2025年計算機二級Python數(shù)據(jù)分析培訓(xùn)試卷：數(shù)據(jù)分析方法與實戰(zhàn)案例考試時間：______分鐘總分：______分姓名：______一、選擇題（每小題2分，共20分。請將正確選項字母填在括號內(nèi)）1.在Python數(shù)據(jù)分析中，下列哪個庫主要負責(zé)執(zhí)行高性能的科學(xué)計算和數(shù)組操作？(A)Matplotlib(B)Seaborn(C)NumPy(D)Pandas2.下列哪個Pandas方法用于獲取DataFrame的前幾行數(shù)據(jù)？(A)`info()`(B)`describe()`(C)`head()`(D)`groupby()`3.當DataFrame中存在缺失值時，使用`dropna()`方法默認會刪除包含缺失值的整個行。(A)True(B)False4.在Pandas中，使用`melt()`方法可以將寬格式的數(shù)據(jù)轉(zhuǎn)換為長格式數(shù)據(jù)。(A)True(B)False5.下列哪個不是Matplotlib常用的圖表類型？(A)散點圖(B)箱線圖(C)相關(guān)性矩陣(D)餅圖6.若要計算一組數(shù)值的平均值、標準差、最小值、25%分位數(shù)、中位數(shù)、75%分位數(shù)和最大值，最適合使用Pandas的哪個方法？(A)`mean()`(B)`max()`(C)`describe()`(D)`corr()`7.當需要對DataFrame按照多個列進行排序時，`sort_values()`方法中通過設(shè)置哪個參數(shù)可以控制排序的優(yōu)先級？(A)`ascending`(B)`by`(C)`kind`(D)`axis`8.以下哪個是Seaborn庫基于Matplotlib構(gòu)建，用于繪制更高級、更美觀統(tǒng)計圖形的庫？(A)NumPy(B)Pandas(C)Matplotlib(D)Seaborn9.在進行數(shù)據(jù)合并操作時，`merge()`函數(shù)默認根據(jù)哪些列進行合并？(A)索引(B)所有列(C)`on`參數(shù)指定的列(D)`_merge`列10.使用`groupby()`方法對DataFrame進行分組后，通常會結(jié)合哪個方法進行聚合計算？(A)`apply()`(B)`merge()`(C)`sort_values()`(D)`fillna()`二、填空題（每空2分，共20分。請將答案填在橫線上）1.在Pandas中，用于刪除DataFrame中重復(fù)行的方法是________。2.若要選擇DataFrame中滿足特定條件的行，可以使用________運算符或________函數(shù)。3.Pandas的`read_csv()`函數(shù)用于從________文件中讀取數(shù)據(jù)。4.使用`corr()`方法計算DataFrame兩列之間的線性相關(guān)系數(shù)，結(jié)果范圍通常在________和________之間。5.Matplotlib中，用于設(shè)置圖表標題的函數(shù)是________。6.若要將Pandas的DataFrame對象存儲為CSV文件，可以使用________方法。7.在進行數(shù)據(jù)標準化（Z-score標準化）時，通常需要減去均值再除以________。8.Seaborn的`pairplot()`函數(shù)可以繪制數(shù)據(jù)集中所有數(shù)值列的兩兩________圖。9.使用`pivot_table()`方法可以創(chuàng)建一個透視表，其中`aggfunc='sum'`參數(shù)表示對分組后的數(shù)據(jù)使用________聚合函數(shù)。10.NumPy中，`array.reshape()`方法用于改變數(shù)組的________。三、代碼編寫題（每題10分，共30分。請根據(jù)要求編寫Python代碼）1.假設(shè)已有一個名為`df`的PandasDataFrame，其中包含列'Name','Age','City'和'Score'。請編寫代碼：a.選擇所有來自'City'列值為'Beijing'的行。b.計算所有行的'Score'列的平均值，并將結(jié)果存儲在變量`avg_score`中。c.將'Age'列中所有缺失值（`NaN`）替換為該列的median值。2.假設(shè)有一個PandasDataFrame`sales`，包含'Date','Product','Category','SalesAmount'列。請編寫代碼：a.使用`groupby()`和`sum()`計算每個'Category'的總銷售額，并將結(jié)果按總銷售額降序排列。b.創(chuàng)建一個新的列'SalesStatus'，如果'SalesAmount'大于1000，則值為'High'，否則為'Low'。3.假設(shè)有一個包含學(xué)生姓名（'Name'）和兩門課程成績（'Math','English'）的PandasDataFrame`grades`。請編寫代碼生成一個新的DataFrame`summary`，其中包含三列：a.'Name'：學(xué)生姓名。