(
课件网) 第四章 数据处理与应用 验收卷(四) 数据处理与应用 (考试时间40分钟;满分50分) 一、选择题(本大题共8小题,每小题2分,共16分,在每小题给出的四个选项中,只有一个符合题目要求,多选、少选、不选均不得分) 1.下列关于大数据处理的说法,正确的是( ) A.对动态数据无法进行可视化表示 B.在中文文本分析中采用短语或段落作为表示文本的特征项 C.大数据数据类型多,无法分析全体数据,只能分析抽样数据 D.Hadoop面向大规模的批量处理,适用于处理静态数据,不适用于流数据 D B 2.某大型购物网站收集了用户浏览网站的数据用于广告个性化实时推荐,下列处理方式中合理的是 ( ) A.应当使用统计分析软件进行数据分析 B.应当选用针对流数据的实时计算 C.应当选用针对图结构数据的图计算 D.应当选用针对静态数据的批处理计算 解析 本题考查大数据的相关知识。用户浏览网站的数据,属于流数据,是时时刻刻在变化的,故某大型购物网站收集了用户浏览网站的数据用于广告个性化实时推荐时,应当选用针对流数据的实时计算。 A A. print(df.groupby ("性别",as_index=False).mean()) 成绩 性别 女 93.5 男 95.0 B. print(df[df["成绩"]>97]) 姓名 性别 成绩 2 小温 女 98 4 小杭 男 99 C. print(df.sort_values("成绩")) 姓名 性别 成绩 1 小浙 男 89 3 小华 女 89 0 小嘉 男 97 2 小温 女 98 4 小杭 男 99 D. print(df.drop(2)) 姓名 性别 成绩 0 小嘉 男 97 1 小浙 男 89 3 小华 女 89 4 小杭 男 99 D 4.数据文件“data.csv”中包含“A”“B”“C”3列1000行数据,下列Python程序段用于实现对象df1中数据按“B”列降序排序,程序中划线处应填写的语句是 ( ) import pandas as pd df=pd.read_csv('data.csv') A.df1=df.sort_values('B') B.df=df1.sort_values('B') C.df1=df.sort_values('B',ascending=True) D.df1=df.sort_values('B',ascending=False) 解析 本题考查Pandas数据结构,采用sort_values方法对参数中列进行排序,ascending省略或为True为升序。 D 5.数据文件“data.csv”中储存了浙江省各地苹果的零售价格数据,数据包含“日期”“地区”“品名”“价格”等6列200000行,处理该文件中数据的Python程序段如下︰ import pandas as pd df=pd.read_csv('data.csv') df1=df.groupby('地区').价格.mean() 关于该程序段,下列说法正确的是( ) A.DataFrame对象df中仅存储了文件“data.csv”中的“价格”列数据 B.对象df1中数据以“地区”为主要关键字﹑“价格”为次要关键字排序 C.读取文件“data.csv”中的数据,计算全部“价格”数据的平均值 D.读取文件“data.csv”中的数据,计算各地区“价格”数据的平均值 解析 本题考查Pandas数据结构。A选项对象df存储了数据表中所有信息,因此包含"日期"等信息。B选项对象df1并没有进行排序,而是按地区进行分组,并统计各个地区的平均价格。 D 6.下列关于中文分词方法的描述中,属于基于统计的分词方法的是 ( ) A.让计算机模拟人的理解方式,根据大量的资料和规则进行学习,然后进行分词 B.在分析句子时,与词典上的词语进行对比,词典中出现的就划分为词 C.依据词语与词语之间的分隔符号进行分词 D.依据上下文中相邻字出现的频率统计,同时出现的次数越高组成一个词的概率就越高 解析 基于统计的分词方法是依据上下文中相邻字出现的频率统计,同时出现的次数越高越可能组成一个词,因此答案为D。 B A.标签云是文本可视化的一种方式 B.数据可视化只能将数据以静态图形图像等形式表示 C.数据可视化能直观的呈现数据,容易发现数据中 ... ...
