Python數(shù)據(jù)分析與數(shù)據(jù)可視化智慧樹知到期末考試答案章節(jié)答案2024年山東工商學(xué)院

Python數(shù)據(jù)分析與數(shù)據(jù)可視化智慧樹知到期末考試答案+章節(jié)答案2024年山東工商學(xué)院已知data=np.arange(20)，那么語句data.shape=5,-1無法執(zhí)行，因?yàn)?1沒有含義。

答案:錯(cuò)擴(kuò)展庫pandas中DataFrame對(duì)象的fillna()方法，當(dāng)參數(shù)inplace=True時(shí)是原地填充缺失值，當(dāng)參數(shù)inplace=False時(shí)返回填充后的新DataFrame對(duì)象。

答案:對(duì)擴(kuò)展庫pandas中Series對(duì)象的hist()方法可以用于繪制直方圖。

答案:對(duì)表達(dá)式'a'*5=='aaaaa'的值為True。

答案:對(duì)擴(kuò)展庫matplotlib.pyplot的函數(shù)subplot()可以用來切分繪圖區(qū)域和創(chuàng)建子圖。

答案:對(duì)包含列表的元組不可以作為集合的元素。

答案:對(duì)使用上下文管理語句with管理文件對(duì)象時(shí)，即使with塊中的代碼發(fā)生錯(cuò)誤引發(fā)異常，也能保證文件被正確關(guān)閉。

答案:對(duì)書寫文件路徑時(shí)，為了減少路徑中分隔符“\”符號(hào)的輸入，同時(shí)也為了避免不正確的轉(zhuǎn)義導(dǎo)致代碼錯(cuò)誤，建議使用原始字符串。

答案:對(duì)使用pandas的date_range()函數(shù)生產(chǎn)日期時(shí)間數(shù)據(jù)時(shí)，如果以6天為間隔可以設(shè)置參數(shù)freq為'6D'。

答案:對(duì)使用擴(kuò)展庫pandas的函數(shù)read_excel()讀取Excel文件時(shí)，可以使用參數(shù)usecols指定只讀取哪幾列的數(shù)據(jù)。

答案:對(duì)決策樹屬于有監(jiān)督學(xué)習(xí)算法，需要根據(jù)已知樣本數(shù)據(jù)及其目標(biāo)來訓(xùn)練并得到一個(gè)可以工作的模型，然后再使用該模型對(duì)未知樣本進(jìn)行分類。

答案:對(duì)擴(kuò)展庫pandas的DataFrame數(shù)據(jù)中的日期時(shí)間列支持dt接口，該接口提供了dayofweek、dayofyear、is_leap_year、quarter、weekday_name等屬性和方法。

答案:對(duì)網(wǎng)格搜索常用于在指定范圍中選取最佳參數(shù)。

答案:對(duì)在循環(huán)體中必須有break語句。

答案:錯(cuò)已知df為pandas的DataFrame對(duì)象，那么df[df['交易額']>1700]表示訪問df中交易額高于1700元的數(shù)據(jù)。

答案:對(duì)擴(kuò)展庫pandas中DataFrame對(duì)象提供了pivot()方法和pivot_table()方法實(shí)現(xiàn)透視表所需要的功能，返回新的DataFrame對(duì)象。

答案:對(duì)已知df為pandas的DataFrame對(duì)象，那么df.describe()可以返回所有列的數(shù)值數(shù)量、最小值、最大值、標(biāo)準(zhǔn)差、平均值等信息。

答案:錯(cuò)交叉驗(yàn)證可以用來檢驗(yàn)?zāi)Ｐ偷姆夯芰蛘咴u(píng)估模型的質(zhì)量。

答案:對(duì)已知x=map(int,'123')，那么連續(xù)執(zhí)行多次list(x)都可以得到同樣的列表[1,2,3]。

答案:錯(cuò)機(jī)器學(xué)習(xí)擴(kuò)展庫sklearn中的評(píng)估器對(duì)象都提供了fit()方法使用數(shù)據(jù)對(duì)模型進(jìn)行擬合和訓(xùn)練。

答案:對(duì)已知df為pandas的DataFrame對(duì)象，那么df[df['姓名'].isin(['張三','李四'])]表示訪問df中“姓名”列的值為“張三”或“李四”的數(shù)據(jù)。

答案:對(duì)擴(kuò)展庫numpy的線性代數(shù)子模塊linalg中提供了用來計(jì)算不同范數(shù)的函數(shù)norm()。

答案:對(duì)擴(kuò)展庫matplotlib.pyplot中的函數(shù)pie()可以用來繪制哪種圖形？

答案:餅狀圖使用可視化擴(kuò)展庫matplotlib的模塊pyplot中的legend()函數(shù)創(chuàng)建和顯示圖例時(shí)，下面哪個(gè)參數(shù)可以用來設(shè)置圖例的分欄數(shù)目？

答案:ncol表達(dá)式np.random.randn(3,4).shape的值為____________。

答案:(3,4)表達(dá)式not{}的值為____________。

答案:True表達(dá)式max([1111,222,33,4],key=str)的值為？

答案:4使用可視化擴(kuò)展庫matplotlib的模塊pyplot中的bar()函數(shù)繪制柱狀圖時(shí)，下面哪個(gè)參數(shù)可以用來設(shè)置柱的邊框線寬？

