- A.Jupyter notebook可以直接生成一份交互式文档
- B.Jupyter notebook可以安装Python库
- C.Jupyter notebook可以导出HTML文件
- D.Jupyter notebook可以将文件分享给他人
- A.M
- B.ESC
- C.H
- D.A
| 差异类型 | 数据分析 | 数据挖掘 |
|---|---|---|
| 定义 | 描述和探索性分析，评估现状和修正性不足 | 技术性的“采矿”，过程，发现未知的模式和规律 |
| 侧重点 | 实际的业务知识 | 涉及到 业务知识 |
| 技能 | 统计学，数据库，Excel，可视化等 | 过硬的数学功底和编程技术 |
| 结果 | 需结合业务知识解读统计结果 | 模型或规律 |
- 包括数据处理、视觉编码和可视化生成。数据处理聚焦于数据的采集、清理、预处理、分析和挖掘；视觉编码聚焦于解决对光学图像进行接收、提取信息、加工变换、模式识别及存储显示；可视化生成则聚焦于解决将数据转换成图形，并进行交互处理。数据可视化分析通过对数据不断地观察、分析从而发现有用的信息模式。
- Python第三方包的安装方式较多，本书建议采用以下方式进行安装和管理。
（1）在CMD命令窗口中，使用conda命令进行自动下载安装，用法如下：
conda install <包名称列表> #安装包
conda remove <包名称列表> #卸载包
conda search<搜索项> #搜索包
conda list #查看所有包
conda update<包名称> #升级包
（2）在CMD命令窗口中使用pip命令，用法如下：
pip install <包名> #安装包
pip install–upgrade <包名> #更新包
pip uninstall <包名> #删除包
也可以在Jupyter notebook的cell中运行pip命令执行相应的命令，只需在命令前加“！”，如执行 ! pip install 包名 进行包的安装。
- 按esc键切换为命令模式，按enter键进入编辑模式
- A. pip install 包名
- B. conda install 包名
- C. !pip install 包名
- D. !conda install 包名
- 错
- 对
- 对
- 对
- 对
- 错
- 对
- 错
- 错
- 错
-
A.array
-
B.func
-
C.matrix
-
D.Series
-
A.np.arange(0,9).reshape(3,3)
-
B.np.eye(3)
-
C.np.random.random([3,3,3])
-
D.np.mat(“1,2,3;4,5,6;7,8,9”)
-
A.ndim
-
B.shape
-
C.size
-
D.itemsize.
- 1 7 4 11 2
- 1 9
- [array([[0, 1],[4, 5]]),array([[2, 3],[6, 7]])]
- transpose
- np.linspace(0,1,12)
- 直接排序、x中的元素从小到大排列，提取其对应的index(索引)、对数组或列表按照某一行或列进行排序
- a= np.zeros((10,10), dtype =int)
a[0,:]=1
a[:,9]=1
a[:,0]=1
a[9,:]=1
- arr[arr%2!=0]=-1
-
A.对角矩阵
-
B.三角矩阵
-
C.值为1的矩阵
-
D.值为0的矩阵
-
A.uniform
-
B.shuffle
-
C.permutation
-
D.normal
-
A.zeros( )
-
B.arange( )
-
C.linspace( )
-
D.logspace( )
- 错
- 对
- 错
- 对
- 对
- 错
- reset_index
- 索引
- 位置
- 数据元素、维度
- 前向填充、后向填充
- 抽取比例
- 是否在原数据上修改
- NAN值
- 将函数套用到数据的行与列上
- kind
-
A. agg()函数
-
B. concat()函数
-
C. join()方法
-
D. merge()函数
-
A. merge()方法
-
B. concat()方法
-
C. to_datetime()方法
-
D. set_index()方法
- 对
A. 密度图
B. 直方图
C. 盒图
D. 概率图
以下关于缺失值检测的说法中，正确的是（ D ）A. null和notnull可以对缺失值进行处理
B. dropna方法既可以删除观测记录，还可以删除特征
C. fillna方法中用来替换缺失值的值只能是数据框
D. Pandas库中的interpolate模块包含了多种插值方法
Pandas中利用merge函数合并数据表时默认的是内连接方式。（ ）- 对
- 错
- 错
- 错
- 对
- dropna中的参数thresh当传入thresh = N时，表示要求一行至少具有N个非NaN才能存活。
- a.散点图方法观察 b. 箱线图分析 c. 3σ法则
