金融数据分析知到智慧树章节测试课后答案2024年秋哈尔滨金融学院

金融数据分析知到智慧树章节测试课后答案2024年秋哈尔滨金融学院第一章单元测试

在一个循环体内又包含一个完整的循环结构，称为循环的嵌套。（）

A:对B:错

答案:对continue语句：结束这一轮的循环，进入下一次循环。（）

A:错B:对

答案:对浮点类型（float）是表示实数的数据类型。（）

A:对B:错

答案:对字典中的每一对“键值对”被称为字典的条目。（）

A:错B:对

答案:对字典是通过键值对方式存储数据与数据之间的对应关系的一种数据结构。（）

A:错B:对

答案:对以下选项中不符合

Python语⾔变量命名规则的是（）。

A:

_AlB:

TempStrC:

LLD:3_1

答案:3_1下⾯代码的输出结果是（）。

A:<class'complex'>B:<class'int'>C:<class'float'>D:<class'bool'>

答案:<class'float'>运⾏下列代码，输出结果是（）

A:45

B:0

C:其它选项均不对

D:25

答案:45

运⾏以下程序的结果是（）

A:[1,16,25,49,36,81]B:[1,16,25,36,49,81]C:[1,4,5,6,7,9]D:[1,3,4,5,7,8]

答案:[1,16,25,49,36,81]运⾏以下程序，变量'i'的值为（）

A:95

B:75

C:93

D:70

答案:75

第二章单元测试

下列选项中用来表示数组维度的属性是（）。

A:dtypeB:shape

C:size

D:ndim

答案:shape

已知a=np.arange(9).reshape(3,3)，要访问数组a的数值5，正确的索引表达式为（）。

A:a[2,2]

B:a[1,2]

C:a[1,3]

D:a[5]

答案:a[1,2]

导入Numpy模块的方式为（）。

A:fromnumpy

B:importnumpy

C:importnp

D:importnumpyasnp

答案:importnumpy

；importnumpyasnp

创建数组，并且数组的5个元素均为1，实现该功能的命令为（）。

A:np.array([1]*5)

B:np.arange(5)

C:np.zeros(5)

D:np.ones(5)

答案:np.array([1]*5)

；np.ones(5)

NumPy(NumericalPython)是Python语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。（）

A:错B:对

答案:对如果没有明确地指明数组中元素的类型，则默认为int64。（）

A:对B:错

答案:错两个等长的数组才能相加。（）

A:对B:错

答案:对表达式np.ones((2,6)).sum()的值为12。（）

A:对B:错

答案:对使用np.zeros(5,6)生成的数组中元素个数为30。（）

A:对B:错

答案:对使用np.arange(10)生成的数组中最后一个元素的值为9。（）

A:错B:对

答案:对

第三章单元测试

下列能创建序列类型对象的语句是（）。

A:s2=pd.Series((1,3,5,7,9))

B:s1=pd.Series([1,3,5,7,9])

C:s4=pd.Series(dict())

D:s3=pd.Series(np.array([1,3,5,7,9]))

答案:s2=pd.Series((1,3,5,7,9))

；s1=pd.Series([1,3,5,7,9])

；s4=pd.Series(dict())

；s3=pd.Series(np.array([1,3,5,7,9]))

df是100行10列的数据框，“df.head(8)”语句的功能是（）。

A:查看df前8行数据

B:查看df从第8开始到最后的所有数据

C:查看df第8行数据

D:查看df全部数据

答案:查看df前8行数据

df是100行10列的数据框，df.columns的功能是（）。

A:输出df前5行的索引

B:输出df全部列名称

C:输出df全部索引

D:输出df前5列的列名称

答案:输出df全部列名称

df是一个10行3列的数据框，df.columns=['col1','col2','col3']语句的功能是（）。

A:将df的部分列名修改为'col1','col2','col3'

B:将df的部分索引修改为'col1','col2','col3'

C:将改df的全部列名修改为'col1','col2','col3'

D:将df的全部索引修改为'col1','col2','col3'

答案:将改df的全部列名修改为'col1','col2','col3'

df是一个的数据框变量，df.loc['f','age']=25语句的功能是（）。

A:将df的“age”行的值修改为25

B:将df的“f”行的值修改为25

C:将df的“age”行“f”列的值修改为25

D:将df的“f”行“age”列的值修改为25

答案:将df的“f”行“age”列的值修改为25

df是数据框对象，age是df的列名，df.loc[df['age'].isnull(),:]语句的功能是（）。

A:提取df中所有空值的行

B:提取df中age列是空值的值

C:提取df中所有空值

D:提取df中age列是空值的行

答案:提取df中age列是空值的行

能将外部文件导入的语句是（）。

A:pd.read_excel(r“C:/Users/student.xlsx”)

B:pd.to_excel(r“C:/Users/student.xlsx”)

C:pd.read_csv(r“C:/Users/student.csv”)

D:pd.read_table(r“C:/Users/student.txt”)

答案:pd.read_excel(r“C:/Users/student.xlsx”)

；pd.read_csv(r“C:/Users/student.csv”)

；pd.read_table(r“C:/Users/student.txt”)

下列语句的功能是（

）。importpandasaspdimportnumpyasnpy=pd.Series(np.arange(0,19,2),index=['A'+str(i)foriinrange(10)])

A:y的索引是“A0”，“A1”，“A2”，“A3”，“A4”“A5”，“A6”，“A7”，“A8”，“A9”B:y的值是0，2，4，6，8，10，12，14，16，18C:创建数据框类型数据对象赋值给变量y，D:创建序列类型数据对象赋值给变量y，