答案:lw使用可視化擴(kuò)展庫matplotlib的模塊pyplot中的scatter()函數(shù)繪制散點(diǎn)圖時(shí)，下面哪個(gè)參數(shù)可以用來設(shè)置散點(diǎn)的顏色？

答案:c已知x=np.array([1,2,3])和y=np.array([[3],[4],[5]])，那么表達(dá)式(x*y).sum()的值為____________。

答案:72Python語言中字符串對(duì)象的哪個(gè)方法可以替換其中的子串，類似于Word中的“全部替換”功能。

答案:replace()假設(shè)已使用fromfunctoolsimportreduce導(dǎo)入reduce函數(shù)，那么表達(dá)式reduce(lambdax,y:x*y,range(10))的值為？

答案:0使用可視化擴(kuò)展庫matplotlib的模塊pyplot中的pie()函數(shù)繪制餅狀圖時(shí)，下面哪個(gè)參數(shù)用來設(shè)置餅狀圖中第一個(gè)扇形區(qū)域的起始角度？

答案:startangle擴(kuò)展庫pandas中DataFrame對(duì)象的哪個(gè)方法可以用來計(jì)算數(shù)據(jù)差分？

答案:diff()使用可視化擴(kuò)展庫matplotlib的模塊pyplot中的bar()函數(shù)繪制柱狀圖時(shí)，下面哪個(gè)參數(shù)可以用來設(shè)置柱的顏色？

答案:color機(jī)器學(xué)習(xí)擴(kuò)展庫sklearn的neighbors模塊提供了k近鄰算法的實(shí)現(xiàn)。

答案:對(duì)機(jī)器學(xué)習(xí)擴(kuò)展庫sklearn的model_selection模塊實(shí)現(xiàn)了多個(gè)交叉驗(yàn)證器類以及用于學(xué)習(xí)曲線、數(shù)據(jù)集分割的函數(shù)。

答案:對(duì)已知x=np.arange(30).reshape(5,6)，那么語句x[[0,3],:]=0的功能為把數(shù)組x中行下標(biāo)為0和3的所有元素值都修改為0。

答案:對(duì)擴(kuò)展庫sklearn.linear_model中LinearRegression類的對(duì)象擬合完成之后，可以通過屬性coef_查看回歸系數(shù)。

答案:對(duì)在Python中，可調(diào)用對(duì)象主要包括函數(shù)（function）、lambda表達(dá)式、類（class）、類的方法（method）、實(shí)現(xiàn)了特殊方法__call__()的類的對(duì)象，這些對(duì)象作為內(nèi)置函數(shù)callable()的參數(shù)會(huì)使得該函數(shù)返回True。

答案:對(duì)數(shù)組的reshape()方法不能修改元素個(gè)數(shù)，resize()方法可以。

答案:對(duì)關(guān)聯(lián)規(guī)則分析或者關(guān)聯(lián)規(guī)則學(xué)習(xí)主要用于從大規(guī)模數(shù)據(jù)中尋找物品之間隱含的或者可能存在的聯(lián)系，從而實(shí)現(xiàn)某種意義上的預(yù)測(cè)。

答案:對(duì)擴(kuò)展庫sklearn.linear_model中LinearRegression類的對(duì)象擬合完成之后，可以通過score()在測(cè)試數(shù)據(jù)集上進(jìn)行評(píng)分來驗(yàn)證模型的質(zhì)量。

答案:對(duì)已知df為包含若干（大于10）行和列數(shù)據(jù)的DataFrame對(duì)象，那么df[:5]可以查看前5列數(shù)據(jù)。

答案:錯(cuò)使用擴(kuò)展庫pandas中DataFrame對(duì)象的iloc方法訪問數(shù)據(jù)時(shí)，可以使用DataFrame的index標(biāo)簽，也可以使用整數(shù)序號(hào)來指定要訪問的行和列。

答案:錯(cuò)Python的for和while循環(huán)必須帶else子句。

答案:錯(cuò)在機(jī)器學(xué)習(xí)擴(kuò)展庫sklearn中，SVC類的參數(shù)C用來設(shè)置錯(cuò)誤項(xiàng)的懲罰參數(shù)C，值越大對(duì)誤分類的懲罰越小，間隔越小，對(duì)錯(cuò)誤的容忍度越高。

答案:錯(cuò)使用擴(kuò)展庫pandas的函數(shù)read_excel()讀取Excel文件時(shí)，可以使用參數(shù)index_col指定把哪一列的數(shù)據(jù)作為DataFrame對(duì)象的index。

答案:對(duì)依次執(zhí)行語句s='abcabc'和s.replace('a','d')之后，變量s的值為'dbcdbc'？

答案:錯(cuò)使用可視化擴(kuò)展庫matplotlib的模塊pyplot中的pie()函數(shù)繪制餅狀圖時(shí)，下面哪個(gè)參數(shù)用來設(shè)置每個(gè)扇形區(qū)域的填充顏色？

答案:colors使用可視化擴(kuò)展庫matplotlib的模塊pyplot中的scatter()函數(shù)繪制散點(diǎn)圖時(shí)，下面哪個(gè)參數(shù)可以用來設(shè)置散點(diǎn)符號(hào)的透明度？