b.'Average'：學(xué)生的平均分。c.'Pass'：布爾值，如果學(xué)生的平均分大于等于60，則為True，否則為False。四、綜合題（25分）假設(shè)你獲得了一份關(guān)于某電商平臺用戶行為的銷售數(shù)據(jù)集（數(shù)據(jù)結(jié)構(gòu)如下），數(shù)據(jù)存儲在名為`sales_data.csv`的文件中。請編寫Python代碼完成以下數(shù)據(jù)分析任務(wù)：*任務(wù)1（5分）：使用Pandas讀取`sales_data.csv`文件到DataFrame`data`中。假設(shè)文件中沒有索引列。*任務(wù)2（5分）：查看數(shù)據(jù)的前5行信息，并獲取數(shù)據(jù)的描述性統(tǒng)計信息（使用`describe()`）。*任務(wù)3（5分）：篩選出所有'OrderStatus'為'Completed'且'PaymentMethod'為'CreditCard'的訂單，計算這些訂單的總金額（假設(shè)金額列名為'Amount'）。*任務(wù)4（5分）：對`data`DataFrame按照'Year'和'Month'列進行分組，計算每個組中'Amount'的總和，并將結(jié)果按'Year'升序、'Month'升序排列。最后，將結(jié)果存儲到新的DataFrame`monthly_sales`中，并輸出其內(nèi)容。**提示：可能需要先處理或創(chuàng)建'Year'和'Month'列。***假設(shè)數(shù)據(jù)集中存在'Date'列，格式為'YYYY-MM-DD'。*試卷答案一、選擇題1.C解析：NumPy是Python科學(xué)計算的基礎(chǔ)包，提供高性能的多維數(shù)組對象和工具，是進行數(shù)據(jù)分析和數(shù)值計算的核心。2.C解析：`head()`函數(shù)是Pandas中常用的方法，用于返回DataFrame或Series的前n行，默認為5行。3.A解析：`dropna()`方法的`how='any'`參數(shù)（默認值）表示只要行中有任何一個缺失值就刪除該行；`how='all'`表示只有當行中所有值都缺失時才刪除。默認行為刪除包含任何缺失值的行。4.A解析：`melt()`函數(shù)的作用是將DataFrame從寬格式轉(zhuǎn)換為長格式，將指定的一個或多個列（idy_vars）轉(zhuǎn)換為行的變量，其余列轉(zhuǎn)換為值變量。5.C解析：相關(guān)性矩陣是描述變量之間相關(guān)性的數(shù)值矩陣，不是Matplotlib或Seaborn直接繪制的圖表類型。Matplotlib和Seaborn可以繪制展示相關(guān)性的熱力圖。6.C解析：`describe()`方法是PandasDataFrame的常用方法，它會一次性輸出數(shù)值列的計數(shù)、均值、標準差、最小值、25%分位數(shù)、中位數(shù)、75%分位數(shù)和最大值等統(tǒng)計描述。7.B解析：在`sort_values()`函數(shù)中，`by`參數(shù)用于指定一個或多個列名，這些列將作為排序的依據(jù)，參數(shù)值的順序決定了排序的優(yōu)先級。8.D解析：Seaborn是基于Matplotlib的一個高級可視化庫，專注于統(tǒng)計圖形的繪制，提供了更簡潔、更美觀的接口來創(chuàng)建復(fù)雜的圖表。9.A解析：Pandas的`merge()`函數(shù)默認根據(jù)兩個DataFrame的索引進行合并（內(nèi)連接），也可以通過`on`參數(shù)指定根據(jù)哪些列進行合并。10.A解析：`groupby()`方法本身用于分組，通常需要結(jié)合`sum()`,`mean()`,`count()`等聚合函數(shù)或`apply()`函數(shù)來對分組后的數(shù)據(jù)進行計算或應(yīng)用自定義函數(shù)。二、填空題1.`drop_duplicates()`解析：`drop_duplicates()`方法用于刪除DataFrame中的重復(fù)行。2.`[]`/`loc`/`iloc`解析：可以使用方括號`[]`配合條件表達式、`loc`基于標簽選擇或`iloc`基于位置選擇來篩選滿足條件的行。3.CSV(或CommaSeparatedValues)解析：`read_csv()`是Pandas中用于從逗號分隔值的文本文件（通常是.csv格式）中讀取數(shù)據(jù)并創(chuàng)建DataFrame的常用函數(shù)。4.-1/1解析：`corr()`方法計算的是皮爾遜相關(guān)系數(shù)，其值介于-1和1之間，-1表示完全負相關(guān)，1表示完全正相關(guān)，0表示不相關(guān)。5.`title()`解析：`title()`是MatplotlibAxes對象的一個方法，用于設(shè)置圖表的標題文本。6.`to_csv()`解析：`to_csv()`方法是PandasDataFrame的一個方法，用于將DataFrame保存為CSV格式的文件。7.