登陆题目详情
单选题 有dataframe结构的数据df_obj = pd.DataFrame([[1,2,3],[2,1,1],[4,3,1],[5,1,2]],columns=['a','b','c']) 输出列名为"c"的列中元素大于1的所有列数据
学科：数据分析与实践-Python-23
时间：2024-12-13 05:04:53
相关题目
相关作业
题目1单选题
pandas模块中的read_csv()函数在日常使用较多,它除了可以读取csv格式的文件并将结果转换成一个DataFrame外,还可以读取其他的格式化文本文件.假设有一个文本文件的每一行均含有相同个数的数值,且数据间都用一个#分隔,形如: 12#34#5.67#1234 12#346#5.67#77 ... 12#3.4#67#67.89 请问在read_csv()函数中需要添加如下哪一个选项中的参数设置A. names='#'B. sep='#'C. index_col='#'D. engine='#'
题目2单选题
对于一个Series或DataFrame对象来说,如下选项中说法错误的是哪一个A. isnull()方法可以用来判断缺失值B. drop()方法可以用来删除缺失行C. fillna()方法可以用来填充缺失行D. fillna()方法可通过method参数指定缺失值用其上或其下的第一个非缺失值填充
题目3单选题
请选出以下关于数据规约的两种形式——属性规约和数值规约说法中错误的选项A. 属性规约是对数据集属性的规约,目的是获得有代表性的较少的数据列的规约表示B. PCA是重要的属性规约方法C. 箱型图常用来实现数值规约D. 抽样是数值规约的常见手段,常见的包括如随机抽样,聚类抽样和分层抽样
题目4单选题
若已从一个DataFrame对象df中选择了两部分数据(保持数据属性完整)分别存入df1和df2中,代码行如下, 请从如下选项中选出可以正确合并这两部分数据的函数/方法补充完整代码A. appendB. joinC. concatD. merge
题目5单选题
分组的基本原理是A. apply->split->combineB. split ->apply->combineC. combine >split ->applyD. split -> combine ->apply
题目6单选题
有dataframe结构的数据df_obj = pd.DataFrame([[1,2,3],[2,1,1],[4,3,1],[5,1,2]],columns=['a','b','c']) 输出列名为"c"的列中元素大于1的所有列数据A. df_obj.loc[df_obj.iloc[:,"c"]>1,:]B. df_obj.loc[df_obj.loc[:,"c"]>1,:]C. df_obj.loc[df_obj.loc[:,2]>1,:]D. df_obj.loc[:,df_obj.loc[2,:]>1]
题目7单选题
有dataframe结构的数据df_obj = pd.DataFrame([[1,2,3],[2,1,1],[4,3,1],[5,1,2]],columns=['a','b','c']) 输出第二行中为1,并且第三行中为3的列数据A. df_obj.loc[(df_obj.loc[1,:]==1)&(df_obj.loc[2,:]==3),:]B. df_obj.loc[:,(df_obj.loc[2,:]==1)&(df_obj.loc[3,:]==3)]C. df_obj.loc[:,(df_obj.loc[1,:]==1)&(df_obj.loc[2,:]==3)]D. df_obj.loc[(df_obj.loc[2,:]==1)&(df_obj.loc[3,:]==3),:]
题目8单选题
在pandas中,用于读取CSV文件的方法是A. read_csv()B. read_excel()C. read_json()D. read_sql()
题目9单选题
在pandas中,用于删除DataFrame中某一列的方法是A. drop()B. remove()C. delete()D. pop()
题目10单选题
在pandas中,用于合并两个DataFrame的方法是A. merge()B. concat()C. join()D. append()
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
