第一章

Jupyter notebook不具备的功能是（D）

• A.Jupyter notebook可以直接生成一份交互式文档
• B.Jupyter notebook可以安装Python库
• C.Jupyter notebook可以导出HTML文件
• D.Jupyter notebook可以将文件分享给他人

在Jupyter notebook的命令模式下，要查看所有快捷键应该按下的快捷键是 （ C ）

• A.M
• B.ESC
• C.H
• D.A

简述数据分析与数据挖掘的区别与联系。

差异类型	数据分析	数据挖掘
定义	描述和探索性分析，评估现状和修正性不足	技术性的“采矿”，过程，发现未知的模式和规律
侧重点	实际的业务知识	涉及到 业务知识
技能	统计学，数据库，Excel，可视化等	过硬的数学功底和编程技术
结果	需结合业务知识解读统计结果	模型或规律

简述数据可视化分析的基本过程。

• 包括数据处理、视觉编码和可视化生成。数据处理聚焦于数据的采集、清理、预处理、分析和挖掘；视觉编码聚焦于解决对光学图像进行接收、提取信息、加工变换、模式识别及存储显示；可视化生成则聚焦于解决将数据转换成图形，并进行交互处理。数据可视化分析通过对数据不断地观察、分析从而发现有用的信息模式。

简述Jupyter Notebook的安装及第三方包的安装过程。

• Python第三方包的安装方式较多，本书建议采用以下方式进行安装和管理。
  （1）在CMD命令窗口中，使用conda命令进行自动下载安装，用法如下：
  conda install <包名称列表> #安装包
  conda remove <包名称列表> #卸载包
  conda search<搜索项> #搜索包
  conda list #查看所有包
  conda update<包名称> #升级包
  （2）在CMD命令窗口中使用pip命令，用法如下：
  pip install <包名> #安装包
  pip install–upgrade <包名> #更新包
  pip uninstall <包名> #删除包
  也可以在Jupyter notebook的cell中运行pip命令执行相应的命令，只需在命令前加“！”，如执行 ! pip install 包名 进行包的安装。

简述Jupyter Notebook中编辑模式与命令模式之间的切换方法。

• 按esc键切换为命令模式，按enter键进入编辑模式

在Jupyter notebook的cell中安装包语句正确的是（C ）。

• A. pip install 包名
• B. conda install 包名
• C. !pip install 包名
• D. !conda install 包名

第二章

列表是不可变对象，支持在原处修改。 （ ）

• 错

元组是不可变的，不能直接修改元组中元素的值，也不能为元组增删元素。（ ）

• 对

Python使用lambda创建匿名函数，匿名函数拥有自己的命名空间。（ ）

• 对

同一个列表中的元素的数据类型可以各不相同。（ ）

• 对

列表、元组和字符串属于有序序列，其中的元素有严格的先后顺序。 （ ）

• 对

集合中的元素没有特定顺序但可以重复。（ ）

• 错

列表推导式在逻辑上等价于一个循环语句，只是形式上更加简洁（ ）

• 对

在Python中创建一个空集合，可以直接用 set1={} 。（ ）

• 错

列表、元组和字符串都支持双向索引，有效索引的范围为[-L,L]，L为列表、元组或字符串的长度。（ ）

• 错

包含列表的元组可以作为字典的键。（ ）

• 错

第三章

Numpy提供了两种基本对象，一种是ndarray，另一种是（ B ）

• A.array

• B.func

• C.matrix

• D.Series

创建一个3*3的数组，下列代码中错误的是（ C ）

• A.np.arange(0,9).reshape(3,3)

• B.np.eye(3)

• C.np.random.random([3,3,3])

• D.np.mat(“1,2,3;4,5,6;7,8,9”)

Numpy中统计数组元素个数的方法是（ C ）

• A.ndim

• B.shape

• C.size

• D.itemsize.

