集中“grammer”列每個(gè)字符串的長(zhǎng)度，對(duì)應(yīng)的代碼為。參考答案：df['grammer']=df['grammer'].fillna('R')df['len_str']=df['grammer'].map(lambdax:len(x))（22）將df數(shù)據(jù)集根據(jù)education進(jìn)行分組并計(jì)算平均薪資，對(duì)應(yīng)的代碼為。參考答案：print(df.groupby('education').mean())（23）按照df數(shù)據(jù)集中“salary”列對(duì)數(shù)據(jù)進(jìn)行降序排列，對(duì)應(yīng)的代碼為。參考答案：df.sort_values('salary',ascending=False)（24）計(jì)算df數(shù)據(jù)集中“salary”列的中位數(shù)，對(duì)應(yīng)的代碼為。參考答案：np.median(df['salary'])（25）有如下代碼和數(shù)據(jù)：importpandasaspdimportnumpyasnp#數(shù)據(jù)df=pd.DataFrame({'From_To':['GuangZhou_shanghai','ChengDu_BeiJing','Dalian_ChongQing','Xiamen_hangzhou','shenzhen_tianjin'],'RecentDelays':[[23,47],[],[24,43,87],[13],[67,32]],'Airline':['南方航空','四川航空','東方航空','夏門(mén)航空','天津航空']})①將“From_To”列根據(jù)下劃線進(jìn)行分割，生成一個(gè)臨時(shí)的DataFrame對(duì)象（名為temp），將正確的列名“From”和“To”分配給temp，對(duì)應(yīng)的代碼為。參考答案：temp=df['From_To'].str.split('_',expand=True)temp.columns=['From','To']②temp中城市名大小寫(xiě)混亂，現(xiàn)在需要將其統(tǒng)一改成首字母大寫(xiě)