2025年大數(shù)據(jù)分析師職業(yè)技能測(cè)試卷：Python數(shù)據(jù)分析與數(shù)據(jù)可視化實(shí)戰(zhàn)試題考試時(shí)間：______分鐘總分：______分姓名：______一、Python基礎(chǔ)與數(shù)據(jù)類型要求：考察學(xué)生對(duì)Python基礎(chǔ)語(yǔ)法和數(shù)據(jù)類型的掌握程度，包括變量賦值、數(shù)據(jù)類型轉(zhuǎn)換、運(yùn)算符等。1.編寫(xiě)Python代碼，實(shí)現(xiàn)以下功能：a.將字符串"helloworld"轉(zhuǎn)換為列表，每個(gè)元素為單詞；b.將列表[1,2,3,4,5]中的偶數(shù)元素提取出來(lái)；c.將字符串"Pythonisgreat!"中的"is"替換為"and"；d.判斷變量x=10是否為奇數(shù)；e.定義一個(gè)函數(shù)，接受兩個(gè)整數(shù)參數(shù)，返回它們的和；f.將列表[1,2,3,4,5,6]逆序輸出；g.定義一個(gè)列表，包含10個(gè)隨機(jī)整數(shù)（范圍：1-100）；h.定義一個(gè)字典，包含3個(gè)鍵值對(duì)，鍵為字符串，值為整數(shù)；i.將字典中的鍵和值互換；j.編寫(xiě)一個(gè)函數(shù)，判斷一個(gè)整數(shù)是否為素?cái)?shù)。2.判斷以下代碼的運(yùn)行結(jié)果，并解釋原因：a.x=10;print(x+1)b.x="hello";y="world";print(x+y)c.x=[1,2,3];x[2]=4;print(x)d.x={"a":1,"b":2};x["c"]=3;print(x)e.x=(1,2,3);x[0]=4;print(x)二、Pandas庫(kù)的使用要求：考察學(xué)生對(duì)Pandas庫(kù)的基本操作，包括數(shù)據(jù)導(dǎo)入、數(shù)據(jù)清洗、數(shù)據(jù)操作等。1.使用Pandas庫(kù)讀取以下數(shù)據(jù)，并按要求操作：a.從CSV文件"data.csv"中讀取數(shù)據(jù)，將數(shù)據(jù)框命名為"df"；b.顯示數(shù)據(jù)框"df"的前5行；c.刪除數(shù)據(jù)框"df"中的重復(fù)行；d.計(jì)算數(shù)據(jù)框"df"中"age"列的平均值；e.將數(shù)據(jù)框"df"中"name"列的空值填充為"Unknown"；f.將數(shù)據(jù)框"df"中"height"列的值轉(zhuǎn)換為浮點(diǎn)數(shù)類型；g.從數(shù)據(jù)框"df"中篩選出年齡大于30的記錄；h.將數(shù)據(jù)框"df"中"name"列的值按照字母順序排序；i.將數(shù)據(jù)框"df"中的"age"列和"height"列合并為一個(gè)新的列"BMI"，計(jì)算公式為：BMI=(height/(age*age))*703；j.將數(shù)據(jù)框"df"中"BMI"列的值按照從小到大的順序排序。2.編寫(xiě)代碼，實(shí)現(xiàn)以下功能：a.將以下列表轉(zhuǎn)換為PandasSeries對(duì)象：[1,2,3,4,5]；b.將以下字典轉(zhuǎn)換為PandasDataFrame對(duì)象：{"name":["Alice","Bob","Charlie"],"age":[25,30,35]}；c.將以下列表轉(zhuǎn)換為PandasDataFrame對(duì)象，包含兩列：[1,2,3,4,5,6,7,8,9,10]，列名分別為"id"和"value"；d.將以下數(shù)據(jù)框中的"age"列和"height"列合并為一個(gè)新的列"BMI"，計(jì)算公式為：BMI=(height/(age*age))*703；e.從以下數(shù)據(jù)框中篩選出年齡大于30的記錄，并顯示結(jié)果：{"name":["Alice","Bob","Charlie"],"age":[25,30,35],"height":[160,175,180]}；f.將以下數(shù)據(jù)框中的"name"列的值按照字母順序排序：{"name":["Alice","Bob","Charlie"],"age":[25,30,35]}；g.將以下數(shù)據(jù)框中的"age"列和"height"列合并為一個(gè)新的列"BMI"，計(jì)算公式為：BMI=(height/(age*age))*703；h.