- 1、本文档共3页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(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。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
大数据基础
大数据
基础
单元5
测试答案
第PAGE\*Arabic1页/共NUMPAGES\*Arabic1页
单元5数据采集与预处理
单元测试
单元5
单元5
测试答案
1
2
3
4
5
D
A
C
B
B
6
7
8
9
10
D
C
B
A
C
二、填空题
1. 深度优先遍历、广度优先遍历
2. fillna、dropna
3. df[price]100
4. left_on、right_on
5. html.parser
三、简答题
1.解答:
网络数据采集,通常也被称为网络爬虫或网页抓取,是一种从互联网上自动收集信息的程序或脚本。以下是网络数据采集的基本流程:
(1)发送请求:使用HTTP请求库向目标网页发送请求,获取网页内容。
(2)接收响应:接收服务器返回的响应内容,通常是HTML、JSON或XML格式。
(3)解析内容:使用解析工具(如HTML解析器)从响应内容中提取所需的数据。
(4)数据处理:对提取的数据进行清洗和格式化,去除无用信息,保留有用数据。
(5)存储数据:将清洗后的数据存储到数据库或文件系统中,如MySQL、MongoDB、CSV文件等。
2.解答:
BeautifulSoup是一个Python库,用于从HTML或XML文件中提取数据。select方法是BeautifulSoup提供的一个强大的工具,它允许你使用CSS选择器来查找页面上的元素。以下是使用select方法查找元素的几种常见方式:
(1)查找具有特定标签名的元素,如找到所有的段落(p标签),soup.select(p)
(2)查找具有特定类名的元素,如找到所有具有类名class-name的元素,soup.select(.class-name)
(3)查找特定ID的元素,如找到ID为element-id的元素,soup.select(#element-id)
(4)查找具有特定属性的元素,如找到所有具有属性data-attr的元素,soup.select([data-attr])
(5)使用更复杂的选择器,select方法支持更复杂的CSS选择器,例如后代选择器、子选择器等。例如,找到所有在div标签内的第一个p标签,soup.select(divp:first-of-type)
3.解答:
未经预处理的数据可能存在多种问题,这些问题可能影响数据分析的质量和结果的准确性。常见的问题有:不完整性、不一致性、重复数据、错误和异常值、数据类型问题、数据范围问题、数据分布不均、时间序列数据问题、缺乏标准化、隐私和安全性问题、数据过时、数据量过大或过小、数据的可解释性差、数据的可访问性问题等。为了解决这些问题,通常需要进行数据预处理,包括数据清洗、数据转换、数据规范化、缺失值处理、异常值处理、数据集成、数据选择和数据离散化等步骤。预处理可以提高数据质量,确保分析结果的可靠性和有效性。
4.解答:
数据预处理是数据分析和机器学习中的关键步骤,目的是将原始数据转换成适合分析的格式。以下是一些常用的数据预处理方法:
(1)缺失值处理:
填充缺失值:使用均值、中位数、众数或预测模型来填充缺失数据。
删除缺失值:如果缺失数据较多,可以选择删除含有缺失值的记录或特征。
(2)异常值检测与处理:
识别异常值:使用统计方法(如箱型图、标准差、Z-分数等)来识别异常值。
处理异常值:对异常值进行修正或删除。
(3)数据清洗:
去除噪声:使用滤波器或平滑技术去除数据中的随机噪声。
纠正错误:修正数据录入错误或不一致的数据。
(4)数据转换:
归一化/标准化:将数据缩放到一个小的、指定的范围(如0到1)或转换为具有零均值和单位方差的分布。
对数转换:对偏态分布的数据进行对数转换以减少偏度。
数据离散化:将连续特征转换为离散类别,例如通过分箱(binning)或分段。
数据类型转换:确保数据字段具有正确的数据类型,例如将字符串转换为日期或数值类型。
(5)数据集成:合并来自不同来源的数据集,解决数据源之间的不一致性。
这些方法可以单独使用,也可以组合使用,以适应不同的数据集和分析需求。数据预处理的目标是提高数据质量,使其更适合进行有效的分析和建模。
5.解答:
数据归约技术可以用于获取数据集的归约表示,规约后数据规模减小很多,但仍能够较好地保持原数据的完整性。在归约后的数据集上开展数据应用将更有效,能够较好地保障数据应用效果的一致性。数据规约一般有如下两种策略:
(1)维度规约
我们拿到的数据可能包含数以
文档评论(0)