Python数据分析与可视化教学大纲 及 习题答案（吕云翔 ）.docx

Python数据分析与可视化课程教学大纲课程代码：课程名称：Python数据分析与可视化开课学期：学分/学时：3/48课程类型：适用专业/开课对象：先修课程：开课单位：团队负责人：责任教授：执笔人：核准院长：一、课程的性质、目的与任务Python数据分析与可视化是计算机相关中的一门数据分析入门课程，该 课程介绍了Python语言在数据分析方面的应用，按照数据分析的步骤，从数据预 处理、分析、可视化等方面介绍了数据分析的方式，并通过两个完整的数据分析 实例进行相关知识的学习。主要内容包括Python基础知识介绍、数据预处理、数 据分析基础工具NumPy、处理结构化数据工具Pandas、数据分析与知识发现、 scikit-learn实现数据分析、Matplotlib交互式图表绘制、实例：科比职业生涯进球 分析、实例：世界杯等。本课程的目的与任务是使学生通过本课程的学习，从数据分析的基础理论知 识入手，按照数据分析的基本流程循序渐进的学习数据分析知识，并使用Python 编程进行实战操作。通过两个完整数据分析实例的学习，帮助学生更好的掌握数 据分析技能，做到理论与实践相结合，方法与应用相结合。本课程除要求学生掌 握数据分析的基础知识和相关Python库使用，更重要的是要求学生掌握理论与实 践结合的学习方式，为更深入地学习打下良好的基础。1、python中的多行注释使用三引号表示。2、pandas能对数据进行排序、分组、归并等操作。3、Scikitjearn包括多种分类、回归、聚类、降维、模型选择和预处 理的算法。4、Matplotlib是一个绘图库。5、将Ipython项目中与其程序设计语言无关的部分独立出来形成的新项目是Jupyter。第三章选择题1、下列不是集中趋势的主要测度的是？（D）A、均值B、中位数C、众数D、方差2、下列不是离散程度的主要测度的是？（D）A、极差B、方差C、标准差D、中位数3、下列不属于数据质量的评估标准的是？（C）A、完整性B、一致性C、可控性D、及时性4、下列不属于噪声数据处理方法的是你？（B）A、分箱技术B、同化技术C、聚类技术D、回归技术5、下列不属于特征提取方法的是？（B）A、主成分分析B、多重判别分析C、独立成分分析D、线性判别分析对错题1、数据库中不含缺失值的变量被称为完全变量（T）2、噪声是指被观测变量的随机误差或标准差（F）3、一致性是指数据是否合乎规范，数据内的数据是否保持一致的格式（T）4、及时性是指数据产生到可以查看的时间间隔，也叫数据的延时时长（T）5、特征构建是指从预处理的数据中人工构建新的特征（F）填空题1、数据分析需要特别关注集中趋势、离散程度两点。2、般可以通过数据统计中的记录值和唯一值两个值来评估数据质3、3、4、5、量的完整性。数据质量是数据分析结果的有效性和准确性的前提保证。异常数据如果没哟规律可循几乎不可能被还原，只能将其过滤。特征提取是在原始特征的基础上，自动构建新的特征，将源石特 征转换为一组更具物理意义、统计意义或者核的特征。第四章选择题：lx关于NumPy说法不正确正确的是（D）A、NumPy是Python处理数组和矢量运算的库。B、NumPy是高性能计算的基础。C、NumPy是数据分析的基础。D、Pandas scikit-learn 和 Matplotlib 是 NumPy 的基础2、关于ndarray对象说法不正确正确的是（D）A、Ndarray对象指的是多维数组对象。B、Ndarray对象是NumPy中很重要的对象。C、Ndarray保存的是同一类型的对象。D、Ndarray的访问方式不同于列表。3、下列哪些不是描述ndarray对象的属性（C）A、 shapeB、ndimC、arrayD、size4、创建单位矩阵，对角线元素为1,其余为。需要用到下列哪个函数（D）A、 onesB、onesjikeC、empty J ikeD、eye、identity5、对下列函数说法正确的是（B）A、reshape会修改原adarray对象Bs reveal不会修改原adarray对象C、T会修改原adarray对象D、resize不会修改原adarray对象判断题1、floatl6为半精度浮点数。（对）2、floatl28为双精度浮点数（错）扩展精度3、complexl28 （cl6）使用两个双精度浮点数表示的复数。（对）4、empty指定shape,创建新数组，且填充为0 （错）不填充5、size指ndarray对象的维度。（错）元素个数填空题1、代码中用指代NumPy。2、查询某个ndarray对象的dtype属性，会返回一个（dtype）类型的对象。3、T函数返回原ndarray对象的（转置）4、布尔值的字节长度为（1）5、ndim指ndarray对象的（维度）。第五章一、单选题1 .