答案:y的索引是“A0”，“A1”，“A2”，“A3”，“A4”“A5”，“A6”，“A7”，“A8”，“A9”；y的值是0，2，4，6，8，10，12，14，16，18；创建序列类型数据对象赋值给变量y，下列语句定义了df数据框对象，df['Age'].mean()语句的功能是（）。df=pd.DataFrame({'ID':['001','002','003','004','005','006'],'Name':['su','gao','wang','li','zhang','song'],\'Age':[33,31,35,36,37,38],'sex':['m','f','m','m','f','m']})

A:计算age列的平均值B:计算df的平均值”C:计算age列的最大值”D:计算age列的和”

答案:计算age列的平均值下列语句的功能是（）。importpandasaspddata=pd.DataFrame()data['city']=['Beijing','Shanghai','Shenzhen']

A:在data数据框中新增一行，索引为“city”B:在data序列中新增一行，索引为“city”C:在data序列中新增一列，列名为“city”D:在data数据框中新增一列，列名为“city”

答案:在data数据框中新增一列，列名为“city”

第四章单元测试

下列函数中，可以绘制散点图的函数是（）。

A:pie

B:bar

C:hist

D:scatter

答案:scatter

下列选项中，描述不正确的是（）。

A:箱形图可以提供有关数据分散情况的信息，可以很直观地查看数据的四分位分布

B:条形图是由一系列高度不等的纵向条纹或线段表示数据分布情况

C:饼图显示一个数据序列中的各项的大小与各项总和的比例

D:折线图是用直线段将数据连接起来而组成的图形，以折线的方式显式数据的变化

答案:条形图是由一系列高度不等的纵向条纹或线段表示数据分布情况

下列图表中，可以清晰地反映出各数据系列的百分比情况的是（）。

A:饼图

B:直方图

C:折线图

D:散点图

答案:饼图

在创建Figure对象时，可以指定哪个参数来调整画布大小？（）

A:facecolor

B:dpi

C:figsize

D:num

答案:figsize

绘制图表时，可以使用subplot()函数创建多个子图。（）

A:错B:对

答案:对Matplotlib默认支持中文显示。（）

A:对B:错

答案:错Matplotlib生成的图表可以保存在本地。（）

A:对B:错

答案:对散点图包含的数据点越少，比较的效果就会越好。（）

A:错B:对

答案:错在使用Matplotlib绘制图表时，可以不需要导入pyplot模块。（）

A:对B:错

答案:错在使用Matplotlib绘制条形图时可以使用pyplot模块中的bar函数。（）

A:错B:对

答案:对

第五章单元测试

线性回归方程中的截距a以及系数b与数学中的含义一致。（）

A:对B:错

答案:错利用Excel实现一元线性回归中，三种方法得到的线性回归方程完全一致。（）

A:对B:错

答案:对Python实现一元线性回归的解决方案，输出结果中R-squared值越小说明，模型对真实值的解释程度越高。（）

A:对B:错

答案:错利用Excel实现一元线性回归中的三种方法都无法实现多元线性回归。（）

A:对B:错

答案:错Python实现多元线性回归中如果不为X矩阵增加截距项，运行结果也能显示线性方程中的截距项。（）

A:错B:对

答案:错多元线性回归过程中发现相关性不强或不显著的变量时，可以剔除后进行再次回归，以提高回归的R2。（）

A:对B:错

答案:对回归是设法找出变量间在数量上的依存变化关系,用函数表达式表达出来，这个表达式称之为回归方程。（）

A:对B:错

答案:对残差分析：如果残差没有均匀分布在水平线两侧，而是呈现一定“规律性”，暗示存在某些“规律”没有被发现。（）

A:错B:对

答案:对在回归分析中要求因变量Y是随机变量，服从正态分布，自变量X可以是随机变量也可以是给定的变量。（）

A:对B:错

答案:对如果QQ图存在一定的弯曲，暗示残差可能不符合正态分布。（）

A:错B:对

答案:对

第六章单元测试

下列函数中，用于创建固定频率DatetimeIndex对象的是（）。

A:period_range()

B:asfreq()

C:shift()

D:date_range()

答案:date_range()

下列选项中，用来表示Pandas中的时间戳的是（）。

A:Series

B:Interval

C:Period

D:Timestamp

答案:Timestamp

关于时间序列的移动，下列说法错误的是（）。

A:无论时间序列的数据怎么移动，索引是不会发生任何变化的

B:移动是指沿着时间轴方向将数据进行前移或后移

C:数据移动后会出现边界情况

D:时间序列移动后，索引也会发生变化

答案:时间序列移动后，索引也会发生变化

关于重采样的说法中，下列描述错误的是（）。

A:时间序列数据在降采样时，总体的数据量是减少的

B:升采样的时间颗粒是变小的

C:重采样是将时间序列从一个频率转到另一个频率

D:时间序列数据在降采样时，总体的数据量是增加的

答案:时间序列数据在降采样时，总体的数据量是增加的

下列关于ARIMA(p,d,q)的说法中，描述正确的是（）。

A:参数d代表差分阶数

B:参数q代表滑动平均项数

C:ARIMA是一种用于时间序列预测的常见统计模型

D:参数p代表自回归项数

答案:参数d代表差分阶数

；参数q代表滑动平均项数

；ARIMA是一种用于时间序列预测的常见统计模型

；参数p代表自回归项数

最基本的时间序列类型是以时间戳为索引的Series对象。（）

A:错B:对

答案:对如果相同频率的两个Period对象进行数学运算，那么计算结果为它们的单位数量。（）

A:对B:错

答案:对任何类型的Pandas对象都可以进行重采样。（）

A:对B:错

答案:错DatetimeIndex是一种用来指代一系列时间戳