有arr = np.arange(12).reshape(3,4)，则arr[(0,1),(1,3)]对应的值是______和______；arr[1:2,(0, 3)]对应的元素是______和______；arr.ndim的值是______。

• 1 7 4 11 2

对于上题中的arr，若定义mask = np.array([1,0,1],dtype = np.bool)，则arr[mask,1] 对应的元素是______和______。

• 1 9

a=np.arange(8).reshape(2,4)，np.hsplit(a,2)返回值是______。

• [array([[0, 1],[4, 5]]),array([[2, 3],[6, 7]])]

数组转置是数据重塑的一种特殊形式，可以通过 ___方法或数组的T属性实现。

• transpose

创建一个范围在(0,1)之间的长度为12的等差数列的语句是 ___。

• np.linspace(0,1,12)

Numpy中数组的方法sort、argsort和lexsort分别是指 、 将___和 。

• 直接排序、x中的元素从小到大排列，提取其对应的index(索引)、对数组或列表按照某一行或列进行排序

实现创建一个10*10的ndarray对象，满足矩阵边界全为1，里面全为0对应的代码是______。

• a= np.zeros((10,10), dtype =int)
  a[0,:]=1
  a[:,9]=1
  a[:,0]=1
  a[9,:]=1

将数组arr中所有的奇数置为-1对应的语句是______。

• arr[arr%2!=0]=-1

Numpy中的diag函数用于创建（A ）。

• A.对角矩阵

• B.三角矩阵

• C.值为1的矩阵

• D.值为0的矩阵

Numpy.random模块中用于对一个序列进行随机排序的函数是（ B ）。

• A.uniform

• B.shuffle

• C.permutation

• D.normal

在NumPy中创建一个元素均为0的数组可以使用（ A ）函数。

• A.zeros( )

• B.arange( )

• C.linspace( )

• D.logspace( )