以下哪一个Series对象不同()AA disc = '1' :1,，2, :2, '3' :3 obj c = Series (disc, index=，T , '2', '3')B disc ='1' :1, '2' :2, '3' :3 obj_c = Series (disc, index= 1, 2, 3)C disc ='a' : 1, ' b' :2, 'c' :3 obj_c = Series (disc, index=，T , '2', '3')D disc = ，a : 1, ' b' :2, 'c' :3 obj_c = Series(disc, index= 1, 2, 3).以下哪一项不是DataFrame对象的属性()DA columnsB indexC valuesD length2 .以下哪一项可以对DataFrame对象进行行的删除（）AAdrop, axis=0Bdrop, axis=lC delD pop. Index对象中，以下哪一项针对时间间隔数据（）DA Int64IndexB MultilndexC DatetimeindexD Periodindex3 . "group by” 包括 “” 3 个阶段（）AAsplit-app1y-combineB split-combine-applyC combine-apply-splitDcombine-split-app1y二、判断题1. Index对象可以修改。Falsepandas提供了缺失值处理功能。TrueIndex对象支持并、差、交的操作。True在创建Series对象时并没有指定索引，pandas自动创建一个1 - n的序列作为索引。Falsepanadas提供的cov函数，能够自动进行数据对齐的操作。 True三、填空题pandas两种基本的数据结构为 和 。 (SeriesDataFrame )1. In 1: obj a = Series(1, 2, 3, 4)In 2 : obj_a.Out 2: Int64Index(0, 1, 2, 3)In 3 : obj_a.Out 3: array(1, 2, 3, 4) (index values )loc函数接收Index对象的, iloc函数接收Index对象的。 (标签位置)2. 可以通过GroupBy对象的 函数实现自定义函数；函数会将数据对象分成多个组，然后对每个组调用传入的函数，最后将其组合到一起。(agg apply )对象产生的是定长窗口； 对象产生的是扩展窗口； 对象产生 的是指数加权窗口。(Rolling Expanding EWM )弟八早一、单选题.以下哪一项不属于非线性分类模型()AA 逻辑回归B 支持向量机C 决策树D k近邻1 .以下哪一项属于懒惰学习()DA逻辑回归B支持向量机C 决策树D k近邻.以下哪一项算法用于序列数据中频繁序列的挖掘()DA DijstraB AprioriC FP-TreeD PrefixSpan2 .支持度用概率公式表示为()AP(B|A)BP(An B )CP(B)DP(B|A) / P( B ). 是把一组数据按照相似性和差异性分为几个类别()A分类分析B关联分析C聚类分析D 回归分析二、判断题. k近邻算法的训练时间开销为0。True.线性判别分析，针对训练集，将其投影到一条直线上，使得同类样本点尽可能接近，异 类样本点尽量远离。True.同一个问题和样本产生的决策树一定相同。False.回归分析的目的在于了解变量间是否相关、相关方向和相关强度，并建立数学模型来进 行预测。True. DBSCAN聚类速度快且能够有效处理噪声和发现任意形状的空间聚类。True三、填空题1 .贝叶斯公式：O(p(y|x) = (p(x|y)p(y)/(p(x)2 .关联规则挖掘分为 和 o(生成频繁项集生成强规则)3 . Apriori算法定律1：如果一个集合是频繁项集，则它的所有 都是频繁项集；Apriori算法定律2：如果一个集合不是频繁项集，则它的所有 都不是频繁项集。(子集超集).关联规则分析中，如果穷举项集的所有组合，并测试每个组合是否满足条件。那么对于一个元素个数为n的项集，所需要的时间复杂度为 o(0(2n)4 .列举典型的无监督学习：和 o(关联分析聚类分析)第七章 一、单选题1、在支持向量机分类方法中，在拟合以后，可以通过以下哪一个参数获取支持向量的索引()BB support_D以上均不是B NuSVCD以上均是B support_D以上均不是B NuSVCD以上均是A support_vectors_C n_support2、下列能够实现多元分类的是()DA SVCC高斯过程分类3、下列说法不正确的是()AA scikit-learn实现的lineajmodel. Lasso类使用了坐标上升算法来拟合系数B linear_model. BayesianRidge类实现了贝叶斯岭回归，能够在回归问题的估计过程中引入参数正规化Cgaussian process. GaussianProcessRegressor 类实现了一个用于回归问题的高斯过程D与最近邻分类一样，scikit-learn也实现了两种邻回归，KNeighborsRegressor与RadiusNeighborsRegressor分别基于每个查询点的k个最近邻、每个查询点的固定半径内 的“邻居”数量实现4、下列关于k均值下列说法不正确的是()CA两种k均值算法在使用时都需要通过n_clusters参数指定聚类的个数。