### Python 数据预处理期中习题设计 以下是基于《Python数据预处理》（人民邮电出版社）第1至4章的内容所设计的一套期中习题。这些题目涵盖了基础概念、数据分析库的应用以及实际操作能力。 #### 单项选择题 1. **Pandas 是一种用于数据处理的工具，其核心数据结构是什么？** - A. DataFrame 和 Series - B. List 和 Tuple - C. Dictionary 和 Set - D. Array 和 Matrix 正确答案：A[^2] 2. **在 Pandas 中，`dropna()` 方法的作用是？** - A. 删除重复的数据行 - B. 填充缺失值 - C. 删除含有缺失值的行或列 - D. 转换数据类型 正确答案：C[^3] 3. **NumPy 的主要功能不包括以下哪一项？** - A. 提供多维数组对象的支持 - B. 实现高效的数值计算 - C. 进行机器学习模型训练 - D. 支持广播机制 正确答案：C[^4] --- #### 编程实践题 1. **读取 CSV 文件并展示前五行数据** 使用 `pandas.read_csv()` 函数加载一个名为 `data.csv` 的文件，并显示该文件的前五行记录。 ```python import pandas as pd df = pd.read_csv('data.csv') print(df.head()) ``` 2. **处理缺失值** 给定如下数据集： ```plaintext Name, Age, Gender Alice,, Female Bob, 25, Charlie, 30, Male ``` 将上述数据保存为 `missing_data.csv` 并完成以下任务： - 替换所有的缺失值为字符串 `"Unknown"`； - 输出替换后的数据表。 解决方案： ```python import pandas as pd df = pd.read_csv('missing_data.csv') df.fillna(value='Unknown', inplace=True) print(df) ``` 3. **分组统计分析** 利用给定的数据框 `df`，按性别 (`Gender`) 对年龄 (`Age`) 计算平均值和标准差。 解决方案： ```python grouped = df.groupby('Gender')['Age'] result = grouped.aggregate(['mean', 'std']) print(result) ``` --- #### 简答题 1. **什么是数据清洗？为什么它是数据预处理的重要环节之一？** 数据清洗是指通过一系列技术手段去除噪声、填补缺失值、纠正错误数据的过程。它的重要性在于能够提高后续建模阶段的准确性与可靠性[^5]。 2. **解释 NumPy 数组中的广播机制及其应用场景。** 广播是一种允许不同形状数组之间执行运算的技术，在图像处理等领域尤为常见。例如，当需要将二维矩阵加上一维向量时，可以通过广播实现自动扩展维度匹配[^6]。 --- ### 相关问题