第四章

创建Series时如果指定了index，则只能用index访问数据。（ ）

• 错

创建DataFrame时会自动加上索引，且全部列会被有序排列。（ ）

• 对

Pandas中数据对象的索引可以随时被修改。 （ ）

• 错

Pandas中数据的重建索引指对索引重新排序而不是修改。（ ）

• 对

交叉表是一种特殊的透视表，主要用于计算分组频率。 （ ）

• 对

两个索引不一致的series进行算数运算会出错。（ ）

• 错

Pandas中与set_index方法相关用于还原索引的方法是 ___。

• reset_index

Series是一种一维数组对象，包含一个值序列。Series中的数据通过______访问。

• 索引

Series有两种描述某条数据的手段，即______和标签。

• 位置

一个DataFrame对象的属性values和ndim分别指___ 和 ___。

• 数据元素、维度

reindex方法中的参数method可以取值为‘ffill’和‘bfill’，分别指___ 和______。

• 前向填充、后向填充

随机抽取数据的语句sample(frac=0.7)中的frac参数的含义是______。

• 抽取比例

修改数据中的参数“inplace”的含义是______。

• 是否在原数据上修改

Pandas的数据对象在进行算术运算时如果存在不同索引会进行数据对齐，但会引入______。

• NAN值

Pandas中的applymap方法的作用是______。

• 将函数套用到数据的行与列上

Pandas中绘图时可以只用plot方法，具体绘图可以用参数 ___设置。

• kind

在以下Pandas方法中不能实现实现合并数据的函数是（ A ）。

• A. agg()函数

• B. concat()函数

• C. join()方法

• D. merge()函数

设置索引使用哪种方法。（ D ）

• A. merge()方法

• B. concat()方法

• C. to_datetime()方法

• D. set_index()方法

Pandas中的apply方法能将函数应用于每一列。（ ）

• 对

第五章

利用下面哪个可视化绘图可以发现数据的异常点。 （ C ）

A. 密度图

B. 直方图

C. 盒图

D. 概率图

以下关于缺失值检测的说法中，正确的是（ D ）

A. null和notnull可以对缺失值进行处理

B. dropna方法既可以删除观测记录，还可以删除特征

C. fillna方法中用来替换缺失值的值只能是数据框

D. Pandas库中的interpolate模块包含了多种插值方法

Pandas中利用merge函数合并数据表时默认的是内连接方式。（ ）

• 对

Pandas中的描述性统计一般会包括缺失数据。 （ ）

• 错

语句dataframe.dropna(thresh=len(df)*0.9,axis=1) 表示如果某列的缺失值超过90%则删除该列。 （ ）

• 错

利用merge方法合并数据时允许合并的DataFrame之间没有连接键。 （ ）

• 错

哑变量（Dummy Variables）又称虚拟变量，是用以反映质的属性的一个人工变量。（ ）

• 对

简述Pandas删除空缺值方法dropna中参数thresh的使用方法。

• dropna中的参数thresh当传入thresh = N时，表示要求一行至少具有N个非NaN才能存活。

简述Python中利用数据统计方法检测异常值的常用方法及其原理。

• a.散点图方法观察 b. 箱线图分析 c. 3σ法则
• 散点图
  就观察。。。哈哈哈
  箱线图
  大于上限，小于下限为异常值
  3σ法则
  超出3σ之外的值为异常值

简述数据分析中要进行数据标准化的主要原因。

• 不同特征之间往往具有不同的量纲，由此造成数值间的差异很大。因此为了消除特征之间量纲和取值范围的差异可能会造成的影响，需要对数据进行标准化处理

简述Pandas中利用cut方法进行数据离散化的用法。

• 将数据的值域划分成具有相同宽度的区间，区间个数由数据本身的特点决定或由用户指定。Pandas提供了cut函数，可以进行连续型数据的等宽离散化。cut函数的基础语法格式为：
  pandas.cut(x,bins,right=True,labels=None,retbins=False,precision=3)

在现实世界的数据中，缺失值是常有的，一般的处理方法有（ ABCD ）。

• A. 忽略

• B. 删除

• C. 平均值填充

• D. 最大值填充

Pandas中使用isnull().sum()可以统计缺失值。（ ）

• 对

Pandas中的dropna中的thresh=N时表明要求一行有N个NaN值时该数据才能保留。（ ）

• 错

第六章

Matplotlib中的哪个包提供了一批操作和绘图函数（A ）

• A.pyplot

• B.Bar

• C.rcparams

• D.pprint

以下关于绘图标准流程说法错误的是（ B ）

• A. 绘制简单的图形可以使用缺省的画布

• B. 添加图例可以在绘制图形之前

• C. 添加x轴，y轴的标签可以在绘制图形之前

• D. 修改x轴标签，y轴标签和绘制的图形没有先后

下列参数中调整后显示中文的（ C ）

• A. lines.linestyle

• B. lines.linewidth

• C. font.sans-serif

• D. axes.unicode_minus

以下说法错误的是（ C ）

• A. 饼图一般用于表示不同分类的占比情况。

• B. 箱线图展示了分位数的位置。

• C. 散点图无法反映特征间的统计关系。

• D. 词云对于文本中出现频率较高的关键词予以视觉上的突出。

简述数据可视化按照数据类型进行分类的类型。

• 有时空数据可视化，层次与网络结构数据可视化，文本和跨媒体数据可视化以及多变量数据可视化。

简述Matplotlib全局参数定制的方法。

• 查找到当前用户的配置文件目录，然后用编辑器打开，修改matplotlibrc文件，即可修改配置参数。

简述Matplotlib中通过text和annotate进行绘图文本注解的区别。

• text函数在指定位置加入文本注释，annotate函数在图像实现带有指向型的文本注释。

根据如下绘制写出相应的代码。

(1) 绘图函数：y=sin(x), y=cos(x), x = np.linspace(-np.pi, np.pi, 256, endpoint=True)；
(2) 绘制填充区域:
紫色区域：(-2.5<x)&(x<-0.5)
绿色区域：np.abs(x)<0.5，sinx>0.5
紫色的设置：color=‘purple’.