B给足够多的时间，k均值算法总能够收敛，但可能得到的是局部最小值。C 在使用cluster. KMeans时，通过n_jobs参数能指定该模型使用的处理器个数。若为正 值，则使用“n_jobs”个处理器，-3代表使用全部处理器，-2代表除了两个处理器以外全 部使用，T代表除了某个处理器以外全部使用。D cluster. MiniBatchKMeans类实现了 k均值的算法的小批量变体5、下列关于聚类说法不正确的是()CA在谱聚类中，可以设置assignabels参数以使用不同的分配策略。B在层次聚类中使用n_clusters参数可以指定聚类个数，linkage参数用于指定合并的 策略，可选用 ward、complete> averageC DBSCAN的核心概念是Core Samples,即位于高密度区域的样本，其中较小的min_samples二、教学内容及教学基本要求1. 数据分析概述与基本概念（2学时）了解数据分析的定义和历史背景；了解数据分析的目的和任务；了解数据分 析与数据挖掘的关系；了解机器学习与数据分析的关系，了解数据分析的基本步 骤，即数据收集、数据预处理、数据分析与知识发现和数据后处理，以及每个基 本步骤的概念与内容；了解Python在数据分析领域所具有的优点。2. Python基础知识（4学时）了解Python的发展史；了解Python及Pandas、scikit-leam、Matplotlib的安装； 掌握Python的基础知识及Python的一些特性，包括缩进在Python的重要性、Python 包的使用方法、注释的使用方法、Python语法知识；了解Pandas、scikit-learn. Matplotlib等重要Python库；了解Jupyter交互式数据科学与科学计算开发环境。3. 数据预处理（2学时）了解数据的集中趋势、离散程度、相关性测量、数据缺失、噪声、离群点等 概念；了解数据质量标准评估的完整性、一致性、准确性和及时性4个要素。了 解数据清洗的概念及方式，包括缺失值的处理、噪声数据的处理、不一致数据的 处理和异常数据的处理；了解数据的特征选择、特征构建和特征提取。4. NumPy数据分析基础工具（4学时）了解NumPy库的作用；掌握多维数组对象ndarray的使用，包括ndarray的创 建、ndarray的索弓|、切片和迭代、ndarray的shape的操作、ndarray的基础操作等。5. Pandas处理结构化数据（4学时）了解Pandas库的作用和特色功能；了解Pandas中Series和DataFrame两种主要 数据结构；掌握Series对象的创建、访问和操作；掌握DataFrame对象的创建、访 或者较大的esp表示形成聚类的密度较高。D 在BIRCH中，有两个重要的参数：branching_factor （分支因子）和threshold （阈值）， 分支因子限制了一个节点中的子集群的数量，阈值限制了新加入的样本和存在于现有子集群 中样本的最大距离。二、对错题1、在逻辑回归中，saga求解器基于随机平均梯度下降算法，其在大数据集上的收敛速度更 快。O错2、在最近邻分类方法中，KNeighborsClassifier是基于每个查询点的固定半径r内的邻居 数量实现，其中r是用户指定的浮点数。（）是k,是数量，是整数，错3、MultinomialNB> BernoulliNB> GaussianNB 还提供了 partial_fit 方法，该方法能够动 态地解决加载大数据集的问题。与fit使用方法相同，操作比较简单。，错,与fit使用方 法不同4、岭回归从本质上来说也是最小二乘法，只不过是通过对系数的大小施加惩罚来改进。对5、Mean-Shift算法不是高度可扩展的，因为在执行算法期间需要执行多个最近邻搜索。因 为当质心较少时，会停止迭代，所以此算法不收敛，错，是收敛的三、填空题1、scikit-learn是SciPy中一个非常著名的分支，scikit-learn所支持的算法、模型均 是经过广泛验证的。在本章的学习中，主要介绍了、等3大类。2、在随机梯度下降分类方法中，lineajmodel.SGDClassifier类实现了简单的随机梯度下 降分类，可以通过loss函数来设置损失函数，要软件间隔对应向量机、平滑Hinge或逻辑 回归，loss的值应分别选用、。