《Python数据分析与挖掘》期末考试试卷（附答案）.docxVIP

《Python数据分析与挖掘》期末考试试卷（附答案）

考试时间：120分钟总分：100分

一、单项选择题（每题2分，共20分）

1.以下关于pandas库中DataFrame的描述，错误的是（）。

A.DataFrame可视为二维表格，包含行索引（index）和列索引（columns）

B.可通过`pd.DataFrame({A:[1,2],B:[3,4]})`创建

C.若需按行筛选数据，需使用`loc`或`iloc`方法，无法直接用列名筛选

D.可通过`df.info()`查看数据的列名、非空值数量及数据类型

2.对于数组`arr=np.array([[1,2,3],[4,5,6]])`，执行`arr[1,::2]`的结果是（）。

A.`[4,5]`B.`[4,6]`C.`[5,6]`D.`[2,6]`

3.某数据集中`age`列存在缺失值，若需用该列的中位数填充缺失值，正确的代码是（）。

A.`df[age].fillna(df[age].mean())`

B.`df[age].fillna(df[age].median())`

C.`df[age].dropna(how=any)`

D.`df[age].replace(np.nan,df[age].mode())`

4.以下哪项不是数据清洗的主要任务？（）

A.处理缺失值B.消除重复值C.特征标准化D.纠正异常值

5.若需绘制某电商平台2023年月度销售额的趋势图，最适合的可视化工具是（）。

A.散点图（scatterplot）B.柱状图（barplot）

C.折线图（lineplot）D.箱线图（boxplot）

6.对于分类问题，若样本标签严重不平衡（如正类占99%），以下哪种评估指标最不可靠？（）

A.准确率（Accuracy）B.精确率（Precision）

C.召回率（Recall）D.F1分数（F1-score）

7.在scikit-learn中，使用逻辑回归（LogisticRegression）模型训练时，若需解决多重共线性问题，应调整的参数是（）。

A.`penalty`（正则化类型）B.`max_iter`（最大迭代次数）

C.`solver`（优化器）D.`class_weight`（类别权重）

8.以下关于特征工程的描述，错误的是（）。

A.独热编码（One-HotEncoding）适用于无序分类变量

B.标准化（Standardization）会将数据缩放至均值为0、标准差为1

C.特征提取的目标是从原始数据中构造更具代表性的新特征

D.所有连续型变量都需要离散化处理

9.某数据集包含`user_id`（用户ID）、`order_time`（下单时间）、`amount`（金额）三列，若需统计“每个用户的总消费金额”，应使用的操作是（）。

A.`df.groupby(user_id)[amount].sum()`

B.`df.groupby(order_time)[amount].mean()`

C.`df.groupby([user_id,order_time])[amount].count()`

D.`df.groupby(amount)[user_id].nunique()`

10.若需评估两个变量（均为连续型）的线性相关程度，应计算（）。

A.卡方统计量（Chi-square）B.皮尔逊相关系数（Pearson）

C.斯皮尔曼相关系数（Spearman）D.互信息（MutualInformation）

二、填空题（每题1分，共10分）

1.pandas中用于合并两个DataFrame（按行追加）的函数是__________。

2.numpy中生成从0到10（含10）、步长为2的等差数列的函数是__________。

3.数据可视化库matplotlib中，用于设置图表标题的函数是__________。

4.若某特征的取值为[10,20,30,40]，经最小-最大归一化（Min-MaxScaling）后，取值范围变为__________。

5.决策树算法中，衡量数据混乱程度的指标通常是__________或基尼系数（Gini）。

6.在分类问题中，真阳性率（TPR）等于__________除以实际正类总数。

7.sci