- 散点图
就观察。。。哈哈哈
箱线图
大于上限，小于下限为异常值
3σ法则
超出3σ之外的值为异常值
- 不同特征之间往往具有不同的量纲，由此造成数值间的差异很大。因此为了消除特征之间量纲和取值范围的差异可能会造成的影响，需要对数据进行标准化处理
- 将数据的值域划分成具有相同宽度的区间，区间个数由数据本身的特点决定或由用户指定。Pandas提供了cut函数，可以进行连续型数据的等宽离散化。cut函数的基础语法格式为：
pandas.cut(x,bins,right=True,labels=None,retbins=False,precision=3)
-
A. 忽略
-
B. 删除
-
C. 平均值填充
-
D. 最大值填充
- 对
- 错
-
A.pyplot
-
B.Bar
-
C.rcparams
-
D.pprint
-
A. 绘制简单的图形可以使用缺省的画布
-
B. 添加图例可以在绘制图形之前
-
C. 添加x轴，y轴的标签可以在绘制图形之前
-
D. 修改x轴标签，y轴标签和绘制的图形没有先后
-
A. lines.linestyle
-
B. lines.linewidth
-
C. font.sans-serif
-
D. axes.unicode_minus
-
A. 饼图一般用于表示不同分类的占比情况。
-
B. 箱线图展示了分位数的位置。
-
C. 散点图无法反映特征间的统计关系。
-
D. 词云对于文本中出现频率较高的关键词予以视觉上的突出。
- 有时空数据可视化，层次与网络结构数据可视化，文本和跨媒体数据可视化以及多变量数据可视化。
- 查找到当前用户的配置文件目录，然后用编辑器打开，修改matplotlibrc文件，即可修改配置参数。
- text函数在指定位置加入文本注释，annotate函数在图像实现带有指向型的文本注释。
(1) 绘图函数：y=sin(x), y=cos(x), x = np.linspace(-np.pi, np.pi, 256, endpoint=True)；
(2) 绘制填充区域:
紫色区域：(-2.5
紫色的设置：color=‘purple’.
import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False
# 创建x轴数据，从-pi到pi平均取256个点；
x = np.linspace(-np.pi,np.pi,256,endpoint=True)
# 创建y轴数据，根据X的值，求正弦和余弦函数；
sin,cos = np.sin(x),np.cos(x)
# 设置正弦函数曲线的颜色为蓝色(blue)，线型为实线，线宽为2.5mm；
#余弦函数曲线的颜色为红色(red)，线型为实线，线宽为2.5mm。
plt.plot(x,sin,"b-",lw=2.5,label="正弦Sin()")
plt.plot(x,cos,"r-",lw=2.5,label="余弦Cos()")
# 设置坐标轴的范围，将x轴、y轴同时拉伸1.5倍，
plt.xlim(x.min()*1.5,x.max()*1.5)
plt.ylim(cos.min()*1.5,cos.max()*1.5)
# 设置x轴、y轴的坐标刻度，
plt.xticks([-np.pi,-np.pi/2,0,np.pi/2,np.pi],[r'$-pi$',r'$-pi/2$',r'$0$',r'$pi/2$',r'$pi$'])
plt.yticks([-1,0,1])
# 为图表添加标题“绘图实例之COS()&SIN()”，字体大小设置为16，字体颜色设置为绿色；
plt.title("绘图实例之COS()&SIN()",fontsize=16,color="green")
# 在图表右下角位置文本为“python-matplotlib”，文本大小为16，文本颜色为紫色
plt.text(+2.1,-1.4,"python_matplotlib",fontsize=16,color="purple")
# 获取Axes对象，并隐藏右边界和上边界；
ax=plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
# 将x轴的坐标刻度设置在坐标轴下侧，坐标轴平移至经过零点（0,0）的位置，
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data',0))
# 将y轴的坐标刻度设置在坐标轴左侧，坐标轴平移至经过零点（0,0）的位置，
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data',0))
# 添加图例，图例位置为左上角，图例文字大小为12，
plt.legend(loc="upper left",fontsize=12)
# 用绘制散点图的方法在正弦，余弦函数上标注这两个点的位置，设置点大小为50，设置相应的点颜色；
t1=-np.pi
t2=2*np.pi/3
