Python数据预处理（微课版）习题答案.docxVIP

单元1 课后习题答案 一、填空题 1、数据 2、10TB 3、数据质量 4、数据变换 5、Python 二、判断题 1、错。 2、错。 3、对 4、对 5、错。 三、单选题 1、C 2、D 3、A 4、C 5、D 6、D 四、问答题 ① 数据合并主要是将存储在多张表中的数据合并为一张表，便于进行数据分析。通过数据合并，可以将关联的数据信息存入一张表中。 ② 数据清洗就是对“脏”数据进行的检查与纠正，目的包括处理缺失的值，解决数据的重复和不一致性等。 ③ 数据变换主要是将数据变换成便于数据分析的形式。数据变换是将数据从一种类型/格式变换为另一种类型/格式，或按照指定的映射变换为另一种数据的过程。  单元2 课后习题答案 一、填空题 1、Series DataFrame 2、标签 3、切片 4、字典 5、标签 下标 二、判断题 1、对 2、错。Series是一种类似于一维数组的对象， DataFrame是一种二维表格型的数据结构。 3、对 4、对 5、错。DataFrame是由行索引、列标签和数据组成的 三、单选题 1、A 2、D 3、C 4、B 四、编程题 import pandas as pd df=pd.DataFrame({age:[25,30,22,28], gender:[male,female,None,male], salary:[4000,8000,3000,5000] }) df[df.isnull().T.any()] # 筛选出包含空值的行 df.loc[2:2,[gender]] = female # 任务 = 1 \* GB3 ① df.loc[4]=[35,male,10000] # 任务 = 2 \* GB3 ② # 任务 = 3 \* GB3 ③ df.sort_values(by=salary,axis=0,ascending=False,inplace=True) df.head(3) # 任务 = 4 \* GB3 ④ df.sort_index(axis=0,ascending=True,inplace=True) #按行索引排序 df[df[gender]==male] df.loc[3:4,[gender,salary]] # 任务 = 5 \* GB3 ⑤  单元3 课后习题答案 一、填空题 1、聚焦网络爬虫，主题网络爬虫 2、深层网页 3、Request （请求）和Response（响应） 4、CSV（或Comma-Separated Values） 5、JSON对象，JSON数组 二、判断题 1、对 2、对 3、错 4、错 5、对 三、单选题 1、A 2、D 3、D 4、D 5、C 四、编程题 import pandas as pd nme = [abc, xyz] cla = [1, 2] ag = [15,16] # 创建字典 dict = {name: nme, class: cla, age: ag} df = pd.DataFrame(dict) # 保存 dataframe df.to_csv(name.csv)  单元4 课后习题答案 一、填空题 1、堆叠合并 主键合并 重叠合并 2、横向堆叠合并 纵向堆叠合并 交叉堆叠合并 3、左连接 右连接 内连接 外连接 二、判断题 1、错。缺失的数据用NaN填充。 2、对。 3、对。 4、对。 5、错。内连接是以左右表的键值的交集进行合并。 6、错。用一张表的数据来填充另一张表的缺失数据的方法就叫重叠合并。 三、单选题 1、B 2、D 3、A 4、C 5、D 四、编程题 import pandas as pd df_users = pd.read_csv(data/nums.csv,encoding=gbk) #读取用户使用数量 df_popu = pd.read_csv(data/population.csv,encoding=gbk) #读取人口总量 # 按地区合并用户数量和人口总量 df_all = df_users.merge(df_popu,on=地区) # 计算人口占比 df_all[人口占比] = (df_all[用户数量]/df_all[人口数]) * 100 # 按人口占比进行降序排列 df_all.sort_values(by=人口占比,axis=0,ascending=False,inplace=True) df_all.head() # 查看人口