数据建模工程师编程能力考核PythonR题目集.docxVIP

第PAGE页共NUMPAGES页

数据建模工程师编程能力考核PythonR题目集

一、基础语法与数据结构（共5题，每题4分，总分20分）

1.题目：

请编写Python代码，定义一个字典`student_info`，包含学生姓名（`Alice`）、年龄（`25`）、专业（`DataScience`）和成绩（`{Math:88,English:92}`），然后输出该字典中所有键值对，并删除成绩中的`English`键值对。

2.题目：

实现一个函数`count_vowels(s)`，接收一个字符串`s`，返回其中元音字母（`a,e,i,o,u`）的数量。例如：`count_vowels(HelloWorld)`应返回`3`。

3.题目：

使用列表推导式生成一个包含1到100（含）所有偶数的列表，并使用`sum()`函数计算其总和。

4.题目：

编写Python代码，定义一个类`Rectangle`，包含宽（`width`）和高（`height`）两个属性，并实现一个方法`area()`计算矩形面积。创建一个实例并输出其面积。

5.题目：

使用Python中的`set`数据结构，编写代码实现：给定两个列表`list1=[1,2,3,4,5]`和`list2=[4,5,6,7,8]`，找出它们的交集、并集和差集。

二、数据处理与分析（共5题，每题6分，总分30分）

6.题目：

使用Pandas库，读取名为`sales.csv`的文件（假设该文件包含`date`（日期）、`product`（产品）、`quantity`（数量）、`price`（单价）四列），筛选出2023年1月的销售数据，并计算每种产品的总销售额。

7.题目：

使用Pandas库，读取名为`customer.csv`的文件（假设包含`age`（年龄）、`gender`（性别）、`purchase`（是否购买）三列），计算不同性别用户的购买率（购买人数/总人数），并按购买率降序排序。

8.题目：

使用Pandas库，读取名为`stock.csv`的文件（假设包含`date`（日期）、`open`（开盘价）、`close`（收盘价）三列），计算每天的价格波动（`close-open`），并找出波动最大的3天。

9.题目：

使用Pandas库，读取名为`employee.csv`的文件（假设包含`department`（部门）、`salary`（工资）两列），计算每个部门的平均工资，并找出平均工资最高的部门。

10.题目：

使用Pandas库，读取名为`weather.csv`的文件（假设包含`date`（日期）、`temperature`（温度）、`precipitation`（降水量）三列），计算每个月的平均温度和总降水量，并保存到新的CSV文件`monthly_weather.csv`中。

三、数据可视化（共3题，每题10分，总分30分）

11.题目：

使用Matplotlib库，读取名为`sales.csv`的文件（假设包含`month`（月份）、`sales`（销售额）两列），绘制折线图展示每月销售额的变化趋势，并添加标题、坐标轴标签和图例。

12.题目：

使用Seaborn库，读取名为`customer.csv`的文件（假设包含`age`（年龄）、`gender`（性别）、`purchase`（是否购买）三列），绘制柱状图比较不同性别用户的购买率，并添加数据标签。

13.题目：

使用Matplotlib库，读取名为`stock.csv`的文件（假设包含`date`（日期）、`open`（开盘价）、`close`（收盘价）三列），绘制蜡烛图（K线图）展示股价变化，并设置日期为X轴。

四、机器学习基础（共5题，每题6分，总分30分）

14.题目：

使用Scikit-learn库，读取名为`iris.csv`的文件（假设包含`sepal_length`（花萼长度）、`sepal_width`（花萼宽度）、`petal_length`（花瓣长度）、`petal_width`（花瓣宽度）、`species`（种类）五列），将数据分为训练集和测试集（80%/20%），并使用K-NearestNeighbors（KNN）算法进行分类。

15.题目：

使用Scikit-learn库，读取名为`housing.csv`的文件（假设包含`area`（面积）、`bedrooms`（卧室数量）、`price`（价格）三列），将数据分为训练集和测试集（70%/30%），并使用线性回归模型预测房价。

16.题目：

使用Scikit-learn库，读取名为`diabetes.csv`的文件（假设包含