2025年P(guān)ython二級考試專項(xiàng)訓(xùn)練試卷，Python大數(shù)據(jù)處理技巧考試時(shí)間：______分鐘總分：______分姓名：______一、選擇題（每題2分，共20分）1.在處理大規(guī)模數(shù)據(jù)集時(shí)，為了節(jié)省內(nèi)存，讀取CSV文件推薦使用Pandas的哪個(gè)參數(shù)？A.`low_memory`B.`high_memory`C.`usecols`D.`dtype`2.下列哪個(gè)Pandas對象是單維的，類似于NumPy的一維數(shù)組？A.`DataFrame`B.`Series`C.`Index`D.`Array`3.使用Pandas的`sort_values()`函數(shù)對DataFrame排序時(shí)，若要忽略行索引的重復(fù)項(xiàng)進(jìn)行排序，應(yīng)設(shè)置哪個(gè)參數(shù)？A.`ignore_index=True`B.`ascending=False`C.`by='column_name'`D.`kind='mergesort'`4.當(dāng)Pandas`DataFrame`中存在缺失值（`NaN`）時(shí)，使用`mean()`函數(shù)計(jì)算列均值，其默認(rèn)行為是？A.忽略所有缺失值，計(jì)算其余非缺失值的均值B.計(jì)算包含缺失值的所有值的均值C.報(bào)錯，無法計(jì)算D.將缺失值視為0進(jìn)行計(jì)算5.下列哪個(gè)Pandas函數(shù)用于計(jì)算分組后的聚合統(tǒng)計(jì)（如求和、計(jì)數(shù)、平均值等）？A.`merge()`B.`groupby()`C.`aggregate()`D.`pivot_table()`6.在Pandas中，使用`loc[]`和`iloc[]`進(jìn)行數(shù)據(jù)選擇的主要區(qū)別在于？A.`loc[]`只能選擇行，`iloc[]`只能選擇列B.`loc[]`基于標(biāo)簽索引，`iloc[]`基于整數(shù)位置索引C.`loc[]`速度比`iloc[]`快D.兩者沒有本質(zhì)區(qū)別，效果相同7.對于一個(gè)數(shù)值型Pandas`Series`，要計(jì)算其元素的標(biāo)準(zhǔn)差，應(yīng)使用哪個(gè)函數(shù)？A.`sum()`B.`mean()`C.`std()`D.`var()`8.讀取Excel文件時(shí)，若要指定讀取特定的Sheet，應(yīng)使用Pandas的哪個(gè)參數(shù)？A.`sheet_name`B.`sheet`C.`table_name`D.`index_sheet`9.下列哪個(gè)不是Pandas`DataFrame`的合并操作？A.`concat()`B.`merge()`C.`join()`D.`append()`10.在Pandas中，要創(chuàng)建一個(gè)范圍從0到99（不含100），步長為5的`Series`，應(yīng)使用哪個(gè)函數(shù)？A.`range()`B.`arange()`C.`linspace()`D.`logspace()`二、填空題（每空2分，共20分）1.在Pandas中，表示缺失數(shù)據(jù)的特殊值是________。2.要篩選出Pandas`DataFrame`中某一列值大于10的所有行，可以使用布爾索引，例如`df[df['column_name']>10]`，這里的`df`是DataFrame的名稱，`'column_name'`是列名，`>`是比較運(yùn)算符，`[...]`是________。3.當(dāng)使用Pandas處理非常大的CSV文件，內(nèi)存不足時(shí)，可以結(jié)合`pandas.read_csv()`函數(shù)的________參數(shù)分塊讀取數(shù)據(jù)。4.Pandas的`DataFrame`可以通過行索引和列索引的方式訪問數(shù)據(jù)，這種索引方式稱為________。5.若要給Pandas`DataFrame`中的所有列重命名，可以使用`rename()`函數(shù)，并傳入一個(gè)字典，字典的鍵是________，值是新的列名。6.對于Pandas`Series``s`，要對其所有元素進(jìn)行平方運(yùn)算，可以使用`s.apply()`函數(shù)傳入一個(gè)匿名函數(shù)`lambdax:x2`，這里的`lambdax:`定義了一個(gè)________。7.