import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.sans-serif']=['SimHei'] 
plt.rcParams['axes.unicode_minus']=False   
# 创建x轴数据，从-pi到pi平均取256个点； 
x = np.linspace(-np.pi,np.pi,256,endpoint=True)   
# 创建y轴数据，根据X的值，求正弦和余弦函数； 
sin,cos = np.sin(x),np.cos(x)  
# 设置正弦函数曲线的颜色为蓝色(blue)，线型为实线，线宽为2.5mm；
#余弦函数曲线的颜色为红色(red)，线型为实线，线宽为2.5mm。
plt.plot(x,sin,"b-",lw=2.5,label="正弦Sin()")  
plt.plot(x,cos,"r-",lw=2.5,label="余弦Cos()")   
# 设置坐标轴的范围，将x轴、y轴同时拉伸1.5倍，
plt.xlim(x.min()*1.5,x.max()*1.5)
plt.ylim(cos.min()*1.5,cos.max()*1.5)
# 设置x轴、y轴的坐标刻度，
plt.xticks([-np.pi,-np.pi/2,0,np.pi/2,np.pi],[r'$-\pi$',r'$-\pi/2$',r'$0$',r'$\pi/2$',r'$\pi$'])
plt.yticks([-1,0,1])
# 为图表添加标题“绘图实例之COS()&SIN()”，字体大小设置为16，字体颜色设置为绿色；
plt.title("绘图实例之COS()&SIN()",fontsize=16,color="green")
# 在图表右下角位置文本为“python-matplotlib”，文本大小为16，文本颜色为紫色
plt.text(+2.1,-1.4,"python_matplotlib",fontsize=16,color="purple")
# 获取Axes对象，并隐藏右边界和上边界；
ax=plt.gca()   
ax.spines['right'].set_color('none')   
ax.spines['top'].set_color('none')      
#  将x轴的坐标刻度设置在坐标轴下侧，坐标轴平移至经过零点（0,0）的位置，
ax.xaxis.set_ticks_position('bottom')   
ax.spines['bottom'].set_position(('data',0))  
# 将y轴的坐标刻度设置在坐标轴左侧，坐标轴平移至经过零点（0,0）的位置，
ax.yaxis.set_ticks_position('left')        
ax.spines['left'].set_position(('data',0))    
# 添加图例，图例位置为左上角，图例文字大小为12，
plt.legend(loc="upper left",fontsize=12)
# 用绘制散点图的方法在正弦，余弦函数上标注这两个点的位置，设置点大小为50，设置相应的点颜色；
t1=-np.pi
t2=2*np.pi/3
plt.scatter([t1,],[np.cos(t1),], 50, color ='b')  
plt.scatter([t2,],[np.sin(t2),], 50, color ='r')
# 为图表添加带箭头的注释；
plt.annotate(r'$\sin(\frac{2\pi}{3})=\frac{\sqrt{3}}{2}$',
             xy=(t2,np.sin(t2)),    #点的位置
             xycoords='data',       #注释文字的偏移量
             xytext=(+10,+30),      #文字离点的横纵距离
             textcoords='offset points',
             fontsize=14,      #注释的大小
             arrowprops=dict(arrowstyle="->",connectionstyle="arc3,rad=.2"))   
plt.annotate(r'$\cos(-\pi)=-1$',
             xy=(t1,np.cos(t1)),   #点的位置
             xycoords='data',      #注释文字的偏移量
             xytext=(0,-40),       #文字离点的横纵距离
             textcoords='offset points',
             fontsize=14,    #注释的大小
             arrowprops=dict(arrowstyle="->",connectionstyle="arc3,rad=.2"))   
# 获取x,y轴的刻度，并设置字体；
for label in ax.get_xticklabels()+ax.get_yticklabels():
    label.set_fontsize(18)                                        
# 绘制填充区域；#设置正弦函数的填充区域，颜色为绿色（green），余弦函数的填充区域，颜色为紫色（purple）
plt.fill_between(x, np.abs(x)<0.5, sin, sin>0.5, color='g', alpha=0.8)
plt.fill_between(x, cos, where=(-2.5<x)&(x<-0.5), color='purple')
# 绘制网格线
plt.grid()
plt.show()