3、目前，MLPClassifier只支持 函数，通过运行 方法进行概率估计,MLP算法使用的是 传播的方式。4、Scikit-learn支持高斯朴素贝叶斯、多项分布朴素贝叶斯与伯努利朴素贝叶斯算法，分 别由、实现。5、AffinintyPropagation类中，若要设置相似度度量方式，设置阻尼因子，设置向量，代 表对各个点的偏好应该要分别设置、等参数。答案：1、分类方法；回归方法；聚类方法2、 hinge； modified_huber； log3、交叉焙损失函数；predict_proba；反向传播naive bayes. GaussianNB> naive bayes. MultinomialNB> naive bayes. BernoulliNB4、 Affinity> damping> preference第八章一、单选题1、在使用savefile函数将生成的函数图像保存为图片时，可以使用下列哪个参数来指定图片清晰度（）AA dpiB bbox_inchesC tightD axes2如下图所不，In 3表示的意思是：()BIn 1 : import matplotlib.pyplot as pitIn 2 : fig=plt.figure ()In 3 : axes=plt.subplot (2,2,1)axes=plt . subplot(2,2,3)In 4 : fig.suptitle(Example of multiple subplots *)In 5 : pit . show ()A figure对象中的subplot布局为2X2,B figure对象中的subplot布局为2义1,C figure对象中的subplot布局为2X3,D figure对象中的subplot布局为2义2,A figure对象中的subplot布局为2X2,B figure对象中的subplot布局为2义1,C figure对象中的subplot布局为2X3,D figure对象中的subplot布局为2义2,选中了索引为1的subplot同时分别选中了索引为1和3的subplot选中了索引为1的subplot选中了索引为3的subplot3、代码 “axes, plot (t, s, color='k' , linestyle ='-'"的意思是()AA以t为横轴，s为纵轴,A以t为横轴，s为纵轴,画函数图像，线条类型为虚线B以s为横轴,B以s为横轴,t为纵轴，画函数图像，线条类型为虚线C以t为横轴，s为纵轴,C以t为横轴，s为纵轴,画函数图像，线条类型为实线D以s为横轴，t为纵轴,D以s为横轴，t为纵轴,画函数图像，线条类型为实线4、如下图所示，请问哪一行代码创建了两个柱状图（）B1n 11 : import matplotlib.pyplot as pit import numpy as npIn 2 : figzaxes=plt.subplots()In 3 : data_m=(40, 120, 20, 100, 30, 200)data_f=(60, 180, 30z 150, 20, 50)In 4 : index = np.arange(6)width=0.4In 5 : axes.bar(index, data_m, width, color= *c* z label=1 men1)axes.bar(index+width, data_f, width, color= * b * z label= * women1)In 6 : axes.set_xticks(index + width / 2)axes.set_xticklabels ('Taxi', 'Metro', 'Walk', 'Bus', 'Bicycle'Driving axes.legend()In 7 : pit.show()A In 4B In 6A In 4B In 6B In 5D In 75、在柱状图设计中，为了设置颜色的透明度可以设置哪个函数的哪个参数（）DA axes, barh widthA axes, barh widthB axes. barh alphaC axes, bar widthD axes, bar alpha二、对错题1> 一个figure对象只能建立一个axes,一个axes中能够建立多个subplot ()错误2、minor tick比major tick更短，而且显示具体的坐标值()错误3、为了让直方图的条纹面积为1,可以为axes, hist函数设置参数density二true ()对4、使用pylot进行3D图表的绘制，需要创建axes时设置projection为3d对5、绘制饼图时要调用axes, pie函数，shadow表示百分比数值的显示格式()错三、填空题1、如果我们要建立一个figure对象，让它拥有2X2的axes布局，可以输入以下代码参考答案Import