在進(jìn)行數(shù)據(jù)分組（`groupby`）后，若想計(jì)算每個(gè)組的大小（即組的元素?cái)?shù)量），可以使用`size()`或`count()`方法。8.Pandas`DataFrame`的`at[]`和`iat[]`用于訪問單個(gè)元素，`at[]`用于訪問________中的元素，而`iat[]`用于訪問________中的元素。9.若要將Pandas`DataFrame`保存為CSV文件，應(yīng)使用其`to_csv()`方法，若想不包含行索引，可以設(shè)置參數(shù)________為`False`。10.使用`numpy.arange()`函數(shù)創(chuàng)建一個(gè)NumPy數(shù)組時(shí)，可以指定第三個(gè)參數(shù)表示________。三、代碼編寫題（共30分）1.(10分)編寫Python代碼，使用Pandas完成以下任務(wù)：a.創(chuàng)建一個(gè)包含兩列數(shù)據(jù)的`DataFrame`，列名分別為`'Name'`和`'Age'`。數(shù)據(jù)如下：|Name|Age||---------|-----||Alice|25||Bob|30||Charlie|35|b.為`DataFrame`添加一列`'Gender'`，其值根據(jù)`'Name'`列的名稱決定：如果名字是"Alice"，則`Gender`為"Female"；否則為"Male"。c.篩選出年齡大于等于30歲的所有行，并將結(jié)果存儲到一個(gè)新的`DataFrame`中。2.(10分)編寫Python代碼，使用Pandas處理以下問題：假設(shè)已有一個(gè)名為`data.csv`的CSV文件，其中包含列`'Date'`（日期）、`'Sales'`（銷售額）和`'Category'`（商品類別）。請編寫代碼完成：a.讀取`data.csv`文件到Pandas`DataFrame``df`中。b.將`'Date'`列的數(shù)據(jù)類型轉(zhuǎn)換為Pandas的`datetime`類型。c.計(jì)算每個(gè)`'Category'`下的總銷售額，并將結(jié)果按總銷售額從高到低排序，輸出排序后的結(jié)果。3.(10分)編寫Python代碼，使用Pandas完成以下任務(wù)：假設(shè)有兩個(gè)`DataFrame`，`df1`和`df2`：```pythonimportpandasaspddata1={'Key':['A','B','C','D'],'Value1':[1,2,3,4]}df1=pd.DataFrame(data1)data2={'Key':['B','D','E','F'],'Value2':[5,6,7,8]}df2=pd.DataFrame(data2)```a.使用`merge()`函數(shù)將`df1`和`df2`根據(jù)`'Key'`列進(jìn)行內(nèi)連接（innerjoin），結(jié)果命名為`df_merged`。b.在`df_merged`的基礎(chǔ)上，添加一列`'Sum'`，其值為`'Value1'`和`'Value2'`列的和。c.將`df_merged`中`'Key'`為`'B'`的行刪除，并將結(jié)果輸出。四、分析題（共30分）1.(15分)假設(shè)有一個(gè)Pandas`DataFrame``df`，包含`'A'`,`'B'`,`'C'`三列，數(shù)據(jù)如下：```pythonimportpandasaspddata={'A':[1,2,2,3,4],'B':[5,5,6,7,8],'C':[9,10,11,12,13]}df=pd.DataFrame(data)```請分析以下兩種處理數(shù)據(jù)的代碼片段，分別說明它們的執(zhí)行結(jié)果是什么，并簡要比較哪種方式在處理大型數(shù)據(jù)集時(shí)可能更有效率？（無需實(shí)際運(yùn)行代碼）片段1：```pythonresult1=df.drop_duplicates(subset=['A','B'])print(result1)```片段2：```pythonresult2=df.groupby(['A','B']).first().reset_index()print(result2)```2.(15分)在使用Pandas進(jìn)行數(shù)據(jù)清洗時(shí)，處理缺失值（`NaN`）是非常重要的一個(gè)環(huán)節(jié)。請分析以下兩種處理缺失值的策略，并討論各自的優(yōu)缺點(diǎn)：a.策略一：使用`fillna()`函數(shù)，將所有缺失值填充為一個(gè)特定的常數(shù)（例如0，或某列的平均值）。b.策略二：使用`dropna()`函數(shù)，直接刪除包含缺失值的行或列。