標準差(或StandardDeviation)解析：數(shù)據(jù)標準化（Z-score標準化）的公式是(X-mean)/std，其中mean是均值，std是標準差。8.散點圖(或Scatterplot)解析：Seaborn的`pairplot()`函數(shù)默認會為數(shù)據(jù)集中每對數(shù)值列繪制一個散點圖，并在對角線上繪制該列的分布圖。9.sum(或`sum`)解析：`pivot_table()`函數(shù)的`aggfunc`參數(shù)用于指定對分組后的數(shù)據(jù)應(yīng)用何種聚合函數(shù)，`sum`是最常用的聚合函數(shù)之一，表示求和。10.形狀(或Shape)解析：`reshape()`方法用于改變NumPy數(shù)組的形狀，即重新排列數(shù)組的行和列，返回一個新的形狀不同的數(shù)組。三、代碼編寫題1.```python#a.選擇來自'Beijing'的行beijing_rows=df[df['City']=='Beijing']#b.計算'Score'列的平均值avg_score=df['Score'].mean()#c.將'Age'列的NaN替換為該列的median值median_age=df['Age'].median()df['Age'].fillna(median_age,inplace=True)```解析：a)使用布爾索引`df['City']=='Beijing'`創(chuàng)建一個布爾序列，然后使用這個序列選擇對應(yīng)的行。b)使用`mean()`方法計算'Score'列的平均值。c)首先計算'Age'列的`median()`（中位數(shù)），然后使用`fillna()`方法將所有NaN值替換為計算出的中位數(shù)，`inplace=True`表示在原地修改DataFrame。2.```python#a.按'Category'分組并計算總銷售額，降序排列category_sales_total=sales.groupby('Category')['SalesAmount'].sum().sort_values(ascending=False)#b.創(chuàng)建'SalesStatus'列sales['SalesStatus']=sales['SalesAmount'].apply(lambdax:'High'ifx>1000else'Low')```解析：a)使用`groupby('Category')`按'Category'列進行分組，然后對'SalesAmount'列應(yīng)用`sum()`計算每個類別的總銷售額，最后使用`sort_values(ascending=False)`按總銷售額降序排列。b)使用`apply()`方法遍歷'SalesAmount'列的每個值，根據(jù)條件判斷返回'High'或'Low'，并創(chuàng)建新的列'SalesStatus'。3.```pythonimportpandasaspd#假設(shè)原始數(shù)據(jù)如grades=pd.DataFrame({'Name':['Alice','Bob'],'Math':[85,75],'English':[90,80]})#計算平均分grades['Average']=grades[['Math','English']].mean(axis=1)#創(chuàng)建'Pass'列g(shù)rades['Pass']=grades['Average']>=60#或者grades['Pass']=grades['Average'].apply(lambdax:x>=60)```解析：計算平均分需要選擇包含成績的列（'Math','English'），使用`mean(axis=1)`計算每行的平均值，并將結(jié)果存儲在新列'Average'中。創(chuàng)建'Pass'列可以通過比較'Average'與60，或者使用`apply()`函數(shù)實現(xiàn)。結(jié)果將是一個布爾值，表示學(xué)生是否通過（平均分>=60）。四、綜合題```pythonimportpandasaspd#任務(wù)1:讀取CSV文件data=pd.read_csv('sales_data.csv')#任務(wù)2:查看前5行和描述性統(tǒng)計信息print(data.head())print(data.describe())#任務(wù)3:篩選特定訂單并計算總金額filtered_data=data[(data['OrderStatus']=='Completed')&(data['PaymentMethod']=='CreditCard')]total_amount=filtered_data['Amount'].sum()print(f"TotalAmountforCompletedCreditCardOrders:{total_amount}")#任務(wù)4:按'Year'和'Month'分組，計算'Amount'總和，并排序存儲#假設(shè)'Date'列存在且為字符串格式'YYYY-MM-DD'data['Year']=pd.to_datetime(data['Date']).dt.yeardata['Month']=pd.to_datetime(data['Date']).dt.monthmonth