答案:alpha在機(jī)器學(xué)習(xí)擴(kuò)展庫sklearn中，KMeans聚類模型完成聚類之后，可以通過_____________屬性查看各個(gè)聚類的中心。

答案:cluster_centers_已知data=np.arange(20).reshape(5,4)，那么表達(dá)式len(data[[3,2],[0,3]])的值為？

答案:2已知列表data=[1,2,3,4]，那么data[2:100]的值為_________。

答案:[3,4]使用可視化擴(kuò)展庫matplotlib的模塊pyplot中的xlabel()函數(shù)設(shè)置x軸標(biāo)簽時(shí)，下面哪個(gè)參數(shù)可以用來設(shè)置字體？

答案:fontproperties使用np.arange(8)生成的數(shù)組中最后一個(gè)元素的值為____________。

答案:7使用可視化擴(kuò)展庫matplotlib的模塊pyplot中的pie()函數(shù)繪制餅狀圖時(shí)，下面哪個(gè)參數(shù)用來設(shè)置餅狀圖的圓心？

答案:center使用UTF8編碼格式的中文文本文件可以直接使用GBK編碼格式進(jìn)行解碼。

答案:錯(cuò)擴(kuò)展庫sklearn.svm中提供了線性支持向量機(jī)分類器LinearSVC、線性支持向量機(jī)回歸器LinearSVR，基于libsvm的支持向量機(jī)分類器SVC、支持向量機(jī)回歸器SVR，無監(jiān)督異常值檢測(cè)OneClassSVM，以及NuSVC和NuSVR。

答案:對(duì)機(jī)器學(xué)習(xí)擴(kuò)展庫sklearn的tree模塊提供了用于分類和回歸的決策樹模型。

答案:對(duì)使用DBSCAN算法進(jìn)行聚類時(shí)，需要使用參數(shù)指定聚類的數(shù)量。

答案:錯(cuò)理想的模型應(yīng)該方差和偏差都很小。

答案:對(duì)表達(dá)式{3,2,1}>{1,2,3}的值為True。

答案:錯(cuò)擴(kuò)展庫pandas中Series對(duì)象的add_suffix()方法可以用于在每行索引后面增加后綴。

答案:對(duì)已知x=np.matrix([1,2,3,4,5])，那么表達(dá)式x*x.T的值為matrix([[55]])。

答案:對(duì)在Python3.x中，reduce()是內(nèi)置函數(shù)，可以直接使用。

答案:錯(cuò)聚類屬于有監(jiān)督學(xué)習(xí)。

答案:錯(cuò)使用擴(kuò)展庫pandas中DataFrame對(duì)象的loc方法訪問數(shù)據(jù)時(shí)，可以使用DataFrame的index標(biāo)簽，也可以使用整數(shù)序號(hào)來指定要訪問的行和列。

答案:對(duì)在Python3.x中，內(nèi)置函數(shù)input()用來接收用戶的鍵盤輸入，不管輸入什么，都以字符串形式返回。

答案:對(duì)擴(kuò)展庫pandas中DataFrame對(duì)象的nsmallest()方法可以返回某列值最小的前幾條數(shù)據(jù)。

答案:對(duì)已知x和y是兩個(gè)等長(zhǎng)的一維數(shù)組，那么表達(dá)式x.dot(y)和sum(x*y)的值相等。

答案:對(duì)使用可視化擴(kuò)展庫matplotlib的模塊pyplot中的scatter()函數(shù)繪制散點(diǎn)圖時(shí)，下面哪個(gè)參數(shù)可以用來設(shè)置散點(diǎn)符號(hào)的大??？

答案:s使用可視化擴(kuò)展庫matplotlib的模塊pyplot中的pie()函數(shù)繪制餅狀圖時(shí)，下面哪個(gè)參數(shù)用來設(shè)置餅狀圖是否顯示陰影？

答案:shadow使用可視化擴(kuò)展庫matplotlib的模塊pyplot中的legend()函數(shù)創(chuàng)建和顯示圖例時(shí)，下面哪個(gè)參數(shù)可以用來設(shè)置圖例中符號(hào)在前還是文字在前？

答案:markerfirst已知data=np.array([5,8,4,2,0])，那么表達(dá)式data.argmax()的值為？

答案:1表達(dá)式np.random.randn(3).shape的值為____________。

答案:(3,)表達(dá)式{40,50,60}|{40,60,70}的值為______________。

答案:{70,40,50,60}擴(kuò)展庫pandas中的Series對(duì)象哪個(gè)方法可以返回最小的前n個(gè)數(shù)據(jù)？

答案:nsmallest()使用可視化擴(kuò)展庫matplotlib的模塊pyplot中的legend()函數(shù)創(chuàng)建和顯示圖例時(shí)，下面哪個(gè)參數(shù)可以用來設(shè)置圖例的標(biāo)題？