---試卷答案一、選擇題1.A解析：`low_memory=True`參數(shù)會減少內(nèi)存消耗，適用于讀取大型CSV文件，因?yàn)樗鼤謮K讀取并處理數(shù)據(jù)，而不是一次性加載整個(gè)文件。2.B解析：`Series`是Pandas中最基本的數(shù)據(jù)結(jié)構(gòu)，它是單維的，在許多方面與NumPy的一維數(shù)組（`ndarray`）類似。3.A解析：`sort_values(by='column_name',ignore_index=True)`會根據(jù)指定列排序，并且忽略原有的行索引，重新生成一個(gè)從0開始的整數(shù)索引。4.A解析：Pandas的統(tǒng)計(jì)函數(shù)（如`mean()`）默認(rèn)會忽略`NaN`值進(jìn)行計(jì)算。如果計(jì)算區(qū)域包含`NaN`，結(jié)果將基于非`NaN`的值。5.B解析：`groupby()`函數(shù)用于對數(shù)據(jù)進(jìn)行分組，它是后續(xù)聚合操作（如`sum()`,`mean()`,`count()`等）的基礎(chǔ)。`aggregate()`可以在`groupby()`后使用，用于定義聚合策略。6.B解析：`loc[]`基于標(biāo)簽（行索引和列名）進(jìn)行選擇，而`iloc[]`基于整數(shù)位置（行號和列號）進(jìn)行選擇。7.C解析：`std()`函數(shù)用于計(jì)算Pandas對象（如`Series`）的標(biāo)準(zhǔn)差。`sum()`計(jì)算總和，`mean()`計(jì)算平均值，`var()`計(jì)算方差。8.A解析：`pandas.read_excel()`函數(shù)的`sheet_name`參數(shù)用于指定要讀取的工作表（Sheet）名稱或索引（整數(shù)）。9.D解析：`append()`函數(shù)通常用于將一個(gè)DataFrame或Series添加到另一個(gè)DataFrame的末尾，它不產(chǎn)生新的函數(shù)，而是修改調(diào)用者。`concat()`,`merge()`,`join()`都是標(biāo)準(zhǔn)的合并操作函數(shù)。10.B解析：`numpy.arange(start,stop,step)`用于生成一個(gè)從`start`（包含）到`stop`（不包含）的數(shù)組，以`step`為步長。符合題意要求。二、填空題1.NaN解析：在Pandas中，`NaN`（NotaNumber）是用于表示浮點(diǎn)數(shù)缺失值的特殊標(biāo)記。2.布爾索引解析：`[...]`是Python中的列表推導(dǎo)式或索引操作符，在這里用于根據(jù)布爾條件（`df['column_name']>10`）篩選出滿足條件的行。3.chunksize解析：`chunksize`參數(shù)指定了每次讀取的行數(shù)，將大型文件分塊讀取有助于控制內(nèi)存使用。4.多級索引解析：Pandas的`DataFrame`和`Series`都支持通過行索引和列索引（或稱軸索引）來訪問數(shù)據(jù)，這種使用多個(gè)索引層次的結(jié)構(gòu)稱為多級索引（MultiIndex）。5.字典的鍵解析：`rename(columns=dict)`中的`dict`是一個(gè)字典，其鍵是原列名，值是新列名。6.匿名函數(shù)解析：`lambdax:x2`是一個(gè)沒有名字的函數(shù)（匿名函數(shù)），它接受一個(gè)參數(shù)`x`并返回`x`的平方。7.分組解析：`size()`或`count()`通常在`groupby()`操作之后使用，以統(tǒng)計(jì)每個(gè)分組中的元素?cái)?shù)量。8.Name（或列名）/字典解析：`at[]`用于訪問基于標(biāo)簽的DataFrame的標(biāo)量值（單個(gè)元素），其參數(shù)是`(row_label,column_label)`。`iat[]`用于訪問基于位置的DataFrame的標(biāo)量值，其參數(shù)是`(row_index,column_index)`。9.index解析：`df.to_csv('filename.csv',index=False)`中的`index=False`參數(shù)表示在將DataFrame保存為CSV文件時(shí)不包含行索引。10.步長解析：`numpy.arange(start,stop,step)`中的`step`參數(shù)指定了數(shù)列元素的間隔或步長。三、代碼編寫題1.```pythonimportpandasaspd#a.