以下（ C ）函数可以在绘制图表时，设置x轴的名称。

• A. xlim()

• B. ylim()

• C. xlabel()

• D. xticks()

以下哪个函数可以实现画布的创建？（ C ）

• A. subplots( )

• B. add_subplot( )

• C. figure( )

• D. subplot2grid( )

在极坐标投影中，需要以半径和角度的形式定义。（ ）

• 对

在matplotlib里面，可以使用LaTex的命令来编辑公式，只需要在字符串前面加一个字符___即可。

• r

在绘图中，有时候需要同时显示数据表格。Matplotlib在绘图中提供了___方法可以同时显示数据表格。

• table

Matplotlib配置了配色方案和默认设置。有两种方式可以设置参数，即全局参数定制和 ___方法。

• rc参数设置

绘图时可以通过text函数在指定位置加入注释，也可以通过___ 在图中实现带有指向型的文本注释。

• annotabe

Matplotlib中绘图时的参数___ 用于设置点的透明度。

• alpha

第七章

Seaborn的绘图更加便捷美观，是matplotlib的替代。 （ ）

• 错

需要转换默认的Seaborn绘图风格，只需调用有参数设置的set方法。（ ）

• 错

使用Seaborn中的set_style( ) 设置主题，有5个预设的主题。（ ）

• 对

热力图实现过程就是将离散的点信息映射为图像。（ ）

• 对

简述Seaborn绘图风格设置的内容和方法。

• Seaborn通过set函数实现风格设置。
  seaborn.set(context=‘notebook’, style=‘darkgrid’, palette=‘deep’, font=‘sans-serif’, font_scale=1, color_codes=True, rc=None)

简述Seaborn绘图主题设置的内容和方法。

• Seaborn将matplotlib的参数划分为两个独立的组合。第一组是设置绘图的外观风格的，第二组主要将绘图的各种元素按比例缩放的，以至可以嵌入到不同的背景环境中。控制这些参数的接口主要有两对方法：
  控制风格：axes_style(), set_style()
  缩放绘图：plotting_context(), set_context()
  每对方法中的第一个方法（axes_style(), plotting_context()）会返回一组字典参数，而第二个方法（set_style(), set_context()）会设置matplotlib的默认参数。
  利用set_style( )设置主题，Seaborn有五个预设的主题： darkgrid、 whitegrid、dark、white和 ticks，默认为darkgrid。

简述临时设置绘图参数的方法。

• 利用with语句
  with sns.axes_style(“darkgrid”):
  plt.subplot(2,1,1)
  sinplot( )

Seaborn中的relplot方法关注的是统计量之间的关系，利用kind参数设置，可以绘制出曲线图和散点图。（ ）

• 对

在Seaborn中可以将一个字典参数传递给axes_style()的参数rc进行参数设置。（ ）

• 对

绘制回归图可以揭示两个变量之间的线性关系。（ ）

• 对

Seaborn中可以通过___方法移除绘图上方和右方坐标上不需要的边框。

• despine

在Seaborn中使用______方法实现数据特征两两对比的散点图矩阵。

• pairplot

第八章

简述pyecharts代码链式调用的方法。

• V1 版本开始支持链式调用
  bar = ( Bar()
  .add_xaxis([“衬衫”, “毛衣”, “领带”, “裤子”, “风衣”, “高跟鞋”, “袜子”])
  .add_yaxis(“商家A”, [114, 55, 27, 101, 125, 27, 105])
  .set_global_opts(title_opts = opts.TitleOpts(title = “某商场销售情况”)) )
  bar.render_notebook()

