Python数据分析崔连和课后参考答案

单元一一．填空题1.数据2.数据分析3.Anoconda4.实时二．选择题1.B2.C3.D4.C三．简答题1.数据分析就是：用适当的统计分析方法对收集来的大量数据进行分析，从中提取有用信息和形成结论，并加以详细研究和概括总结的过程。2.问题定义收集数据数据处理数据分析数据展现3、（1）代码简洁，容易理解。（2）快速开发。（3）拥有强大的通用编程能力。（4）人工智能时代的通用语言（5）方便对接其他语言单元二一．填空题1.多维数组2.m.shape3.04.numpy.dtype5.ravel()6.transpose()7.hstack()8.hsplit()9.save()10.argsort()和lexsort()二．选择题1.C2.B3.A4.B5.D6.C7.A8.B9.C10.C三．判断题1.✔2.❌3.✔4.❌5.✔6.✔7.✔8.✔9.✔10.✔四．应用题1.答：In[1]:importnumpyasnpIn[2]:np.zeros((5,5))Out[2]:array([[0.,0.,0.,0.,0.],[0.,0.,0.,0.,0.],[0.,0.,0.,0.,0.],[0.,0.,0.,0.,0.],[0.,0.,0.,0.,0.]])2.答：In[5]:np.arange(12).reshape(3,4)Out[5]:array([[0,1,2,3],[4,5,6,7],[8,9,10,11]])答：In[13]:data1=np.arange(6).reshape((2,3))+1In[14]:data2=np.arange(6).reshape((2,3))+7In[15]:data1*data2Out[15]:array([[7,16,27],[40,55,72]])In[16]:data1-data2Out[16]:array([[-6,-6,-6],[-6,-6,-6]])In[17]:data1/data2Out[17]:array([[0.14285714,0.25,0.33333333],[0.4,0.45454545,0.5]])答：In[19]:arr=np.array([[1,7,2,9,3],[4,6,5,3,6]])In[20]:arr.sort()In[21]:arrOut[21]:array([[1,2,3,7,9],[3,4,5,6,6]])单元三一．填空题1.二维2.一维3.Index4.多层5.新索引6.位置、名称7.NaN8.sort_index()9.sort_values()10.单层索引二．选择题1.ABC2.A3.B4.C5.B6.B7.D8.ABC9.A10.A三．判断题1.✔2.✔3.❌4.✔5.❌6.✔7.❌8.✔9.❌10.✔四．应用题1.答：In[1]:importpandasaspdIn[2]:data={11:100,12:200,13:300,14:400}In[3]:ser=pd.Series(data)In[4]:serOut[4]:11100122001330014400dtype:int642.答：In[5]:importnumpyasnpIn[6]:data=np.arange(16)In[8]:df=pd.DataFrame(data.reshape((4,4)),index=['a','b','c','d'],columns=['A','B','C','D'])In[9]:dfOut[9]: ABCDa0123b4567c891011d12131415答：In[11]:ser=pd.Series(range(10,20),index=range(10))In[12]:serOut[12]:010111212313414515616717818919dtype:int64In[14]:df=pd.DataFrame(np.arange(1,41).reshape(10,4))In[15]:dfOut[15]:0123012341567829101112313141516417181920521222324625262728729303132833343536937383940In[17]:df+serOut[17]:0123456789011131517NaNNaNNaNNaNNaNNaN115171921NaNNaNNaNNaNNaNNaN219212325NaNNaNNaNNaNNaNNaN323252729NaNNaNNaNNaNNaNNaN427293133NaNNaNNaNNaNNaNNaN531333537NaNNaNNaNNaNNaNNaN635373941NaNNaNNaNNaNNaNNaN739414345NaNNaNNaNNaNNaNNaN843454749NaNNaNNaNNaNNaNNaN947495153NaNNaNNaNNaNNaNNaNIn[18]:df*serOut[18]:0123456789010223652NaNNaNNaNNaNNaNNaN1506684104NaNNaNNaNNaNNaNNaN290110132156NaNNaNNaNNaNNaNNaN3130154180208NaNNaNNaNNaNNaNNaN4170198228260NaNNaNNaNNaNNaNNaN5210242276312NaNNaNNaNNaNNaNNaN6250286324364NaNNaNNaNNaNNaNNaN7290330372416NaNNaNNaNNaNNaNNaN8330374420468NaNNaNNaNNaNNaNNaN9370418468520NaNNaNNaNNaNNaNNaNIn[19]:df-serOut[19]:01234567890-9-9-9-9NaNNaNNaNNaNNaNNaN1-5-5-5-5NaNNaNNaNNaNNaNNaN2-1-1-1-1NaNNaNNaNNaNNaNNaN33333NaNNaNNaNNaNNaNNaN47777NaNNaNNaNNaNNaNNaN511111111NaNNaNNaNNaNNaNNaN615151515NaNNaNNaNNaNNaNNaN719191919NaNNaNNaNNaNNaNNaN823232323NaNNaNNaNNaNNaNNaN927272727NaNNaNNaNNaNNaNNaNIn[20]:df/serOut[20]:012345678900.10.1818180.2500000.307692NaNNaNNaNNaNNaNNaN10.50.5454550.5833330.615385NaNNaNNaNNaNNaNNaN20.90.9090910.9166670.923077NaNNaNNaNNaNNaNNaN31.31.2727271.2500001.230769NaNNaNNaNNaNNaNNaN41.71.6363641.5833331.538462NaNNaNNaNNaNNaNNaN52.12.0000001.9166671.846154NaNNaNNaNNaNNaNNaN62.52.3636362.2500002.153846NaNNaNNaNNaNNaNNaN72.92.7272732.5833332.461538NaNNaNNaNNaNNaNNaN83.33.0909092.9166672.769231NaNNaNNaNNaNNaNNaN93.73.4545453.2500003.076923NaNNaNNaNNaNNaNNaN4.答：In[26]:df=pd.Series(np.random.randn(16),index=[['a','a','a','a','b','b','b','b','c','c','c','c','d','d','d','d'],[1,2,3,4,1,2,3,4,1,2,3,4,1,2,3,4]])In[27]:dfOut[27]:a1-0.7500632-1.92586231.4673094-0.563584b1-0.8938052-1.6299903-0.08184340.007649c11.80914620.14331930.4999364-0.478171d1-1.29354020.6107563-0.36040740.575243dtype:float64单元四一．填空题1.read_csv()2.read_csv()3.xlrd4.read_json()5.read_html()二．选择题1.A2.B3.ABC单元5数据规整化一．填空题1.merge()2.不同3.行4.concat()5.轴向旋转6.层次索引7.轴向旋转8.duplicated()9.cut()10.数组二．选择题1.A2.B3.A4.B5.B6.A7.A8.A9.B10.A三．判断题1.✔2.✔3.✔4.✔5.❌6.✔7.✔8.✔9.✔10.✔四．应用题1.答：In[1]:importpandasaspdIn[2]:importnumpyasnpIn[3]:np.random.seed(1000)In[4]:df=pd.DataFrame(np.random.randn(100,4))In[7]:df[np.abs(df)>1]Out[7]:01230NaNNaNNaNNaN1NaNNaNNaNNaN2NaNNaNNaNNaN3-1.196070NaNNaNNaN4NaNNaN1.271795NaN..............95-1.0250491.615114NaN-1.17264296NaN-1.238338NaNNaN971.030095NaNNaNNaN98NaN1.962265NaNNaN99NaNNaNNaN1.268900[100rowsx4columns]2.答：In[8]:importpandasaspdIn[9]:importnumpyasnpIn[10]:ages=[8,12,67,44,30,27,19,80,15,50]In[11]:bins=[0,12,18,25,45,55,100]In[12]:categories=pd.cut(ages,bins)In[13]:categoriesOut[13]:[(0,12],(0,12],(55,100],(25,45],(25,45],(25,45],(18,25],(55,100],(12,18],(45,55]]Categories(6,interval[int64,right]):[(0,12]<(12,18]<(18,25]<(25,45]<(45,55]<(55,100]]答：In[14]:df=pd.DataFrame(np.arange(16).reshape((4,4)),index=['A1','A2','A3','A4'],columns=['B1','B2','B3','B4'])In[15]:dfOut[15]:B1B2B3B4A10123A24567A3891011A412131415答：In[16]:df1=pd.DataFrame(np.arange(25).reshape((5,5)),index=['C1','C2','C3','C4','C5'],columns=['D1','D2','D3','D4','D5'])In[17]:df1Out[17]:D1D2D3D4D5C101234C256789C31011121314C41516171819C52021222324In[18]:bine_first(df1)Out[18]:B1B2B3B4D1D2D3D4D5A10.01.02.03.0NaNNaNNaNNaNNaNA24.05.06.07.0NaNNaNNaNNaNNaNA38.09.010.011.0NaNNaNNaNNaNNaNA412.013.014.015.0NaNNaNNaNNaNNaNC1NaNNaNNaNNaN0.01.02.03.04.0C2NaNNaNNaNNaN5.06.07.08.09.0C3NaNNaNNaNNaN10.011.012.013.014.0C4NaNNaNNaNNaN15.016.017