matplotlib. pyplot as pitfig, axes=plt. subplots (2,2)pit. show()2、构建图表的主要步骤 包括、参考答案：准备数据；生成图表对象并将数据数据传入；调整图表装饰项;3、如下图所示，添加箭头尖端的位置为；注释文字位置为一Code 8-6添加注释示例In 1 : import matplotlib.pyplot as pit import numpy as npIn 2 : fig=plt.figure()figr axes=plt.subplots()In 3 : axes.plot(np.arange(0r 24z 2),14,9,7,5, 12, 19, 23,26,27,24,21,19, ,-o,) In 4 : axes.set_xticks(np.arange (0,24,2)In 5 : axes.annotate(* hottest at 16:00', xy=(16, 27), xytext=(16r 22), arrowprops=dict(facecolor=,black, shrink=0.2), horizontalalignment='center, verticalalignment= * center 6 : axes.text(12f 10, * Date: March 26th, 2018 1 z bbox=1 facecolor*: cyan, ,alpha*: 0.3, *pad*: 6)In 7 ： pit . show ()参考答案：(16,27)； (16, 22)4、在绘制饼图时，要调用axes, pie函数，其中参数labels, sizes, explode分别代表参考答案：饼图中分区所代表的的含义；每个分区各自的面积占比，每个分区相对中心的偏 移值5、在绘制表格时，需要调用axes. table函数，还可以通过、来设置行 标签和列标签。rowLabeIs； colLabels问和操作，掌握基于Pandas的Index对象的访问操作；了解Pandas的相关数学统计 和计算工具；了解Pandas的数学聚合和分组运算。6 .数据分析与知识发现（4学时）了解分类分析的基本概念；了解逻辑回归、线性判别分析、支持向量机、决 策树、K近邻和朴素贝叶斯的相关知识；了解关联分析的基本概念，包括关联规 则定义、指标定义和关联规则挖掘定义；了解关联分析的Apriori算法、FP-Tree 算法、PrefixSpan算法；了解聚类分析的概念；了解K均值算法和DBSCAN ； 了 解回归分析的基本概念和常用方法。7 . scikit-learn实现数据的分析（4学时）了解SciPy和scikit-learn的作用；掌握scikit-learn的分类方法、回归方法和聚 类方法，分类方法包括Logistic回归、SVM、最近邻分类器、决策树、随机梯度 下降、高斯过程分类、神经网络分类和朴素贝叶斯，回归方法包括最小二乘法、 岭回归、Lasso,贝叶斯岭回归、决策树回归、高斯过程回归和最近邻回归，聚 类方法包括K-means、Affinity propagations Mean-shifts Spectral clusterings Hierarchical clusterings DBSCAN和Birch。8 . Matplotlib交互式图表绘制（4学时）了解Matplotlib的作用；掌握Matplotlib中的基本布局对象的建立；掌握修改 图表样式、修改装饰项和添加注释的方法；掌握基础图表的绘制，包括直方图、 散点图、柱状图、折线图和表格；了解使用Matplot3D绘制三维图形的方法；了 解Matplotlib与Jupyter结合使用的方法。9 .数据分析实例（4学时）通过"用户流失的预警”和“机器人走迷宫的最优路径”两个数据分析实例 的分析，了解完整的数据分析实例的分析流程；了解实例中对数据的预处理、分 析和绘图的过程；掌握综合运用所学知识，进行完整数据分析的能力。10 .实验（16学时）教学说明及教学基本要求见Python数据分析与可视化实验教学大纲。三、教学方法本课程教学方法以教师为主导的启发式讲授教学法为主，讨论（提问）式教 学为辅，结合课外学习的教学方法。实验以学生动手实验为主，教师的启发式讲 授教学法为辅，并结合讨论（提问）式教学，以及结合课外学习的教学方法。 1.本课程概念较多，因此教学形式以讲授方式为主。本课程拟采用多媒体PPT 的教学方法，增加课堂信息，浅显通俗地对概念、定义和原理进行解释，增加教 学的直观性，教学过程中注意各个知识点的关联性，以使学生更好地理解课程内 容。2 .对课程中关键性概念、设计思想方面的问题可辅以课堂讨论的形式。3 .为加强和落实动手能力的培养，每章课后应安排作业，帮助学生学习和应用。 四、课内外教学环节及基本要求本课程共48个学时，其中理论32个学时，讲授16周（每周2学时）；实 验16个学时，讲授8周（每周2学时）。