創(chuàng)建DataFramedata={'Name':['Alice','Bob','Charlie'],'Age':[25,30,35]}df=pd.DataFrame(data)#b.添加'Gender'列df['Gender']=df['Name'].apply(lambdaname:'Female'ifname=='Alice'else'Male')#c.篩選Age>=30的行df_filtered=df[df['Age']>=30]```解析思路：a.使用字典和`pd.DataFrame()`創(chuàng)建包含兩列的DataFrame。b.使用`apply()`方法結(jié)合匿名函數(shù)（`lambda`），根據(jù)`'Name'`列的值判斷并填充`'Gender'`列。c.使用布爾索引`df['Age']>=30`篩選出滿足條件的行，結(jié)果賦值給新的DataFrame`df_filtered`。2.```pythonimportpandasaspd#假設(shè)data.csv文件已存在#a.讀取CSV文件df=pd.read_csv('data.csv')#b.將'Date'列轉(zhuǎn)換為datetime類型df['Date']=pd.to_datetime(df['Date'])#c.按每個(gè)'Category'的總銷售額排序category_sales=df.groupby('Category')['Sales'].sum().reset_index()category_sales_sorted=category_sales.sort_values(by='Sales',ascending=False)#輸出排序結(jié)果print(category_sales_sorted)```解析思路：a.使用`pd.read_csv()`讀取文件到DataFrame`df`。b.使用`pd.to_datetime()`函數(shù)將`'Date'`列的數(shù)據(jù)轉(zhuǎn)換為Pandas的`datetime`類型，便于后續(xù)時(shí)間相關(guān)操作。c.使用`groupby('Category')`對`'Category'`進(jìn)行分組，然后選擇`'Sales'`列并調(diào)用`sum()`計(jì)算每個(gè)組內(nèi)的總和。`reset_index()`將分組結(jié)果轉(zhuǎn)換為新的DataFrame。最后使用`sort_values()`按總銷售額（`'Sales'`列）進(jìn)行降序（`ascending=False`）排序。3.```pythonimportpandasaspd#已提供的數(shù)據(jù)data1={'Key':['A','B','C','D'],'Value1':[1,2,3,4]}df1=pd.DataFrame(data1)data2={'Key':['B','D','E','F'],'Value2':[5,6,7,8]}df2=pd.DataFrame(data2)#a.內(nèi)連接合并df_merged=pd.merge(df1,df2,on='Key',how='inner')#b.添加'Sum'列df_merged['Sum']=df_merged['Value1']+df_merged['Value2']#c.刪除'Key'為'B'的行df_final=df_merged.drop(df_merged[df_merged['Key']=='B'].index)#輸出結(jié)果print(df_final)```解析思路：a.使用`pd.merge()`函數(shù)將`df1`和`df2`根據(jù)`'Key'`列進(jìn)行內(nèi)連接（`how='inner'`表示只保留兩個(gè)DataFrame都有的`'Key'`對應(yīng)的行）。b.使用算術(shù)運(yùn)算`df_merged['Value1']+df_merged['Value2']`直接在合并后的DataFrame中添加新列`'Sum'`。c.先通過布爾索引`df_merged[df_merged['Key']=='B']`找到所有`'Key'`為`'B'`的行，然后獲取這些行的索引，最后使用`drop()`函數(shù)根據(jù)這些索引刪除對應(yīng)的行。四、分析題1.解析：片段1執(zhí)行結(jié)果：```pythonABC015912510226113371244813```（刪除了第二行，因?yàn)閌'A'`和`'B'`的組合`(2,5)`與第一行`(1,5)`重復(fù)）片段2執(zhí)行結(jié)果：```pythonABC015912510226113371244813``