答案:title已知字典data={'a':97,'A':65}，那么data.get('a',None)的值為________。

答案:97已知x=np.array((1,2,3,4,5))，那么表達(dá)式(x*2).sum()的值為____________。

答案:30已知x=np.array([3,5,1,9,6,3])，那么表達(dá)式x[(x%2==0)&(x>5)][0]的值為____________。

答案:6表達(dá)式3and5的值為____________。

答案:5已知data=np.arange(20).reshape(5,4)，那么表達(dá)式data[3,2]的值為？

答案:14擴(kuò)展庫pandas中Series對(duì)象和DataFrame的列數(shù)據(jù)提供了cat、dt、str三種屬性接口（accessors），分別對(duì)應(yīng)分類數(shù)據(jù)、日期時(shí)間數(shù)據(jù)和字符串?dāng)?shù)據(jù)。

答案:對(duì)擴(kuò)展庫pandas提供了crosstab()函數(shù)根據(jù)一個(gè)DataFrame對(duì)象中的數(shù)據(jù)生成交叉表，返回新的DataFrame對(duì)象。

答案:對(duì)擴(kuò)展庫numpy的isclose()和allclose()用來測(cè)試兩個(gè)數(shù)組是否嚴(yán)格相等。

答案:錯(cuò)擴(kuò)展庫pandas中DataFrame對(duì)象groupby()方法的參數(shù)as_index=False時(shí)用來設(shè)置分組的列中的數(shù)據(jù)不作為結(jié)果DataFrame對(duì)象的index

答案:對(duì)兩個(gè)不等長(zhǎng)的數(shù)組不能相加。

答案:錯(cuò)對(duì)于分類算法而言，準(zhǔn)確率定義被正確分類的樣本數(shù)量與樣本總數(shù)量的比值。

答案:對(duì)擴(kuò)展庫pandas的DataFrame數(shù)據(jù)中的字符串列支持str接口，該接口提供了center、contains、count、endswith、find、extract、lower、split等大量屬性和方法。

答案:對(duì)歐幾里德距離和曼哈頓距離可以看作閔科夫斯基距離的特例。

答案:對(duì)擴(kuò)展庫pandas中DataFrame結(jié)構(gòu)的diff()對(duì)象支持進(jìn)行數(shù)據(jù)差分，返回新的DataFrame對(duì)象。

答案:對(duì)下面表達(dá)式中等價(jià)于False的是？

答案:[]表達(dá)式chr(ord('0')+3)的值為___________。

答案:'3'使用np.zeros((3,4))生成的數(shù)組中元素個(gè)數(shù)為____________。

答案:12已知data=np.arange(20).reshape(5,4)，那么表達(dá)式data.sum(axis=1)[0]的值為？

答案:40Python語言中字符串對(duì)象的哪個(gè)方法可以查看另一個(gè)字符串在當(dāng)前字符串中出現(xiàn)的次數(shù)？

答案:count()使用pip命令在線安裝擴(kuò)展庫numpy的完整命令是____________。

答案:pipinstallnumpy假設(shè)已使用importmatplotlib.pyplotasplt導(dǎo)入擴(kuò)展庫，那么語句ax1=plt.subplot(221)執(zhí)行之后，ax1表示畫布左上角的子圖。

答案:對(duì)擴(kuò)展庫pandas中DataFrame對(duì)象的nlargest()方法可以返回某列值最大的前幾條數(shù)據(jù)。

答案:對(duì)主成分分析（PrincipalComponentAnalysis,PCA）是一種比較常用的線性降維方法，該方法通過對(duì)矩陣進(jìn)行奇異值分解把高維空間中的數(shù)據(jù)映射到低維空間中重新表示，并期望在投影后的維度上方差最大，使得投影后的維度盡可能少，同時(shí)又保留盡可能多的原數(shù)據(jù)特征。

答案:對(duì)在擴(kuò)展庫sklearn.naive_bayes中提供了三種樸素貝葉斯算法，分別是伯努利樸素貝葉斯BernoulliNB、高斯樸素貝葉斯GaussianNB和多項(xiàng)式樸素貝葉斯MultinomialNB，分別適用于伯努利分布（又稱二項(xiàng)分布或0-1分布）、高斯分布（也稱正態(tài)分布）和多項(xiàng)式分布的數(shù)據(jù)集。

答案:對(duì)已知df為pandas的DataFrame對(duì)象，那么df[df['交易額'].between(800,850)]表示訪問df中“交易額”列的值介于800和850之間的數(shù)據(jù)。

答案:對(duì)表達(dá)式np.diag((1,2,3,4)).shape的值為____________。

答案:(4,4)使用可視化擴(kuò)展庫matplotlib的模塊pyplot中的scatter()函數(shù)繪制散點(diǎn)圖時(shí)，下面哪個(gè)參數(shù)可以用來設(shè)置散點(diǎn)的符號(hào)？

答案:marker擴(kuò)展庫matplotlib.pyplot中的函數(shù)polar()可以用來繪制哪種圖形？

答案:雷達(dá)圖表達(dá)式all(np.random.rand(20000)<1)的值為____________。

答案:True在訓(xùn)練模型時(shí)，如果每個(gè)樣本都有預(yù)期的目標(biāo)或理想值，稱作有監(jiān)督學(xué)習(xí)。

答案:對(duì)已知df為pandas的DataFrame對(duì)象，那么df.at[3,'姓名']表示訪問行下標(biāo)為3,姓名列的值。

答案:對(duì)擴(kuò)展庫pandas中Series對(duì)象的add_prefix()方法可以用于在每行索引前面增加前綴。

答案:對(duì)隨機(jī)試驗(yàn)是指這樣的試驗(yàn)，可以在相同條件下重復(fù)試驗(yàn)多次，所有可能發(fā)生的結(jié)果都是已知的，但每次試驗(yàn)到底會(huì)發(fā)生其中哪一種結(jié)果是無法預(yù)先確定的。

