2026年大数据技术应用(数据清洗与分析)试题及答案.docxVIP

2026年大数据技术应用(数据清洗与分析)试题及答案

一、单项选择题（每题1分，共20分。每题只有一个正确答案，请将正确选项字母填入括号内）

1.在Pandas中，删除DataFrame中所有缺失值占比超过30%的列，最简洁的代码是（）

A.df.dropna(thresh=0.7*len(df),axis=1)

B.df.loc[:,df.isnull().mean()0.3]

C.df.dropna(axis=1,how=any)

D.df.loc[:,df.count()/len(df)0.3]

答案：B

2.使用正则表达式提取字符串订单号：AB2026XYZ中的大写字母+数字组合，正确写法是（）

A.re.search(r[A-Z]+\d+[A-Z]+,s)

B.re.findall(r[A-Z]{2}\d{4}[A-Z]{3},s)

C.re.match(r[A-Z].\d.[A-Z],s)

D.re.split(r[A-Z]+\d+[A-Z]+,s)

答案：B

3.在SparkSQL中，对倾斜键NULL做随机前缀打散，应使用的函数是（）

A.rand()

B.uuid()

C.concat_ws()

D.skewness()

答案：A

4.下列关于TF-IDF的描述，错误的是（）

A.词频TF与文档频率DF成正