第4章习题与参考答案.docx

人工智能基础-第4章习题与参考答案

一、填空题

（1）在pandas中，使用loc选择器可以根据标签进行索引，而使用选择器可以根据位置进行索引。

参考答案：iloc

解析：在pandas中，iloc专门用于基于整数位置（从0开始的索引）来选择数据，与loc基于标签选择数据相对应。

（2）pandas中，用于对DataFrame进行排序的方法是。

参考答案：sort_values()

解析：sort_values()方法可以根据指定的列或索引对DataFrame进行排序，默认是升序，通过设置参数可以实现降序等其他排序方式。

（3）pandas中，用于将多个DataFrame按照共同的列进行合并的方法是。

参考答案：merge()

解析：merge()方法可以根据共同的列或索引将多个DataFrame进行合并，类似于数据库中的表连接操作。

（4）pandas中，用于对DataFrame进行分组聚合的方法是。

参考答案：groupby()

解析：groupby()方法用于按照指定的列对DataFrame进行分组，然后可以对每个组进行聚合操作，如求和、平均值等。

（5）返回一个数据框df的前4行，可以使用的命令是。

参考答案：head(4)

解析：head()方法用于返回数据框的前n行，默认是前5行，传入参数4则返回前4行。

二、选择题

（1）下列不是pandas中的基本数据结构的是（）。

A．Series B．DataFrame C．Panel D．Array

参考答案：D

解析：pandas的基本数据结构有Series、DataFrame和Panel（在较新的版本中已不常用），Array是NumPy中的数据结构，不是pandas的。

（2）（）可以在pandas中创建一个Series对象。

A．pd.Series([1,2,3]) B．pd.DataFrame([1,2,3])

C．pd.Index([1,2,3]) D．pd.Panel([1,2,3])

参考答案：A

解析：pd.Series()用于创建Series对象，pd.DataFrame()用于创建数据框，pd.Index()用于创建索引对象，pd.Panel()用于创建Panel对象。

（3）在pandas中，（）可以用来删除数据框中的缺失值。

A．replace() B．fillna() C．dropna() D．interpolate()

参考答案：C

解析：dropna()函数用于删除包含缺失值的行或列，replace()用于替换值，fillna()用于填充缺失值，interpolate()用于插值。

（4）：在pandas中，要获取多列数据，需要将列名放在一个列表中作为索引，即df[[列名1,列名2,列名3]]。

（5）：inner连接方式是取两张表的交集，只返回两张表中连接键都匹配的行；left连接返回左表的所有行和右表匹配的行，right连接返回右表的所有行和左表匹配的行，outer连接返回两张表的所有行，匹配的合并，不匹配的用NaN填充。

（4）变量df是一个Dataframe类型的数据，通过直接索引获取其多列元素，可使用的命令是（）。

A．df[[列名1,列名2,列名3]] B．df[列名1,列名2,列名3]

C．df[[列名1:列名2:列名3]] D．df[[列名1,列名2,列名3]]

参考答案：A

解析：在pandas中，要获取多列数据，需要将列名放在一个列表中作为索引，即df[[列名1,列名2,列名3]]。

（5）两张表进行连接，要获取它们交集的部分，应该使用（）连接方式。

A．left B．inner C．right D．outer

参考答案：B

解析：inner连接方式是取两张表的交集，只返回两张表中连接键都匹配的行；left连接返回左表的所有行和右表匹配的行，right连接返回右表的所有行和左表匹配的行，outer连接返回两张表的所有行，匹配的合并，不匹配的用NaN填充。