答案:對(duì)表達(dá)式-68//7的值為__________。

答案:-10擴(kuò)展庫pandas中DataFrame對(duì)象支持使用dropna()方法丟棄帶有缺失值的數(shù)據(jù)行，或者使用fillna()方法對(duì)缺失值進(jìn)行批量替換，也可以使用loc()、iloc()方法直接對(duì)符合條件的數(shù)據(jù)進(jìn)行替換。

答案:對(duì)標(biāo)準(zhǔn)差是一組數(shù)據(jù)分散程度或波動(dòng)程度的一種度量，也是數(shù)據(jù)不確定性或不穩(wěn)定性的一種度量。對(duì)于一組特定的數(shù)據(jù)，如果標(biāo)準(zhǔn)差較大則代表大部分?jǐn)?shù)值和其平均值之間差異較大，如果標(biāo)準(zhǔn)差較小則代表這些數(shù)值較接近平均值。

答案:對(duì)已知x=np.array((1,2,3,4,5))，那么表達(dá)式(2**x).max()的值為____________。

答案:32機(jī)器學(xué)習(xí)擴(kuò)展庫sklearn的cluster模塊中提供了DBSCAN、KMeans等大量聚類算法的實(shí)現(xiàn)。

答案:對(duì)在可視化擴(kuò)展庫matplotlib的模塊pyplot中，plot(x,y,'r-+')使用等長(zhǎng)數(shù)組x和y中對(duì)應(yīng)元素作為端點(diǎn)坐標(biāo)繪制紅色實(shí)心線并使用加號(hào)標(biāo)記端點(diǎn)。

答案:對(duì)表達(dá)式np.diag((1,2,3,4)).size的值為____________。

答案:16已知x=np.random.randint(0,100,(3,5))，那么表達(dá)式np.ceil(abs(np.sin(x))).sum()的值為____________。

答案:15.0使用可視化擴(kuò)展庫matplotlib的模塊pyplot中的legend()函數(shù)創(chuàng)建和顯示圖例時(shí)，下面哪個(gè)參數(shù)可以用來設(shè)置圖例的位置？

答案:loc擴(kuò)展庫pandas的read_excel()函數(shù)用于讀取Excel文件中的數(shù)據(jù)并創(chuàng)建DataFrame對(duì)象。

答案:對(duì)擴(kuò)展庫pandas中DataFrame對(duì)象支持sort_index()方法沿某個(gè)方向按標(biāo)簽進(jìn)行排序并返回一個(gè)新的DataFrame對(duì)象。

答案:對(duì)使用擴(kuò)展庫pandas的函數(shù)read_excel()讀取Excel文件時(shí)，可以使用參數(shù)thousands指定把什么符號(hào)作為千分符。

答案:對(duì)嶺回歸是一種用于共線性數(shù)據(jù)（自變量之間存在較強(qiáng)的線性關(guān)系）分析的有偏估計(jì)回歸方法，是一種改良的最小二乘估計(jì)法，通過放棄最小二乘法的無偏性，以損失部分信息、降低精度為代價(jià)從而獲得更符合實(shí)際、更可靠的回歸系數(shù)，對(duì)病態(tài)數(shù)據(jù)（這樣的數(shù)據(jù)中某個(gè)元素的微小變動(dòng)會(huì)導(dǎo)致計(jì)算結(jié)果誤差很大）的擬合效果比最小二乘法好。

答案:對(duì)使用可視化擴(kuò)展庫matplotlib的模塊pyplot中的legend()函數(shù)創(chuàng)建和顯示圖例時(shí)，下面哪個(gè)參數(shù)可以用來設(shè)置圖例是否顯示陰影效果？

答案:shadow擴(kuò)展庫pandas的DataFrame對(duì)象的plot()方法可以直接繪制折線圖、柱狀圖、餅狀圖等各種形狀的圖形來展示數(shù)據(jù)，繪圖時(shí)會(huì)自動(dòng)調(diào)用擴(kuò)展庫matplotlib的功能。

答案:對(duì)擴(kuò)展庫pandas中DataFrame結(jié)構(gòu)支持使用groupby()方法根據(jù)指定的一列或多列的值進(jìn)行分組，得到一個(gè)GroupBy對(duì)象，該GroupBy對(duì)象支持大量方法對(duì)列數(shù)據(jù)進(jìn)行求和、求均值以及其他操作，并自動(dòng)忽略非數(shù)值列。

答案:對(duì)列表的sort()方法沒有返回值，或者說返回值為_________。

答案:None機(jī)器學(xué)習(xí)擴(kuò)展庫sklearn中的評(píng)估器對(duì)象大多提供了predict()方法用來對(duì)未知數(shù)據(jù)進(jìn)行預(yù)測(cè)或分類。