從以下數(shù)據(jù)框中篩選出年齡大于30的記錄，并顯示結(jié)果：{"name":["Alice","Bob","Charlie"],"age":[25,30,35],"height":[160,175,180]}；i.將以下數(shù)據(jù)框中的"name"列的值按照字母順序排序：{"name":["Alice","Bob","Charlie"],"age":[25,30,35]}；j.將以下數(shù)據(jù)框中的"age"列和"height"列合并為一個(gè)新的列"BMI"，計(jì)算公式為：BMI=(height/(age*age))*703。四、NumPy庫(kù)的使用要求：考察學(xué)生對(duì)NumPy庫(kù)的基本操作，包括數(shù)組創(chuàng)建、數(shù)組操作、數(shù)組索引等。1.使用NumPy庫(kù)創(chuàng)建以下數(shù)組，并按要求操作：a.創(chuàng)建一個(gè)形狀為(3,3)的整數(shù)數(shù)組，元素從1到9；b.創(chuàng)建一個(gè)包含隨機(jī)整數(shù)的形狀為(2,4)的數(shù)組，元素范圍在0到100之間；c.計(jì)算數(shù)組a的所有元素之和；d.找出數(shù)組b中最大的元素；e.將數(shù)組a中的所有元素乘以2；f.將數(shù)組a和數(shù)組b進(jìn)行外積運(yùn)算；g.創(chuàng)建一個(gè)二維數(shù)組，其中包含以下序列：[0,1,2,3,4,5,6,7,8,9]；h.創(chuàng)建一個(gè)一維數(shù)組，其中包含數(shù)組c的列向量；i.創(chuàng)建一個(gè)二維數(shù)組，其中包含數(shù)組c的行向量；j.創(chuàng)建一個(gè)形狀為(2,2)的數(shù)組，元素為對(duì)角線上的1，其余元素為0。2.編寫(xiě)代碼，實(shí)現(xiàn)以下功能：a.將以下列表轉(zhuǎn)換為NumPy數(shù)組：[1,2,3,4,5]；b.將以下列表轉(zhuǎn)換為NumPy數(shù)組，并指定數(shù)據(jù)類型為浮點(diǎn)數(shù)：[1.0,2.0,3.0,4.0,5.0]；c.創(chuàng)建一個(gè)包含復(fù)數(shù)的NumPy數(shù)組，其中每個(gè)元素都是實(shí)部為1，虛部為索引的數(shù)組；d.計(jì)算數(shù)組d中所有元素的平方；e.將數(shù)組e的第一列復(fù)制到新數(shù)組f中；g.找出數(shù)組g中所有元素大于5的索引位置；h.創(chuàng)建一個(gè)形狀為(3,3)的數(shù)組，其中對(duì)角線元素為1，其余元素為0；i.將數(shù)組h的元素按行進(jìn)行累加；j.創(chuàng)建一個(gè)包含隨機(jī)浮點(diǎn)數(shù)的形狀為(5,5)的數(shù)組，元素范圍在0到1之間。五、Matplotlib庫(kù)的使用要求：考察學(xué)生對(duì)Matplotlib庫(kù)的基本操作，包括數(shù)據(jù)可視化、圖表繪制等。1.使用Matplotlib庫(kù)繪制以下圖表：a.繪制一個(gè)包含5個(gè)點(diǎn)的散點(diǎn)圖，點(diǎn)的坐標(biāo)分別為(1,2),(2,3),(3,5),(4,4),(5,6)；b.繪制一個(gè)折線圖，展示數(shù)據(jù)點(diǎn)(0,1),(1,4),(2,9),(3,16),(4,25)的變化趨勢(shì)；c.繪制一個(gè)柱狀圖，展示類別A,B,C,D的數(shù)據(jù)量分別為10,20,30,40；d.繪制一個(gè)餅圖，展示不同類別在總數(shù)據(jù)量中的占比，分別為25%,35%,30%,10%；e.繪制一個(gè)直方圖，展示數(shù)據(jù)點(diǎn)(1,2,3,4,5,6,7,8,9,10)的分布情況；f.繪制一個(gè)散點(diǎn)圖，同時(shí)展示兩個(gè)數(shù)據(jù)集，點(diǎn)的顏色根據(jù)數(shù)據(jù)值的大小進(jìn)行區(qū)分；g.繪制一個(gè)折線圖，展示多個(gè)數(shù)據(jù)集的變化趨勢(shì)，使用不同的線條樣式和顏色；h.繪制一個(gè)柱狀圖，展示不同數(shù)據(jù)集的對(duì)比，使用不同的條形顏色；i.繪制一個(gè)餅圖，展示多個(gè)數(shù)據(jù)集在總數(shù)據(jù)量中的占比，使用不同的扇區(qū)顏色；j.繪制一個(gè)直方圖，展示多個(gè)數(shù)據(jù)集的分布情況，使用不同的條形顏色。2.編寫(xiě)代碼，實(shí)現(xiàn)以下功能：a.