Python数据分析与可视化 习题答案（吕云翔）.docx

《Python数据分析与可视化 习题答案（吕云翔）.docx》由会员分享，可在线阅读，更多相关《Python数据分析与可视化 习题答案（吕云翔）.docx（14页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、Python数据分析与可视化习题答案弟一早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。AA*

2、 弟一早选择题1、python之父是以下哪位？（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 回归分析二、判断题1. 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

3、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：。(p (y | x) = (p (x | y) p (y) / (p (x).关联规那么挖掘分为 和 o(生成频繁项集生成强规那么). Apriori算法定律1：如果一个集合是频繁项集，那么它的所有 都是频繁项集；Apriori算法定律2：如果一个集合不是频繁项集，那么它的所有 都不是频繁项集。(子集超集).关联规那么分析中，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、2 .列举典型的无监督学习：和 o(关联分析聚类分析)第七章一、单项选择题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 nsupport2、以下能够实现多元分类的是()DA SVCC高斯过程分类3、以下说法不正确的选项是()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

5、够在回归问题的估计过程中引入参数正规化C gaussian_process. GaussianProcessRegressor 类实现 f 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、以下关于k均值以下说法不正确的选项是()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clust

6、er. KMeans时，通过n_jobs参数能指定该模型使用的处理器个数。假设为正 值，那么使用“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，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、以下关于聚类说法不正确的选项是()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Cor

7、e Samples,即位于高密度区域的样本，其中较小的min_samples 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。（）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

8、数，错3、MultinomialNB BernoulliNB GaussianNB 还提供了 partial_f it 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，操作比拟简单。，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。

9、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、o3、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，假设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

10、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； modifiedhuber； log3、交叉嫡损失函数；predict_proba；反向传播naive_bayes. GaussianNB naive bayes. MultinomialNB naive bayes. BernoulliNB4、 Affinity damping、 preferencedpitight如以下图所示，In3表示的意思是：()B第八章一、单项选择题1、在使用savefile函数将生成的函数图像保存为图片时，可以使用以下哪个参数来指定图 片清晰度()AB bbox_inchesD ax

11、esIn 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2X 1,C figure对象中的subplot布局为2义3,D figure对象中的subplot布局为2X2,A

12、 figure对象中的subplot布局为2X2,B figure对象中的subplot布局为2X 1,C figure对象中的subplot布局为2义3,D figure对象中的subplot布局为2X2,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=一的意思是()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，t为纵轴,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

13、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、如以下图所示，请问哪一行代码创立了两个柱状图()BIn 1 : import matplotlib.pyplot as pit import numpy as npIn 2 : figraxes=plt.subplots()In 3 : data_m=(40r 120, 20, 100, 30, 200) data_f=(60r 180, 30, 150, 20, 50)In 4 : index = np.arange(6)width=0 . 4In 5

14、 : axes.bar(index, data_m, width, color= * c1z label= * men1) axes.bar(index+width, data_fz width, color=1b, label=1 women *)In 6 : axes.set_xticks(index + width / 2)axes . set_xticklabels (TaxiMetro, Walk*, * Bus * f * Bicycle * r * Driving axes.legend()In 7 : pit.show()A In 4B In 6A In 4B In 6B In

15、 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,需要创立

16、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、如以下图所示，添加箭头尖端的位置为；注释文字位置为Code 8-6添加注释例如In 1 : import matplotli

17、b.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=(16z 22), arrowprops=dict(facecolor=,

18、black,r shrink=0.2), horizontalalignment=center1, verticalalignment= * centerIn 6 : axes.text(12, 10, * Date: March 26th, 2018 * z bbox=1 facecolor1: cyan1 ,alpha*: 0.3, 1pad1: 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

19、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。rowLabels； colLabelsD、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）A、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、PAND

20、AS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1、python中的多行注释使用三引号广表示。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工程中与其程序设计语言无关的局部独立出来形成的新工程是Jupyter。弟二早选择题1、以下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、以下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

21、3、以下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、以下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、以下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

22、关注集中趋势、离散程度两点。2、一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 量的完整性。3、数据质量是数据分析结果的有效性和准确性的前提保证。4、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。5、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：1、关于NumPy说法不正确正确的选项是（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、

23、关于ndarray对象说法不正确正确的选项是（D）As 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、以下哪些不是描述ndarray对象的属性（C）A、 shapeB、ndimC、arrayD、size4、创立单位矩阵，对角线元素为1,其余为0需要用到以下哪个函数（D）A、 onesB、onesjikeC、empty J ikeD、eye identity5、对以下函数说法正确的选项是（B）A、reshape会修改原adarray对象B、reveal不会修改原adar

24、ray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,创立新数组，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（

25、维度）。第五章一、单项选择题1 .以下哪一个Series对象不同()AA disc = T :1,，2, :2,，3, :3 obj c = Series (disc, index=11, 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=11, 2, 3)D disc = a : 1, b :2, c :3 obj_c 二 Series (disc, index= 1, 2, 3).以下哪一项不是Dat

26、aFrame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（）AA split-apply-combineB split-combine-app1yCcombine-apply-splitDcombine-split-app

27、ly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在创立Series对象时并没有指定索引，pandas自动创立一个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 )In 1: obj_a 二 Series(1, 2, 3, 4)In 2: obj_a.Out 2: Int64Index(0, 1, 2, 3)In 3: obj_a.Out 3: array (1,

28、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)1. 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 )5.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 )第六章一、单项选择题1 .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.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2 .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 PrefixSpan.支持度用概率公式表示为()AP(B|A)BP(An B )CP(B)DP(B|A) / P( B )3 . 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