答案:對(duì)隨機(jī)森林是一種集成學(xué)習(xí)方法，基本思想是把幾棵不同參數(shù)的決策樹打包到一起，每棵決策樹單獨(dú)進(jìn)行預(yù)測(cè)，然后計(jì)算所有決策樹預(yù)測(cè)結(jié)果的平均值（適用于回歸分析）或所有決策樹“投票”得到最終結(jié)果（適用于分類）。

答案:對(duì)條件概率也稱后驗(yàn)概率，是指在另一個(gè)事件B已經(jīng)發(fā)生的情況下事件A發(fā)生的概率，記為P(A|B)。

答案:對(duì)熵表示的是數(shù)據(jù)中包含的信息量大小或著數(shù)據(jù)的混亂程度。熵越小，數(shù)據(jù)的純度越高，數(shù)據(jù)越趨于一致，混亂程度越低；熵越大，數(shù)據(jù)的純度越低，數(shù)據(jù)混亂程度越高。

答案:對(duì)模塊sklearn.linear_model中的RidgeCV實(shí)現(xiàn)了帶有內(nèi)置的alpha參數(shù)交叉驗(yàn)證的嶺回歸算法，類似于GridSearchCV，可用來在指定范圍內(nèi)自動(dòng)搜索和確定約束項(xiàng)的最佳系數(shù)。

答案:對(duì)KMeans算法的基本思想是：選擇樣本空間中k個(gè)樣本（點(diǎn)）為初始中心，然后對(duì)剩余樣本進(jìn)行聚類，每個(gè)中心把距離自己最近的樣本“吸引”過來，然后更新聚類中心的值，依次把每個(gè)樣本歸到距離最近的類中，重復(fù)上面的過程，直至得到某種條件下最好的聚類結(jié)果。

答案:對(duì)機(jī)器學(xué)習(xí)擴(kuò)展庫sklearn在model_selection模塊中提供了用來實(shí)現(xiàn)交叉驗(yàn)證的函數(shù)cross_val_score()。

答案:對(duì)擴(kuò)展庫pandas中DataFrame對(duì)象的index屬性表示列名。

答案:錯(cuò)一般地，不會(huì)把給定的整個(gè)數(shù)據(jù)集都用來訓(xùn)練模型，而是將其分成訓(xùn)練集和測(cè)試集兩部分，使用訓(xùn)練集對(duì)模型進(jìn)行訓(xùn)練或?qū)W習(xí)，然后把測(cè)試集輸入訓(xùn)練好的模型并評(píng)估其表現(xiàn)。

答案:對(duì)在進(jìn)行數(shù)據(jù)分析和挖掘時(shí)，應(yīng)使用樣本盡可能多的特征，這樣可以得到更理想的結(jié)果。

答案:錯(cuò)擴(kuò)展庫pandas中DataFrame對(duì)象的std()方法可以計(jì)算標(biāo)準(zhǔn)差，cov()方法可以計(jì)算協(xié)方差。

答案:對(duì)對(duì)于復(fù)雜表達(dá)式，如果計(jì)算結(jié)果是正確的，那么不建議再增加圓括號(hào)來說明計(jì)算順序，這樣可以使得代碼更加簡(jiǎn)潔清晰。

答案:錯(cuò)在使用KNN算法對(duì)未知樣本進(jìn)行分類時(shí)，已知類別中各類別包含的樣本數(shù)量最好差不多，否則會(huì)影響結(jié)果的準(zhǔn)確性。

答案:對(duì)擴(kuò)展庫numpy的函數(shù)corrcoef()用來計(jì)算相關(guān)系數(shù)矩陣。

答案:對(duì)已知df為pandas的DataFrame對(duì)象，那么df[:10]表示訪問df中前10列數(shù)據(jù)。

答案:錯(cuò)方差用來描述數(shù)據(jù)的離散程度或者波動(dòng)程度，比較分散的數(shù)據(jù)集的方差大，而相對(duì)集中的數(shù)據(jù)集的方差小。

答案:對(duì)擴(kuò)展庫numpy的線性代數(shù)子模塊linalg中提供了求解線性方程組的函數(shù)solve()和求解線性方程組最小二乘解的函數(shù)lstsq()。

答案:對(duì)線性回歸算法只適用于具有兩個(gè)特征的樣本，不適用于具有3個(gè)以上特征的樣本數(shù)據(jù)。

答案:錯(cuò)擴(kuò)展庫sklearn.linear_model中的LinearRegression類實(shí)現(xiàn)了線性回歸算法。

答案:對(duì)擴(kuò)展庫pandas支持使用Python字典直接創(chuàng)建DataFrame對(duì)象，此時(shí)字典中的“鍵”將作為DataFrame中的columns。

答案:對(duì)基尼值越大，表示數(shù)據(jù)純度越低，也表示從樣本空間中隨機(jī)選取兩個(gè)樣本時(shí)這兩個(gè)樣本所屬類別不一樣的概率越大。

答案:對(duì)聚類算法KMeans屬于有監(jiān)督學(xué)習(xí)算法。

答案:錯(cuò)已知x=np.matrix([[1,2,3],[4,5,6]])，那么表達(dá)式x.mean(axis=0)的值為matrix([[2.5,3.5,4.5]])。

答案:對(duì)在使用pandas進(jìn)行處理時(shí)，需要借助于人工分析根據(jù)具體的業(yè)務(wù)數(shù)據(jù)來確定異常值的閾值。