繪制一個(gè)包含5個(gè)點(diǎn)的散點(diǎn)圖，點(diǎn)的坐標(biāo)分別為(1,2),(2,3),(3,5),(4,4),(5,6)，并設(shè)置標(biāo)題為"ScatterPlot"；b.繪制一個(gè)折線圖，展示數(shù)據(jù)點(diǎn)(0,1),(1,4),(2,9),(3,16),(4,25)的變化趨勢(shì)，并設(shè)置標(biāo)題為"LinePlot"；c.繪制一個(gè)柱狀圖，展示類別A,B,C,D的數(shù)據(jù)量分別為10,20,30,40，并設(shè)置標(biāo)題為"BarChart"；d.繪制一個(gè)餅圖，展示不同類別在總數(shù)據(jù)量中的占比，分別為25%,35%,30%,10%，并設(shè)置標(biāo)題為"PieChart"；e.繪制一個(gè)直方圖，展示數(shù)據(jù)點(diǎn)(1,2,3,4,5,6,7,8,9,10)的分布情況，并設(shè)置標(biāo)題為"Histogram"；f.繪制一個(gè)散點(diǎn)圖，同時(shí)展示兩個(gè)數(shù)據(jù)集，點(diǎn)的顏色根據(jù)數(shù)據(jù)值的大小進(jìn)行區(qū)分，并設(shè)置標(biāo)題為"DualDatasetScatterPlot"；g.繪制一個(gè)折線圖，展示多個(gè)數(shù)據(jù)集的變化趨勢(shì)，使用不同的線條樣式和顏色，并設(shè)置標(biāo)題為"Multi-LinePlot"；h.繪制一個(gè)柱狀圖，展示不同數(shù)據(jù)集的對(duì)比，使用不同的條形顏色，并設(shè)置標(biāo)題為"Multi-BarChart"；i.繪制一個(gè)餅圖，展示多個(gè)數(shù)據(jù)集在總數(shù)據(jù)量中的占比，使用不同的扇區(qū)顏色，并設(shè)置標(biāo)題為"Multi-PieChart"；j.繪制一個(gè)直方圖，展示多個(gè)數(shù)據(jù)集的分布情況，使用不同的條形顏色，并設(shè)置標(biāo)題為"Multi-Histogram"。本次試卷答案如下：一、Python基礎(chǔ)與數(shù)據(jù)類型1.a.list("helloworld")b.[2,4,6]c."helloworldand!"d.Falsee.defadd(a,b):returna+bf.[5,6,7,8,9]g.[10,9,8,7,6,5,4,3,2,1]h.{'a':1,'b':2,'c':3}i.{'c':1,'b':2,'a':3}j.defis_prime(n):ifn<=1:returnFalseforiinrange(2,int(n**0.5)+1):ifn%i==0:returnFalsereturnTrue解析思路：a.將字符串轉(zhuǎn)換為列表，每個(gè)字符為列表的一個(gè)元素；b.使用列表推導(dǎo)式提取偶數(shù)元素；c.使用字符串的replace方法替換子串；d.使用取模運(yùn)算符判斷奇偶性；e.定義一個(gè)接受兩個(gè)參數(shù)的函數(shù)并返回它們的和；f.使用切片操作逆序輸出列表；g.使用random模塊生成隨機(jī)整數(shù)列表；h.使用dict構(gòu)造函數(shù)創(chuàng)建字典；i.使用字典推導(dǎo)式交換鍵值對(duì)；j.定義一個(gè)判斷素?cái)?shù)的函數(shù)。2.a.11b."helloworld"c.[1,2,3,4,5,4]d.{'a':1,'b':2,'c':3}e.(1,2,3,4,5,6,7,8,9,10)解析思路：a.變量x加1；b.字符串拼接；c.列表索引賦值；d.字典索引賦值；e.列表索引賦值。二、Pandas庫(kù)的使用1.a.pd.read_csv("data.csv",index_col=0)b.df.head()c.df.drop_duplicates()d.df["age"].mean()e.df["name"].fillna("Unknown")f.df["height"].astype(float)g.df[df["age"]>30]h.df.sort_values("name")i.df.assign(BMI=lambdax:(x["height"]/(x["age"]*x["age"]))*703).sort_values("BMI")j.df.sort_values("BMI")解析思路：a.讀取CSV文件；b.顯示數(shù)據(jù)框的前5行；c.刪除重復(fù)行；d.計(jì)算年齡列的平均值；e.