登陆

题目详情

单选题在数据预处理里,对缺失值做插补,不属于数据插补方法的是

A. 固定值插补

B. 中位数插补

C. 均值插补

D. 随机数插补

Python数据分析课程封面

学科：Python数据分析

时间：2024-05-23 10:50:48

相关题目
相关作业

id,name,age 101,tom,21 102,jerry,22 106,mike,23 以上为id1.csv内容 df1=pd.read_csv("id1.csv") df1=df1.append([(112,"jerry",21)]) print(df1) 输出结果是()

A. id name age 0 1 2 0 101.0 tom 21.0 NaN NaN NaN 1 102.0 jerry 22.0 NaN NaN NaN 2 106.0 mike 23.0 NaN NaN NaN 0 NaN NaN NaN 112.0 jerry 21.0B. id name age 0 101 tom 21 1 102 jerry 22 2 106 mike 23 3 112 jerry 21C. id name age 0 1 2 0 101.0 tom 21.0 NaN NaN NaN 1 102.0 jerry 22.0 NaN NaN NaN 2 106.0 mike 23.0 NaN NaN NaN 3 112.0 NaN NaN NaN jerry 21.0D. id name age 0 101 tom 21 1 112 jerry 21 2 106 mike 23

pandas中哪个方法可以把2个以上的dataFrame对象合并

A. mergeB. concatC. appendD. join

mybins=df2["expenditure"].quantile([0,0.25,0.5,0.75,1]) print(pd.cut(df2["expenditure"],bins=mybins)) 以上代码功能

A. 连续变量离散化,等宽划分为5段B. 连续变量离散化,等宽划分为4段C. 连续变量离散化,等频划分为5段D. 连续变量离散化,等频划分为4段

缺失值如何处理? 1 删除缺失值所在行 2 删除缺失值所在列 3 固定值填充,例如均值,中位数等 4 邻近值填充 5 插值法填充

A. 1,3,5B. 1,2,3,4,5C. 2,3,4D. 1,3,4,5

print(pd.merge(df1,df9 ,left_on="id",right_on="xh" ,suffixes=("_基本信息","_成绩") ,how="outer")) 代码功能是

A. 合并df1和df9,df1中的id与df9中的xh进行关联,id,xh列都保留,如果df1,df9中有同名的列,分别加上("_基本信息","_成绩")做为后缀B. 合并df1和df9,df1中的id与df9中的xh进行关联,id和xh分别加上("_基本信息","_成绩")做为后缀C. 合并df1和df9,df1中的id与df9中的xh进行关联,仅id保留,如果df1,df9中有同名的列,分别加上("_基本信息","_成绩")做为后缀D. 合并df1和df9,df1中的id与df9中的xh进行关联,id和xh分别加上("_基本信息","_成绩")做为新列名

如果对某列数据进行帕累托贡献度分析,那么

A. 要对数据做升序排序B. 要对数据做降序排序C. 不需要排序D. 必须要进行数据采样

在数据预处理里,对缺失值做插补,不属于数据插补方法的是

A. 固定值插补B. 中位数插补C. 均值插补D. 随机数插补

如果数据有很多列,需要找出重复的列,最优方案是____

A. 通过相关系数矩阵查找B. 任两列做散点图观察C. 通过循环比较每个值D. 任两列做差,每个差均为0

from scipy.interpolate import interp1d as xxcz from scipy.interpolate import lagrange as lg x=[1,2,3,5,6,7] y=[3,7,11,9,6,4] print(lg(x,y1)(4)) 输出结果可能是

A. 一个小于9的数B. 一个小于11且大于9的数C. 一个大于11的数D. 一定是10

把大量图片分别标注上猫、狗或马.计算机AI学习后,给一张图,AI给出一个答案猫、狗或马.这是

A. 有监督学习B. 无监督学习C. 数据预处理D. Kmeans分类

下载题海APP

拍照搜题更快捷

海量题库
无搜索限制
快捷拍照搜题

扫描他！然后带走我～