答案:對(duì)在對(duì)文件進(jìn)行讀寫時(shí)，文件指針的位置會(huì)自動(dòng)變化，始終表示讀寫的當(dāng)前位置。

答案:對(duì)擴(kuò)展庫numpy的線性代數(shù)子模塊linalg中提供了用來計(jì)算特征值與特征向量的函數(shù)eig()。

答案:對(duì)擴(kuò)展庫jieba的函數(shù)cut()可以用來對(duì)中文文本進(jìn)行分詞并返回包含分詞結(jié)果的列表。

答案:錯(cuò)擴(kuò)展庫numpy的線性代數(shù)子模塊linalg中提供了用來計(jì)算逆矩陣的函數(shù)inv()。

答案:對(duì)假設(shè)已使用importmatplotlib.pyplotasplt導(dǎo)入擴(kuò)展庫，那么語句ax2=plt.subplot(222,projection='polar')執(zhí)行之后，ax2表示畫布右上角的子圖，并且在該子圖中可以繪制極坐標(biāo)圖。

答案:對(duì)擴(kuò)展庫numpy函數(shù)cov()可以用來計(jì)算協(xié)方差，函數(shù)std()用來計(jì)算標(biāo)準(zhǔn)差。

答案:對(duì)在可視化擴(kuò)展庫matplotlib的模塊pyplot中，plot(x,y,'g--v')使用等長(zhǎng)數(shù)組x和y中對(duì)應(yīng)元素作為端點(diǎn)坐標(biāo)繪制綠色短劃線并以下三角標(biāo)記端點(diǎn)。

答案:對(duì)機(jī)器學(xué)習(xí)擴(kuò)展庫sklearn的naive_bayes模塊提供了樸素貝葉斯算法的實(shí)現(xiàn)。

答案:對(duì)已知df為pandas的DataFrame對(duì)象，那么df[:10]表示訪問df中前10行數(shù)據(jù)。

答案:對(duì)在使用KNN算法對(duì)未知樣本進(jìn)行分類時(shí)，參數(shù)k的取值不重要，對(duì)結(jié)果影響不大。

答案:錯(cuò)概率是用來描述在特定試驗(yàn)中一個(gè)事件發(fā)生的可能性大小的指標(biāo)，是介于0和1之間的實(shí)數(shù)，可以定義為某個(gè)事件發(fā)生的次數(shù)與試驗(yàn)總次數(shù)的比值。

答案:對(duì)表達(dá)式len(np.random.randint(0,50,5))的值為____________。

答案:5在機(jī)器學(xué)習(xí)擴(kuò)展庫sklearn中，KMeans聚類模型完成聚類之后，可以通過_____________屬性查看樣本的標(biāo)簽。

答案:labels_已知x=np.array((1,2,3,4,5))，那么表達(dá)式(x//5).sum()的值為____________。

答案:1已知x=np.array((1,2,3,4,5))，那么表達(dá)式(x**2).max()的值為____________。

答案:25使用可視化擴(kuò)展庫matplotlib的模塊pyplot中的pie()函數(shù)繪制餅狀圖時(shí)，下面哪個(gè)參數(shù)用來設(shè)置每個(gè)扇形區(qū)域偏離圓心的程度？

答案:explode表達(dá)式{40,50,60}&{40,60,70}的值為______________。

答案:{40,60}使用可視化擴(kuò)展庫matplotlib的模塊pyplot中的xlabel()函數(shù)設(shè)置x軸標(biāo)簽時(shí)，下面哪個(gè)參數(shù)可以用來設(shè)置字號(hào)？

答案:fontsize已知x=np.array((1,2,3,4,5))，那么表達(dá)式sum(x*x)的值為____________。

答案:55已知x=np.array([3,5,1,9,6,3])，那么表達(dá)式np.argmax(x)的值為____________。

答案:3表達(dá)式np.ones((3,4)).sum()的值為____________。

答案:12表達(dá)式{40,50,60}-{40,60,70}的值為____________。

答案:{50}已知x=np.array([3,5,1,9,6,3])，那么表達(dá)式x[x>5].sum()的值為____________。

答案:15使用可視化擴(kuò)展庫matplotlib的模塊pyplot中的legend()函數(shù)創(chuàng)建和顯示圖例時(shí)，下面哪個(gè)參數(shù)可以用來設(shè)置圖例的邊框顏色？

答案:edgecolor已知x=[1,2,3]和y=[4,5,6]，那么表達(dá)式sum(map(lambdai,j:i*j,x,y))的值為？

答案:32已知x=np.array([3,5,1,9,6,3])，那么表達(dá)式np.where(x>5,1,0).sum()的值為____________。

答案:2使用可視化擴(kuò)展庫matplotlib的模塊pyplot中的legend()函數(shù)創(chuàng)建和顯示圖例時(shí)，下面哪個(gè)參數(shù)可以用來設(shè)置圖例的背景顏色？

答案:facecolorPython的主程序文件python.exe屬于二進(jìn)制文件。

答案:對(duì)函數(shù)內(nèi)部定義的局部變量當(dāng)函數(shù)調(diào)用結(jié)束后被自動(dòng)刪除。

答案:對(duì)使用可視化擴(kuò)展庫matplotlib的模塊pyplot中的legend()函數(shù)創(chuàng)建和顯示圖例時(shí)，下面哪個(gè)參數(shù)可以用來設(shè)置圖例的字體？