填充空值為"Unknown"；f.轉(zhuǎn)換數(shù)據(jù)類型；g.篩選年齡大于30的記錄；h.按名字排序；i.計(jì)算BMI并排序；j.按BMI排序。2.a.pd.Series([1,2,3,4,5])b.pd.Series([1.0,2.0,3.0,4.0,5.0],dtype=float)c.pd.Series([1,2,3,4,5,6,7,8,9,10])d.df.assign(BMI=lambdax:(x["height"]/(x["age"]*x["age"]))*703).sort_values("BMI")e.df[df["age"]>30]f.df.sort_values("name")g.df.assign(BMI=lambdax:(x["height"]/(x["age"]*x["age"]))*703).sort_values("BMI")h.df[df["age"]>30]i.df.sort_values("name")j.df.assign(BMI=lambdax:(x["height"]/(x["age"]*x["age"]))*703).sort_values("BMI")解析思路：a.將列表轉(zhuǎn)換為Series對(duì)象；b.將列表轉(zhuǎn)換為Series對(duì)象并指定數(shù)據(jù)類型；c.將列表轉(zhuǎn)換為DataFrame對(duì)象；d.計(jì)算BMI并排序；e.篩選年齡大于30的記錄；f.按名字排序；g.計(jì)算BMI并排序；h.篩選年齡大于30的記錄；i.按名字排序；j.計(jì)算BMI并排序。三、NumPy庫(kù)的使用1.a.np.arange(1,10).reshape(3,3)b.np.random.randint(0,100,size=(2,4))c.np.sum(a)d.np.max(b)e.a*2f.np.outer(a,b)g.np.arange(0,10)h.np.arange(0,10).reshape(1,10)i.np.arange(0,10).reshape(10,1)j.np.zeros((2,2))解析思路：a.創(chuàng)建一個(gè)從1到9的3x3整數(shù)數(shù)組；b.創(chuàng)建一個(gè)2x4的隨機(jī)整數(shù)數(shù)組；c.計(jì)算數(shù)組a的所有元素之和；d.找出數(shù)組b中最大的元素；e.將數(shù)組a的所有元素乘以2；f.計(jì)算數(shù)組a和數(shù)組b的外積；g.創(chuàng)建一個(gè)從0到9的序列數(shù)組；h.將序列數(shù)組轉(zhuǎn)換為列向量；i.將序列數(shù)組轉(zhuǎn)換為行向量；j.創(chuàng)建一個(gè)2x2的全零數(shù)組。2.a.np.array([1,2,3,4,5])b.np.array([1.0,2.0,3.0,4.0,5.0],dtype=float)c.np.array([1,2,3,4,5,6,7,8,9,10])d.np.array([1,4,9,16,25])e.np.array([[1,2],[3,4]])f.np.array([[1,2],[3,4],[5,6],[7,8],[9,10]])g.np.where(g>5)[0]h.np.eye(3)i.np.cumsum(h)j.np.random.rand(5,5)解析思路：a.將列表轉(zhuǎn)換為NumPy數(shù)組；b.將列表轉(zhuǎn)換為NumPy數(shù)組并指定數(shù)據(jù)類型；c.將列表轉(zhuǎn)換為NumPy數(shù)組；d.計(jì)算數(shù)組d中所有元素的平方；e.創(chuàng)建一個(gè)包含復(fù)數(shù)的NumPy數(shù)組；f.計(jì)算數(shù)組d中所有元素的平方；g.復(fù)制數(shù)組e的第一列；h.找出數(shù)組g中所有元素大于5的索引位置；i.創(chuàng)建一個(gè)3x3的對(duì)角線元素為1的數(shù)組；j.計(jì)算數(shù)組h的元素按行進(jìn)行累加；k.創(chuàng)建一個(gè)包含隨機(jī)浮點(diǎn)數(shù)的5x5數(shù)組。