Python数据分析案例教程课后练习题答案1-10章全章节测试题库.docx
《Python数据分析案例教程课后练习题答案1-10章全章节测试题库.docx》由会员分享,可在线阅读,更多相关《Python数据分析案例教程课后练习题答案1-10章全章节测试题库.docx(9页珍藏版)》请在咨信网上搜索。
1、第1章 答案1-1 现在让你分析月销量,你会使用哪种数据分析方法?答案:对比分析1-2 在分析一组数据前,发现并不是所有数据都是你需要的,该怎么办?答案:通过数据处理中的数据规约,减少数据规模1-3 如果发现数据中存在异常数据,如年龄200,该如何处理?答案:删除1-4 数据中存在值为0的数据影响分析结果吗?答案:当我们有大量完整的数据时,删除少部分值为0的数据,对数据分析结果不会造成太大影响。1-5 Python中与数据分析相关的模块有哪些?答案:常用模块有数值计算模块NumPy、数据处理分析模块Pandas、数据可视化模块Matplotlib、机器学习模块scikit-learn1-6 E
2、xcel数据中存在大量空值,你将使用哪个模块处理?答案:Pandas模块1-1 简述NumPy模块的由来与作用?Numeric模块是NumPy模块的前身,在1995年由Jim Hugunin 与其他协作者共同开发。随后又出现了Numarray模块,该模块与Numeric模块相似都是用于数组计算的,但是这两个模块都有着各自的优势,对于开发者来说,需要根据不同的需求选择开发效率更高的模块。在2006年Travis Oliphant将Numeric模块中结合了Numarray模块的优点,并加入了其他扩展而开发了 NumPy模块的第一个版本。NumPy 为开放源代码,使用了BSD许可证授权,并且由众多
3、开发者共同维护开发。1-2 numpy 常用的数据类型都有哪些?numpy模块常用的数据类型如下表所示。数据类型描述np.bool布尔值(True或False)np.int_默认的整数类型(与 C 语言中的 long相同,通常为int32 或 int64)np.intc与 C 的 int 类型一样,(通常为int32 或 int 64)np.intp用于索引的整数类型(与 C中 的 size_t相同,通常为是 int32 或 int64)np.int8字节(-128到127)np.int16整数(-32768至32767)np.int32整数(-2147483648至2147483647)np
4、.int64整数(-9223372036854775808至9223372036854775807)np.uint8无符号整数(0到255)np.uint16无符号整数(0到65535)np.uint32无符号整数(0到4294967295)np.uint64无符号整数(0到18446744073709551615)np.half/np.float16半精度浮点数:1个符号位,5位指数位,10位小数部分np.float32单精度浮点数,1个符号位,8个指数位,23 位小数部分np.float64/np.float_双精度浮点数,1 个符号位,11个指数位,52 位小数部分plex64复数,表示
5、两个32 位浮点数(实数部分和虚数部分)plex128/plex_复数,表示两个64 位浮点数(实数部分和虚数部分)1-3 简述什么是ndarray()对象?ndarray()对象是NumPy模块的基础对象,用于存放同类型元素的多维数组。ndarray 中的每个元素在内存中都有相同存储大小的区域,而数据类型是由dtype()对象所指定的,每个ndarray只有一种dtype类型。数组有一个比较重要的属性是shape,数组的维数与元素的数量就是通过shape来确定的。数组的形状(shape)是由N个正整数,组成的元组来指定的,元组的每个元素对应每一维的大小。数组在创建时被指定大小后将不会再发生改
6、变,而Python中的列表大小是可以改变的,这也是数组与列表区别较大的地方。 1-4 通过哪个函数可以快速生成一个任意维数的数组?1. rand()函数rand()函数用于生成一个任意维数的数组,数组的元素取自01上的均分布,如果没有设置参数的情况下,则生成一个数。【例2-8】使用rand()函数创建一个随机数组。代码如下:(实例位置:资源包Code第2章2-8)import numpy as np # 导入numpy模块a = np.random.rand(2,3,2) # 创建随机数组print(数组内容为: n,a) # 打印数组内容print(数组形状为:,a.shape) # 打印数
7、组形状print(数组维数为:,a.ndim) # 打印数组维数运行结果如下:数组内容为: 0.73907586 0.87176277 0.42022933 0.77297553 0.47148362 0.48561028 0.86624807 0.78783422 0.3208552 0.52580099 0.31325425 0.94394843数组形状为: (2, 3, 2)数组维数为: 31-5 简述什么是广播机制?广播(Broadcast)机制只有在实现两个形状不同的数组计算时才会触发,例如,数组a和数组b的形状相同,那么数组a乘以数组b的结果就是两个数组对应位相乘,这样的计算需要维
8、数与维度长度相同。当计算两个不同形状的数组时,numpy将自动触发广播机制,此时需要将较小的数组形状进行扩展,让两个数组形状相同,以便于进行两个数组元素的计算。 1-1简述pandas的数据结构?pandas的数据结构中有两大核心,分别是Series与DataFrame。其中Series是一维数组和Numpy中的一维数组类似。这两种一维数组与Python中基本数据结构List相近,Series可以保存多种数据类型的数据,如布尔值、字符串、数字类型等。DataFrame是一种以表格形式的数据结构类似于Excel表格一样,是一种二维的表格型数据结构。1-2 简述pandas提供了哪几个读取数据库信
9、息的函数并介绍每个函数的特点?pandas提供了三个函数用于实现数据库信息的读取操作,具体函数如下:q read_sql_query()函数:可以实现对数据库的查询操作,但是不能直接读取数据库中的某个表,需要在sql语句中指定查询命令与数据表的名称。q read_sql_table()函数:只能实现读取数据库中的某一个表内的数据,并且该函数需要在SQLAlchemy模块的支持下才可以使用。q read_sql()函数:该函数则是一个比较全能的函数,即可可以实现读取数据库中某一个表的数据,也可以实现具体的查询操作。1-3 简述NaN数据是什么?NaN数据在numpy模块中用于表示空缺数据。1-4
10、 简述什么是分组数据?pandas提供了一个groupby()方法,通过该方法对数据集分组后将返回一个(数据集为Series对象时)SeriesGroupBy对象或(数据集为DataFrame对象时)DataFrameGroupBy对象,然后通过该对象根据需求调用不同的计算函数来实现整组数据的计算功能,例如获取整组数据的总和、平均值等等。1-5 简述什么是聚合数据?pandas不仅提供了一个可以实现对数据进行分组的groupby()方法,还提供了agg()方法,该方法可以实现对分组后数据的聚合功能。从实现上来看agg()方法类似于对DataFrame对象中列的数据进行分组,然后再调用sum()
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- Python 数据 分析 案例 教程 课后 练习题 答案 10 章节 测试 题库
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【精***】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【精***】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。