plt.scatter([t1,],[np.cos(t1),], 50, color ='b')
plt.scatter([t2,],[np.sin(t2),], 50, color ='r')
# 为图表添加带箭头的注释；
plt.annotate(r'$sin(frac{2pi}{3})=frac{sqrt{3}}{2}$',
xy=(t2,np.sin(t2)), #点的位置
xycoords='data', #注释文字的偏移量
xytext=(+10,+30), #文字离点的横纵距离
textcoords='offset points',
fontsize=14, #注释的大小
arrowprops=dict(arrow,connection))
plt.annotate(r'$cos(-pi)=-1$',
xy=(t1,np.cos(t1)), #点的位置
xycoords='data', #注释文字的偏移量
xytext=(0,-40), #文字离点的横纵距离
textcoords='offset points',
fontsize=14, #注释的大小
arrowprops=dict(arrow,connection))
# 获取x,y轴的刻度，并设置字体；
for label in ax.get_xticklabels()+ax.get_yticklabels():
label.set_fontsize(18)
# 绘制填充区域；#设置正弦函数的填充区域，颜色为绿色（green），余弦函数的填充区域，颜色为紫色（purple）
plt.fill_between(x, np.abs(x)<0.5, sin, sin>0.5, color='g', alpha=0.8)
plt.fill_between(x, cos, where=(-2.5
以下（ C ）函数可以在绘制图表时，设置x轴的名称。
-
A. xlim()
-
B. ylim()
-
C. xlabel()
-
D. xticks()
以下哪个函数可以实现画布的创建？（ C ）
-
A. subplots( )
-
B. add_subplot( )
-
C. figure( )
-
D. subplot2grid( )
在极坐标投影中，需要以半径和角度的形式定义。（ ）
- 对
在matplotlib里面，可以使用LaTex的命令来编辑公式，只需要在字符串前面加一个字符___即可。
- r
在绘图中，有时候需要同时显示数据表格。Matplotlib在绘图中提供了___方法可以同时显示数据表格。
- table
Matplotlib配置了配色方案和默认设置。有两种方式可以设置参数，即全局参数定制和 ___方法。
- rc参数设置
绘图时可以通过text函数在指定位置加入注释，也可以通过___ 在图中实现带有指向型的文本注释。
- annotabe
Matplotlib中绘图时的参数___ 用于设置点的透明度。
- alpha
第七章
Seaborn的绘图更加便捷美观，是matplotlib的替代。 （ ）
- 错
需要转换默认的Seaborn绘图风格，只需调用有参数设置的set方法。（ ）
- 错
使用Seaborn中的set_style( ) 设置主题，有5个预设的主题。（ ）
- 对
热力图实现过程就是将离散的点信息映射为图像。（ ）
- 对
简述Seaborn绘图风格设置的内容和方法。
- Seaborn通过set函数实现风格设置。
seaborn.set(context=‘notebook’, style=‘darkgrid’, palette=‘deep’, font=‘sans-serif’, font_scale=1, color_codes=True, rc=None)
简述Seaborn绘图主题设置的内容和方法。
- Seaborn将matplotlib的参数划分为两个独立的组合。第一组是设置绘图的外观风格的，第二组主要将绘图的各种元素按比例缩放的，以至可以嵌入到不同的背景环境中。控制这些参数的接口主要有两对方法：
控制风格：axes_style(), set_style()
缩放绘图：plotting_context(), set_context()
每对方法中的第一个方法（axes_style(), plotting_context()）会返回一组字典参数，而第二个方法（set_style(), set_context()）会设置matplotlib的默认参数。
利用set_style( )设置主题，Seaborn有五个预设的主题： darkgrid、 whitegrid、dark、white和 ticks，默认为darkgrid。
简述临时设置绘图参数的方法。
- 利用with语句
with sns.axes_style(“darkgrid”):
plt.subplot(2,1,1)
sinplot( )
Seaborn中的relplot方法关注的是统计量之间的关系，利用kind参数设置，可以绘制出曲线图和散点图。（ ）
- 对
在Seaborn中可以将一个字典参数传递给axes_style()的参数rc进行参数设置。（ ）