四、Matplotlib庫(kù)的使用1.a.importmatplotlib.pyplotaspltplt.scatter([1,2,3,4,5],[2,3,5,4,6])plt.xlabel("XAxis")plt.ylabel("YAxis")plt.title("ScatterPlot")plt.show()b.importmatplotlib.pyplotaspltplt.plot([0,1,2,3,4],[1,4,9,16,25])plt.xlabel("XAxis")plt.ylabel("YAxis")plt.title("LinePlot")plt.show()c.importmatplotlib.pyplotaspltplt.bar(["A","B","C","D"],[10,20,30,40])plt.xlabel("Categories")plt.ylabel("Values")plt.title("BarChart")plt.show()d.importmatplotlib.pyplotaspltplt.pie([25,35,30,10],labels=["CategoryA","CategoryB","CategoryC","CategoryD"])plt.title("PieChart")plt.show()e.importmatplotlib.pyplotaspltplt.hist([1,2,3,4,5,6,7,8,9,10],bins=5)plt.xlabel("Values")plt.ylabel("Frequency")plt.title("Histogram")plt.show()f.importmatplotlib.pyplotaspltplt.scatter([1,2,3,4,5],[2,3,5,4,6],c=[1,2,3,4,5],cmap="viridis")plt.xlabel("XAxis")plt.ylabel("YAxis")plt.title("DualDatasetScatterPlot")plt.show()g.importmatplotlib.pyplotaspltplt.plot([0,1,2,3,4],[1,4,9,16,25],label="Dataset1",color="red")plt.plot([0,1,2,3,4],[2,6,12,20,30],label="Dataset2",color="blue")plt.xlabel("XAxis")plt.ylabel("YAxis")plt.title("Multi-LinePlot")plt.legend()plt.show()h.importmatplotlib.pyplotaspltplt.bar(["A","B","C","D"],[10,20,30,40],color=["red","green","blue","yellow"])plt.xlabel("Categories")plt.ylabel("Values")plt.title("Multi-BarChart")plt.show()i.importmatplotlib.pyplotaspltplt.pie([25,35,30,10],labels=["CategoryA","CategoryB","CategoryC","CategoryD"],colors=["red","green","blue","yellow"])plt.title("Multi-PieChart")plt.show()j.importmatplotlib.pyplotaspltplt.hist([1,2,3,4,5,6,7,8,9,10],bins=5,color=["red","green","blue","yellow","purple"])plt.xlabel("Values")plt.ylabel("Frequency")plt.title("Multi-Histogram")plt.show()解析思路：a.使用散點(diǎn)圖展示點(diǎn)的坐標(biāo)，設(shè)置坐標(biāo)軸標(biāo)簽和標(biāo)題；b.使用折線圖展示點(diǎn)的坐標(biāo)，設(shè)置坐標(biāo)軸標(biāo)簽和標(biāo)題；c.使用柱狀圖展示類別和對(duì)應(yīng)的值，設(shè)置坐標(biāo)軸標(biāo)簽和標(biāo)題；d.使用餅圖展示類別占比，設(shè)置標(biāo)題；e.使用直方圖展示數(shù)據(jù)分布，設(shè)置坐標(biāo)軸標(biāo)簽和標(biāo)題；f.使用散點(diǎn)圖展示兩個(gè)數(shù)據(jù)集，使用不同顏色和cmap設(shè)置區(qū)分；g.使用多個(gè)折線圖展示多個(gè)數(shù)據(jù)集，使用不同顏色和label設(shè)置區(qū)分；h.使用多個(gè)柱狀圖展示多個(gè)數(shù)據(jù)集，使用不同顏色設(shè)置區(qū)分；i.使用多個(gè)餅圖展示多個(gè)數(shù)據(jù)集占比，使用不同顏色設(shè)置區(qū)分；j.使用多個(gè)直方圖展示多個(gè)數(shù)據(jù)集分布，使用不同顏色設(shè)置區(qū)分。