答案:prop使用可視化擴(kuò)展庫matplotlib的模塊pyplot中的bar()函數(shù)繪制柱狀圖時(shí)，下面哪個(gè)參數(shù)可以用來設(shè)置柱的位置？

答案:left擴(kuò)展庫matplotlib.pyplot中的函數(shù)bar()可以用來繪制哪種圖形？

答案:柱狀圖假設(shè)已使用importmatplotlibasmpl導(dǎo)入可視化擴(kuò)展庫，那么mpl.rcParams['legend.fontsize']=10語句的功能是設(shè)置圖例的字號(hào)。

答案:對(duì)使用可視化擴(kuò)展庫matplotlib的模塊pyplot中的pie()函數(shù)繪制餅狀圖時(shí)，下面哪個(gè)參數(shù)用來設(shè)置餅狀圖的半徑？

答案:radius可視化擴(kuò)展庫matplotlib的模塊pyplot中哪個(gè)函數(shù)可以用來設(shè)置同一個(gè)畫布中多個(gè)子圖之間的水平間距和垂直間距？

答案:subplots_adjust()擴(kuò)展庫matplotlib.pyplot中的函數(shù)scatter()可以用來繪制哪種圖形？

答案:散點(diǎn)圖使用可視化擴(kuò)展庫matplotlib的模塊pyplot中的bar()函數(shù)繪制柱狀圖時(shí)，下面哪個(gè)參數(shù)可以用來設(shè)置柱的內(nèi)部填充符號(hào)？

答案:hatch擴(kuò)展庫matplotlib.pyplot中的函數(shù)plot()可以用來繪制哪種圖形？

答案:折線圖使用可視化擴(kuò)展庫matplotlib的模塊pyplot中的xticks()函數(shù)設(shè)置x軸刻度時(shí)，下面哪個(gè)參數(shù)用來設(shè)置刻度文本的旋轉(zhuǎn)角度？

答案:rotation圖例往往位于圖形繪制結(jié)果的一角或一側(cè)，也可以根據(jù)圖形的特點(diǎn)來設(shè)置位置以及背景色等其他樣式，主要用于對(duì)所繪制的圖形中使用的各種符號(hào)和顏色進(jìn)行說明，對(duì)于理解圖形有重要的作用。

答案:對(duì)使用樸素貝葉斯算法進(jìn)行分類時(shí)，分別計(jì)算未知樣本屬于每個(gè)已知類的概率，然后選擇其中概率最大的類作為分類結(jié)果。

答案:對(duì)在機(jī)器學(xué)習(xí)擴(kuò)展庫sklearn中，Lasso是可以估計(jì)稀疏系數(shù)的線性模型，尤其適用于減少給定解決方案依賴的特征數(shù)量的場(chǎng)合。如果數(shù)據(jù)的特征過多，而其中只有一小部分是真正重要的，此時(shí)選擇Lasso比較合適。

答案:對(duì)DBSCAN（Density-BasedSpatialClusteringofApplicationswithNoise）屬于密度聚類算法，把類定義為密度相連對(duì)象的最大集合，通過在樣本空間中不斷搜索高密度的核心樣本并擴(kuò)展得到最大集合完成聚類，能夠在帶有噪點(diǎn)的樣本空間中發(fā)現(xiàn)任意形狀的聚類并排除噪點(diǎn)。

答案:對(duì)在樣本的眾多特征中，并不是每個(gè)特征都對(duì)要分析的問題有貢獻(xiàn)。即使是對(duì)問題有貢獻(xiàn)的若干特征，每個(gè)特征的重要程度可能也不一樣。

答案:對(duì)KNN算法是k-NearestNeighbor的簡(jiǎn)稱，叫作k近鄰算法，屬于有監(jiān)督學(xué)習(xí)算法，既可以用于分類，也可以用于回歸。

答案:對(duì)DBSCAN算法不需要預(yù)先指定聚類數(shù)量，但對(duì)用戶設(shè)定的參數(shù)非常敏感。當(dāng)空間聚類的密度不均勻、聚類間距相差很大時(shí)，聚類質(zhì)量較差。

答案:對(duì)支持向量機(jī)（SupportVectorMachine,SVM）是通過尋找超平面對(duì)樣本進(jìn)行分隔從而實(shí)現(xiàn)分類或預(yù)測(cè)的算法，分隔樣本時(shí)的原則是使得間隔最大化，尋找間隔最大的支持向量。

答案:對(duì)如果DataFrame對(duì)象中索引是日期時(shí)間數(shù)據(jù)，或者包含日期時(shí)間類型數(shù)據(jù)列，可以使用resample()方法進(jìn)行重采樣，實(shí)現(xiàn)按時(shí)間段進(jìn)行統(tǒng)計(jì)查看員工業(yè)績(jī)的功能。

答案:對(duì)擴(kuò)展庫pandas中DataFrame對(duì)象的drop_duplicates()方法可以用來刪除重復(fù)的數(shù)據(jù)。

答案:對(duì)使用擴(kuò)展庫pandas的函數(shù)read_excel()讀取Excel文件時(shí)，可