泰山学院
- 积分模块 scipy.integrate中的函数quad() 可求解二重积分。（ ）
- 下面语句绘制的图形如图：
import numpy as np
import matplotlib.pyplot as plt
x=np. linspace(0,2*np.pi,100)
plt.plot(x,np.sin(x))
plt.annotate('sin(x)',【 】=(3.2,0),【 】=(4,0.5),arrowprops=dict(arrowstyle='Fancy',color='red'),
bbox=dict(boxstyle='round',alpha=0.2))
括号内的命令是xytext和 xy。（ ） - https://image.zhihuishu.com/zhs/question-import/formula/202202/7421267c61474d5887b0200fde18da72.png
- 语句from scipy.stats import normnorm.cdf(2,1,4)输出的是正态分布N(1,4)的分布函数在2处的值。（ ）
- 数据清洗中可利用pandas中的drop_duplicates ()方法查看是否存在重复数据。（ ）
- 函数matplotlib.pyplot.hlines()可绘制横跨当前图形的水平参考线。（ ）
- 在极坐标系中绘制笛卡尔心形线:
- 函数matplotlib.pyplot.scatter()可绘制散点图。（ ）
- 符号表达式的结果可通过方法evalf()来获取其近似值，并指定小数点的位数。（ ）
- sympy.plotting模块中的plot_parametric ()可绘制二维隐式图。（ ）
- 语句from scipy.stats import exponexpon.pdf(2,scale=0.25)输出的是指数分布Exp(0.25)的概率密度函数在2处的值。（ ）
- https://image.zhihuishu.com/zhs/question-import/formula/202202/37e71e529069463686164d2ad3665abf.png
- matplotlib.pyplot.boxplot()绘制的箱线图可以观察是否存在异常值。（ ）
- Pandas库中的describe()函数默认输出结果中包含0.1分位数。（ ）
求函数
关于x的偏导程序如下所示：
import sympy as sp
x,y=sp.symbols('x y')
f=x*sp.exp(2*y)
diff(f)
（ ）- 对微分方程
，求其通解的语句如下：
from sympy.abc import x
from sympy import *
y=Function('y')
eq=diff(y(x),x,2)+2*diff(y(x),x)+2*y(x)
y=dsolve(eq)
（ ） - 求极限
的符号解程序如下：
from sympy import *
x=symbols('x')
f=exp(x)/x
limit(f,x,-oo)
（ ） - 函数matplotlib.pyplot.vlines()可绘制横跨当前图形的垂直参考线。（ ）
- 符号库sympy中的函数summation() 可以求级数，但是不能求解有限项的和。（ ）
- 求函数
的混合偏导程序如下：
import sympy as sp
x,y=sp.symbols('x y')
f=x*sp.exp(2*y)
diff(f,x,y)
（ ） - 符号库sympy中的函数solve() 可以求常微分方程的解。（ ）
- 函数matplotlib.pyplot.bar()中的参数tick_label 可指定条形图的刻度标签。（ ）
- Pandas中的DataFrame对象可通过字典来创建。（ ）
- 函数matplotlib.pyplot.axhline()可绘制垂直参考线。（ ）
- 科学计算库scipy 可以求解规划问题。（ ）
- 函数matplotlib.pyplot.axvline()可绘制水平参考线。（ ）
- 命令sum(map(lambda i: 1/i, range(1,4)))计算的是1+1/2+1/3。（ ）
- scipy.stats 模块中的函数pdf()可用来求离散随机变量的分布律和概率密度函数值。（ ）
- 语句from scipy.stats import poissonpoisson.stats(0.3)输出的是参数为0.3的泊松分布的数学期望、方程、峰度及偏度。（ ）
- 通过plt.subplot(111, projection='polar’)在极坐标系绘图时，可利用set_rlabel_position（）设置极径标签显示位置。（ ）
- 语句：
import sympy as sp
x=sp.symbols('x')
solve(Eq(x**4,1),x)
求的是方程
的根。（ ） - https://image.zhihuishu.com/zhs/question-import/formula/202202/64bc81b7574a45d288eb37c60012a26f.png
观察下面语句：
输出的是1到100之间被5整除的数。（ ）- 求初值问题
，
特解的程序为：
from sympy.abc import x
from sympy import *
y=Function('y')
eq=diff(y(x),x,2)+2*diff(y(x),x)+2*y(x)
con={y(0): 0, diff(y(x),x).subs(x,0): 1}
y=dsolve(eq, ics=con)
（ ） - 数据清洗中可利用pandas中的isnull ()方法检测是否存在缺失数据。（ ）
计算分段函数
的函数值，命令如下：
空格处的命令错误的是（ ）。- 下面语句import numpy as npn = np.array([i for i in range(1,10,3)])print(n[2])输出的结果是（ ）。
- 下面一段程序：
输出的结果是（ ）。 - 语句import numpy as npa=np.arange(4).reshape(2,2)b=np.arange(4,8).reshape(2,2)np.c_[a,b]输出的结果是（ ）。
求和：1+2+…+n的程序如下：
空格处的命令是（ ）。- https://image.zhihuishu.com/zhs/question-import/formula/202202/a43833e453ed4a0e88d9426c3f0951cd.png
- 语句:import numpy as npprint(np.random.randint(0,3,2))输出的结果是（ ）。
- https://image.zhihuishu.com/zhs/question-import/formula/202202/bcca4d3102064c9fac0ba69c4b57f3ed.png
- 下面语句:import numpy as npn=np.array([[1, 2, 3], [4, 5, 6]])print(n[1][2])输出结果是（ ）。
- 语句:import numpy as npn=np.array([[1, 2, 3], [4, 5, 6]])np.sum(n,axis=0)输出的结果是（ ）。
A:错 B:对
答案:A:错
A:错 B:对
答案:错
A:对 B:错
答案:
A:对 B:错
答案:错
A:对 B:错
答案:A:对
A:对 B:错
答案:错
A:对 B:错
答案:错
A:错 B:对
答案:对
A:对 B:错
答案:对
A:错 B:对
A:错 B:对
A:对 B:错
A:错 B:对
A:错 B:对
A:错 B:对
A:错 B:对
A:错 B:对
A:对 B:错
A:对 B:错
A:对 B:错
A:错 B:对
A:对 B:错
A:错 B:对
A:错 B:对
A:对 B:错
A:错 B:对
A:错 B:对
A:对 B:错
A:错 B:对
A:错 B:对
A:对 B:错
A:对 B:错
A:对 B:错
A:对 B:错
A:错 B:对
A:(x>=1) and (x<10) B:x>=1 and x<10 C:1<=x<10 D:1=<x<10
A:7 B:1 C:3 D:4
A:两个数升序排序 B:两个数中的最小值 C:两个数降序排序 D:两个数中的最大值
A:四行两列数组 B:行数组 C:列数组 D:两行四列数组
A:i in range(n) B:i<=n C:i in range(1,n) D:i<n
A:i=1;s=0 B:s=0 C:i=0;s=1 D:i=1
A:两个0到2之间的随机整数 B:0构成的三行两列矩阵 C:两个0到3之间的随机小数 D:两个0到3之间的随机整数
A:plt.ylim(20,80) B:plt.ylim(-10,10) C:plt.xlim(20,80) D:plt.xlim(-10,10)
A:[2] B:2 C:6 D:[6]
A:array([ 6, 15]) B:21 C:2 D:array([5, 7, 9])
温馨提示支付 ￥5.00 元后可查看付费内容,请先翻页预览!