简述桑基图和平行坐标图的主要作用。

• 桑基图(Sankey diagram)即桑基能量分流图，也叫桑基能量平衡图。它是一种特定类型的流程图，图中延伸的分支的宽度对应数据流量的大小，通常应用于能源、材料成分、金融等数据的可视化分析。Pyecharts中利用Sankey绘制桑基图。
  平行坐标图（Parallel Coordinates Plot）是对于具有多个属性问题的一种可视化方法。在平行坐标图中，数据集的一行数据在平行坐标图中用一条折线表示，纵向是属性值，横向是属性类别（用索引表示）。

简述pyecharts中地图绘制的主要过程。

• 安装pycharts
• 创建实例
• 添加数据
• 设置系列配置项
• 设置全局配置项
• 生成的地图以html格式保存

pyecharts还可以生成地理空间流动图，用来表示航班数量、人口流动等等。（ ）

• 对

图是一种抽象的数据结构，可以描述最广泛的数据间的关系，如交通网络，微信中的朋友关系网。（ ）

• 对

pyecharts中通过___绘制漏斗图。

• funnel

pyecharts中通过___ 绘制K线图。

• kline

pyecharts中通过___ 绘制仪表盘图。

• gauge

pyecharts中通过 ___绘制仪桑基图。

• sankey

___是对于具有多个属性问题的一种可视化方法，其中，数据集的一行数据在平行坐标图中用一条折线表示，

• 平行坐标图

第九章

在Pandas中用于创建指定长度的日期型序列的方法是pandas.___ 方法。

• date_range

datetime类数据是date类和time类的组合。通过 ___方法可以查看当前系统时间。

• now()

可以使用datetime.strptime将字符串转换为______。

• 时间类型

时间序列的重采样是时间序列频率转换的过程，高频率聚合到低频率称为______。

• 下采样

简述时间序列数据分析的应用场景。

• 在多个时间点观测或测量的数据形成了时间序列。时间序列数据是一种重要的结构化数据类型，如金融、经济、生态学、神经科学和物理学等领域。

简述用Python来进行平稳性检验的常用方法。

• 用Python来进行平稳性检验主要有时序图检验、自相关图检验以及构造统计量进行检验3种方法。
  （1）时序图
  时序图就是普通的时间序列图，即以时间为横轴，观察值为纵轴进行检验。利用时序图可以粗略观察序列的平稳性。
  （2）自相关图检验
  平稳序列通常具有短期相关性，即随着延迟期数k的增加，平稳序列的自相关系数会很快地衰减向零，而非平稳序列的自相关系数的衰减速度会比较慢。画自相关图用到的是statsmodels中的plot_acf方法。自相关图中横轴表示延迟期数，纵轴表示自相关系数。
  （3）构造统计量
  利用绘图判断序列的平稳性比较直观，但不够精确，ADF（Augmented Dickey-Fuller）法直接通过假设检验的方式来验证平稳性。ADF的原假设（H0）和备择假设（H1）如下：
  H0：具有单位根，属于非平稳序列；
  H1：没有单位根，属于平稳序列。
  Python中可以使用statsmodels中的adfuller方法进行ADF检验，直接输入数据，即可返回7个数值。其中的第一个返回值adf就是ADF方法的检验结果，这个值理论上越负越能拒绝原假设；第二个返回值pvalue以常用的判断标准值0.05作为参考，若其值大于0.05，说明支持原假设，反之拒绝原假设，表明该序列是一个平稳序列。

分析股票你选择用哪种分析方法（ C ）

• A. 聚类

• B. 一元线性回归

• C. 时间序列

• D. 多元线性回归

时间序列索引方法和Pandas数据的索引是相同的。（ ）

• 对

时序图就是普通的时间序列图，即以时间为横轴，观察值为纵轴进行检验。（ ）

• 对

利用时序图可以粗略观察序列的平稳性。（ ）

• 对

自相关图中横轴表示延迟期数，纵轴表示自相关系数。（ ）

• 对

ADF（Augmented Dickey-Fuller）法直接通过假设检验的方式来验证平稳性。（ ）

• 对

在Pandas中可以通过___方法快速将一列字符串转换为datatime数据。

• to_datatime