第三章单元测试
- s = pd.Series(np.random.randint(59,100,5),index = list("ABCDE"))，能够原地删除s[“A”]的操作是（ ）。
- 若有grouped_sc = df.groupby('学校')，则查询查看分组数量应采用（ ）
- 下列方法中，能够利用pandas.DataFrame()创建DataFrame的是（ ）。
- 关于缺失值填充函数pandas.DataFrame.fillna()，正确的说法是（ ）。
- df包含"计划销售额"和"实际销售额"两列数据，若要筛选未完成计划销售额但实际销售额不低于4000的所有月份信息，可用的方式有（ ）。
- 下列属于透视操作的是（ ）。
- pandas读取csv文件时可使用usecols参数指定某个列作为索引。（ ）
- pandas.DataFrame.sum(axis = 1)表示对每行数据求和。（ ）
- unstack()可将列旋转到行，从而将宽表变成长表。（ ）
A:s.drop(labels = "A")
B:pd.drop(s,labels = "A")
C:s.drop("A")
D:del s["A"]
答案:del s["A"]
A:grouped_sc.ngroups。
B:grouped_sc.size()。
C:grouped_sc。
D:grouped_sc.head()。
A:通过随机函数创建
B:通过Python字典创建
C:通过Series创建
D:通过ndarray对象创建
A:method参数为pad表示用缺失值前面的值对缺失值进行填充。
B:axis参数表示填充维度，确定从行开始或是从列开始。
C:inplace参数用于指示是否原地替换，默认为True。
D:value参数用于指示用来填充缺失值的数据。
A:df[(df["计划销售额"]＞df["实际销售额"]) &(df["实际销售额"].ge(4000))]。
B:df[(df["计划销售额"]＞df["实际销售额"]) &(df["实际销售额"]＞=4000)]。
C:df[(df["计划销售额"].gt(df["实际销售额"])) &(df["实际销售额"].ge(4000))]。
D:df.query("计划销售额＞实际销售额 & 实际销售额 ＞= 4000")。
A:pivot()。
B:pivot_table()。
C:transformer()。
D:crosstab()。
A:对 B:错
A:错 B:对
A:对 B:错
温馨提示支付 ￥3.00 元后可查看付费内容,请先翻页预览!
