单选_在线真题试卷与模拟练习_单选

更新时间：试题数量：购买人数：提供作者：

有效期：个月

章节介绍：共有个章节

我的练习

我的错题
(0道)

我的收藏
(0道)

我的斩题
(0道)

我的笔记
(0道)

专项练习

顺序练习 0 / 0

随机练习 自定义设置练习量

题型乱序 按导入顺序练习

模拟考试 仿真模拟

题型练习 按题型分类练习

易错题 精选高频易错题

学习资料 考试学习相关信息

搜索

题库预览

已知一个numpy的一维数组s，包括的元素个数是16个，现需要将其变形为二维数组，以下语句错误的是（）。

numpy提供的广播能够实现（）的功能。

已知numpy的m行，n列的二维数组arr，则对arr[k]的描述正确的是（）。

已知两个numpy的布尔型的一维数组a和b，a的值为[True,False]，b的值为[False，True]，若经过逻辑运算后，得到的结果为[True，False]，则该逻辑运算为（）。

已知语句s = pd.Series([1,3,5,7])，则以下描述正确的是（）。

如果一个Series对象s，包含5个数据，那么s.shape得到的是（）。

已知s=pd.Series([2,3,5,7,11],index=list("cbabc"))，若要修改元素a和b对应的3个元素的值为100，以下语句正确的是（）。

已知语句s = pd.Series([1,3,5,7])，则要查看数据类型，可以执行的语句是（）。

一个Series对象s，它的s.ndim的值为（）。

DataFrame对象的每一列都是一个Series对象，同一列内的数据类型要保持一致，不同列的数据类型可以不一样，以下哪个属性能获取这些列的数据类型（）。

已知s=pd.Series([2,3,5,7,11],index=list("cbabc")),以下显示索引方式能获得3,5,7的是（）。

已知两个Series对象s,t的创建代码分别是： s = pd.Series([1,2,3],index=[‘a’,'b',’b’]) t= pd.Series([2,3,5],index=['b','b','c']) ，则依照索引值为'a','b','c'的顺序，s+t的数据是（）。

已知语句df = pd.DataFrame(
{ 'name':['张三','李四'],'C':[50,65],'Java':[70,85],'Python':[90,95]
}, index=['s1','s2'] ) ，则要获取每列的数据类型，需要写的语句是（）。

已知两个DataFrame对象的创建代码依次为：

a = pd.DataFrame([[1],[2]],index=['a','a'],columns=['x'])。b = pd.DataFrame([[1],[2], [3]],index=['a','a', 'a'],columns=['x'])。那么运算a*b返回的DataFrame对象有（）行。

已知s=pd.Series([2,3,5,7,11],index=list("cbabc")),以下隐式索引方式能获得3,5,7的是（）。

已知s=pd.Series([2,3,5],index=list("cba"))，t=pd.Series([7,11],
index=list("bc"))，若要在s之后添加t的元素，拼接成一个新的Series对象，以下语句正确的是（）。

已知s=pd.Series([2,3,5,7,11],index=list("cbabc"))，则以下的描述正确的是（）。

一个DataFrame对象df，它的df.ndim的值为（）。

已知一个DataFrame对象的创建代码为：

df = pd.DataFrame([ [2,-3,5], [-7,11,-13 ])。若执行布尔索引df[ df>0 ]返回的结果是（）。

pandas在0.21的版本开始引入drop的两个新的参数index，columns，它们可以替换labels和axis的组合，已知df = pd.DataFrame(
[
['张三',50,70,90],
['李四',65,85,95]
], index=['s101','s103'],columns=['name','C','Java','Python']
)，若要删除列索引为Python的所有元素的功能，且要能将修改直接作用在df对象上，以下语句能实现的是（）。

1 2 3 4 5 6

更多题库