- 对
绘制回归图可以揭示两个变量之间的线性关系。（ ）
- 对
Seaborn中可以通过___方法移除绘图上方和右方坐标上不需要的边框。
- despine
在Seaborn中使用______方法实现数据特征两两对比的散点图矩阵。
- pairplot
第八章
简述pyecharts代码链式调用的方法。
- V1 版本开始支持链式调用
bar = ( Bar()
.add_xaxis([“衬衫”, “毛衣”, “领带”, “裤子”, “风衣”, “高跟鞋”, “袜子”])
.add_yaxis(“商家A”, [114, 55, 27, 101, 125, 27, 105])
.set_global_opts(title_opts = opts.TitleOpts(title = “某商场销售情况”)) )
bar.render_notebook()
简述桑基图和平行坐标图的主要作用。
- 桑基图(Sankey diagram)即桑基能量分流图，也叫桑基能量平衡图。它是一种特定类型的流程图，图中延伸的分支的宽度对应数据流量的大小，通常应用于能源、材料成分、金融等数据的可视化分析。Pyecharts中利用Sankey绘制桑基图。
平行坐标图（Parallel Coordinates Plot）是对于具有多个属性问题的一种可视化方法。在平行坐标图中，数据集的一行数据在平行坐标图中用一条折线表示，纵向是属性值，横向是属性类别（用索引表示）。
简述pyecharts中地图绘制的主要过程。
- 安装pycharts
- 创建实例
- 添加数据
- 设置系列配置项
- 设置全局配置项
- 生成的地图以html格式保存
pyecharts还可以生成地理空间流动图，用来表示航班数量、人口流动等等。（ ）
- 对
图是一种抽象的数据结构，可以描述最广泛的数据间的关系，如交通网络，微信中的朋友关系网。（ ）
- 对
pyecharts中通过___绘制漏斗图。
- funnel
pyecharts中通过___ 绘制K线图。
- kline
pyecharts中通过___ 绘制仪表盘图。
- gauge
pyecharts中通过 ___绘制仪桑基图。
- sankey
___是对于具有多个属性问题的一种可视化方法，其中，数据集的一行数据在平行坐标图中用一条折线表示，
- 平行坐标图
第九章
在Pandas中用于创建指定长度的日期型序列的方法是pandas.___ 方法。
- date_range
datetime类数据是date类和time类的组合。通过 ___方法可以查看当前系统时间。
- now()
可以使用datetime.strptime将字符串转换为______。
- 时间类型
时间序列的重采样是时间序列频率转换的过程，高频率聚合到低频率称为______。
- 下采样
简述时间序列数据分析的应用场景。
- 在多个时间点观测或测量的数据形成了时间序列。时间序列数据是一种重要的结构化数据类型，如金融、经济、生态学、神经科学和物理学等领域。
简述用Python来进行平稳性检验的常用方法。
- 用Python来进行平稳性检验主要有时序图检验、自相关图检验以及构造统计量进行检验3种方法。
（1）时序图
时序图就是普通的时间序列图，即以时间为横轴，观察值为纵轴进行检验。利用时序图可以粗略观察序列的平稳性。
（2）自相关图检验
平稳序列通常具有短期相关性，即随着延迟期数k的增加，平稳序列的自相关系数会很快地衰减向零，而非平稳序列的自相关系数的衰减速度会比较慢。画自相关图用到的是statsmodels中的plot_acf方法。自相关图中横轴表示延迟期数，纵轴表示自相关系数。
（3）构造统计量
利用绘图判断序列的平稳性比较直观，但不够精确，ADF（Augmented Dickey-Fuller）法直接通过假设检验的方式来验证平稳性。ADF的原假设（H0）和备择假设（H1）如下：
H0：具有单位根，属于非平稳序列；
H1：没有单位根，属于平稳序列。
Python中可以使用statsmodels中的adfuller方法进行ADF检验，直接输入数据，即可返回7个数值。其中的第一个返回值adf就是ADF方法的检验结果，这个值理论上越负越能拒绝原假设；第二个返回值pvalue以常用的判断标准值0.05作为参考，若其值大于0.05，说明支持原假设，反之拒绝原假设，表明该序列是一个平稳序列。
分析股票你选择用哪种分析方法（ C ）
-
A. 聚类
-
B. 一元线性回归
-
C. 时间序列
-
D. 多元线性回归
时间序列索引方法和Pandas数据的索引是相同的。（ ）
- 对
时序图就是普通的时间序列图，即以时间为横轴，观察值为纵轴进行检验。（ ）
- 对
利用时序图可以粗略观察序列的平稳性。（ ）
- 对
自相关图中横轴表示延迟期数，纵轴表示自相关系数。（ ）
- 对
ADF（Augmented Dickey-Fuller）法直接通过假设检验的方式来验证平稳性。（ ）
- 对
在Pandas中可以通过___方法快速将一列字符串转换为datatime数据。
- to_datatime
