本文是译文,可以转载,但需注明出处,点击这里可以获取原文,有删减。
本系列博文包含四篇文章:
【译】技能测试解决方案:Python中的数据科学(一)——Q1-Q15
【译】技能测试解决方案:Python中的数据科学(二)——Q16-Q30
【译】技能测试解决方案:Python中的数据科学(三)——Q31-Q45
【译】技能测试解决方案:Python中的数据科学(四)——A1-A45及其解释
A1:B
解释:“分类型”变量的数据类型为“object”。
A2:C
解释:函数“unique”可以找出指定变量不同的取值。
A3:C
解释:函数“isnull()”可以检验某个变量的每个取值是否是空值。在Python2.7版本中,1和0分别表示True和False,因此,把它们加起来就是我们想要的结果。
A4:A
解释:“~”运算符为取反运算符。
A5:C
解释:如果打算删除5行或5行以上的变量, “dropna” 函数中 “thresh”参数应该设定为样本量减5。
A6:B
解释:解决方案分两步:
构造一个映射字典;
把这个映射字典应用于替代函数。
A7:D
解释:解决这个问题应注意:
“&”运算符可以实现提取复合布尔索引数据;
“shape[0]”返回总样本量;
Python大小写敏感。
A8:D
解释:这是一个集合论的经典案例。
A9:B
解释:可以参考map与apply函数之间的区别。
A10:B
解释:(无)。
A11:B
解释:首先求出字符中的数字,再求数字的平均值。
A12:B
解释:列表中的最后一个元素,可以用“-1”作为索引。
A13:B
解释:首先用“Sex”变量对数据集进行分组,再用合适的值对缺失值进行填充。
A14:B
解释:(无)。
A15:B
解释:如前所述,布尔变量的True可以用1代替。
A16:C
解释:如果打算把布尔型变量值转换成整型,可以用“astype(int)”实现。
A17:C
解释:可以用pandas中的“names”参数来指定列名。
A18:B
解释:“category”数据类型是pandas新增特性。
A19:B
解释:在pandas中可以通过“str”函数来获取字符串函数。
A20:B
解释:(无)。
A21:D
解释:“corr”函数中 “method”参数的默认值为“pearson”。
A22:B
解释:可以参考pivot_table函数和pivot函数的区别。
A23:C
解释:(无)。
A24:A
解释:(无)。
A25:B
解释:(无)。
A26:B
解释:(无)。
A27:B
解释:(无)。
A28:B
解释:(无)。
A29:A
解释:(无)。
A30:C
解释:(无)。
A31:C
解释:(无)。
A32:B
解释:(无)。
A33:D
解释:(无)。
A34:D
解释:(无)。
A35:B
解释:(无)。
A36:C
解释:(无)。
A37:B
解释:“axis=1”可以对列进行操作,而 “axis=0”则对行进行操作。
A38:C
解释:(无)。
A39:A
解释:(无)。
A40:B
解释:(无)。
A41:D
解释:(无)。
A42:C
解释:(无)。
A43:C
解释:(无)。
A44:A
解释:(无)。
A45:B
解释:(无)。
友情链接:
【译】技能测试解决方案:Python中的数据科学(一)——Q1-Q15
【译】技能测试解决方案:Python中的数据科学(二)——Q16-Q30
【译】技能测试解决方案:Python中的数据科学(三)——Q31-Q45
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用
。你还可以使用@
来通知其他用户。