课外学习要求：1 .做好课前预习，预习时以教材为主，了解相关的概念、定义、原理。预习中 认真思考，以便带着问题主动地听课。2 .课后要复习，有余力的学生复习时还应阅读参考资料，认真整理课堂听课笔 记。3 .要求学生课外自主学习，学生课外阅读的参考资料以本大纲所列参考资料为 主。五、考核内容及方式本课程成绩由平时成绩和期末考核成绩组合而成，课程成绩以百分制计算, 分配比例如下:1 .平时成绩占30%,主要考查作业的完成程度，理论课和实验课的出勤率,实验课的考试结果。其中作业占10%,实验占15%,出勤率占5%。2 .期末成绩占70%,采用考试的考核方式。考试采用闭卷形式，题型为选 择题、正确/错误题、填空题、简答题，以及应用题。六、持续改进本课程根据学生作业、课堂讨论、平时考核情况和学生、教学督导等反馈, 及时对教学中不足之处进行改进，并在下一轮课程教学中改进。七、建议教材及参考资料建议教材：1吕云翔等.Python数据分析与可视化基础与应用M.北京：机械工业出版社, 2022.Python数据分析与可视化实验教学大纲教学内容及教学基本要求LPython的安装与使用（2学时）了解Python的安装方法；了解Python在本课程中起到的作用；掌握Python的 基础知识，如Python包的使用方法、注释的使用方法、Python语法知识等；掌握 使用Python编写并运行简单程序的能力。3 .NumPy的使用（2学时）了解NumPy的基本功能和安装方式；掌握多维数组对象ndarray的使用方式； 了解ndarray对象的重要属性；了解创建ndarray对象的方法；了解ndarray的索引、 切片和迭代；了解ndarray的shape的操作；了解对ndarray中的数据进行元素级运 算的方法。4 . Pandas的使用（2学时）了解Pandas库的基本功能和安装方式；掌握Pandas库的使用方式；了解Pandas 中Series和DataFrame两种主要数据结构及它们的创建、访问和操作方式；了解 Pandas的Index对象；了解Pandas的统计函数和窗口函数；了解Pandas的数学聚合 和分组运算。5 . scikit-learn的使用（4学时）了解scikit-learn的基本功能和安装方式；掌握scikit-learn库的使用方式；了解 scikit-learn实现数据分析的方法，如Logistic回归、SVM、最近邻分类器等分类方 法,最小二乘法、岭回归、Lasso、贝叶斯岭回归、决策树回归等回归方法和K-means、Affinity propagation x Mean-shift等聚类方法。6 . Matplotlib的使用（2学时）了解Matplotlib的基本功能和安装方式；掌握Matplotlib库的使用方式；了解 Figure对象；掌握修改图表样式、修改装饰项和添加注释的方法；掌握基础图表 的绘制方法；了解使用Matplot3D绘制三维图形的方法；7 .数据分析实例：美国加利福尼亚房价的预测分析（2学时）8 .数据分析实例：基于Python+ElasticSearch的搜索附近小区房价（2学时）第一章1、阐述统计分析与数据挖掘的特点。传统的统计分析是在已定假设、先验约束的内情况下，对数据进行整理筛选 和加工，由此得到一些信息。数据挖掘是将信息需要进一步处理以获得认知，继而转为有效的预测和决策。统计分析是把数据变成信息的工具，数据挖掘是把信息变成认知的工具。2、数据分析的基本步骤包括哪些？（1）数据收集；(2)数据预处理；(3)数据分析与知识发现；(4)数据后处理。3、相比R语言、MATLAB、SAS、SPSS等语言或工具,Python有哪 些优点？(1) Python是面向生产的；(2)强大的第三方库的支持；(3) Python的胶水语言特性。第二章选择题1、python之父是下列哪位？ (A)A、吉多范罗苏姆B、丹尼斯里奇C、詹姆斯高林思D、克里夫默勒2、python的缩进功能有什么作用？(C)A、增加代码可读性B、方便放置各类符号C、决定程序的结构D、方便修改程序3、python的单行注释通过什么符号完成？(B)A、双斜杠(/)B、井号（#）c、三引号（“）D、双分号（；）4、以下选项中,Python数据分析方向的库是？（C）A、PILB、DjangoC、 pandasD、flask5、以下选项中Python网络爬虫方向的库是？（D）As numpyB、openpyxlC、PyQt5D、scrapy对错题1、winpython 会写入 windows 注册表（F）2、python与大多数程序设计语言的语法非常相近（T）3、Python的缩进是一种增加代码可读性的措施（F）4、PANDAS是一个构建在Numpy之上的高性能数据分析库（T）5、Jupyter是一个交互式的数据科学与科学计算开发环境（T）填空题