五、NumPy庫(kù)的使用1.a.np.arange(1,10).reshape(3,3)b.np.random.randint(0,100,size=(2,4))c.np.sum(a)d.np.max(b)e.a*2f.np.outer(a,b)g.np.arange(0,10)h.np.arange(0,10).reshape(1,10)i.np.arange(0,10).reshape(10,1)j.np.zeros((2,2))解析思路：a.創(chuàng)建一個(gè)從1到9的3x3整數(shù)數(shù)組；b.創(chuàng)建一個(gè)2x4的隨機(jī)整數(shù)數(shù)組；c.計(jì)算數(shù)組a的所有元素之和；d.找出數(shù)組b中最大的元素；e.將數(shù)組a的所有元素乘以2；f.計(jì)算數(shù)組a和數(shù)組b的外積；g.創(chuàng)建一個(gè)從0到9的序列數(shù)組；h.將序列數(shù)組轉(zhuǎn)換為列向量；i.將序列數(shù)組轉(zhuǎn)換為行向量；j.創(chuàng)建一個(gè)2x2的全零數(shù)組。2.a.np.array([1,2,3,4,5])b.np.array([1.0,2.0,3.0,4.0,5.0],dtype=float)c.np.array([1,2,3,4,5,6,7,8,9,10])d.np.array([1,4,9,16,25])e.np.array([[1,2],[3,4]])f.np.array([[1,2],[3,4],[5,6],[7,8],[9,10]])g.np.where(g>5)[0]h.np.eye(3)i.np.cumsum(h)j.np.random.rand(5,5)解析思路：a.將列表轉(zhuǎn)換為NumPy數(shù)組；b.將列表轉(zhuǎn)換為NumPy數(shù)組并指定數(shù)據(jù)類型；c.將列表轉(zhuǎn)換為NumPy數(shù)組；d.計(jì)算數(shù)組d中所有元素的平方；e.創(chuàng)建一個(gè)包含復(fù)數(shù)的NumPy數(shù)組；f.計(jì)算數(shù)組d中所有元素的平方；g.復(fù)制數(shù)組e的第一列；h.找出數(shù)組g中所有元素大于5的索引位置；i.創(chuàng)建一個(gè)3x3的對(duì)角線元素為1的數(shù)組；j.計(jì)算數(shù)組h的元素按行進(jìn)行累加；k.創(chuàng)建一個(gè)包含隨機(jī)浮點(diǎn)數(shù)的5x5數(shù)組。六、Matplotlib庫(kù)的使用1.a.importmatplotlib.pyplotaspltplt.scatter([1,2,3,4,5],[2,3,5,4,6])plt.xlabel("XAxis")plt.ylabel("YAxis")plt.title("ScatterPlot")plt.show()b.importmatplotlib.pyplotaspltplt.plot([0,1,2,3,4],[1,4,9,16,25])plt.xlabel("XAxis")plt.ylabel("YAxis")plt.title("LinePlot")plt.show()c.importmatplotlib.pyplotaspltplt.bar(["A","B","C","D"],[10,20,30,40])plt.xlabel("Categories")plt.ylabel("Values")plt.title("BarChart")plt.show()d.importmatplotlib.pyplotaspltplt.pie([25,35,30,10],labels=["CategoryA","CategoryB","CategoryC","CategoryD"])plt.title("PieChart")plt.show()e.importmatplotlib.pyplotaspltplt.hist([1,2,3,4,5,6,7,8,9,10],bins=5)plt.xlabel("Values")plt.ylabel("Frequency")plt.title("Histogram")plt.show()f.importmatplotlib.pyplotaspltplt.scatter([1,2,3,4,5],[2,3,5,4,6],c=[1,2,3,4,5],cmap="viridis")plt.xlabel("XAxis")plt.ylabel("YAxis")plt.title("DualDatasetScatterPlot")plt.show()g.importmatplot