人工智能数据分析与机器学习练习题二
以下为《人工智能数据分析与机器学习练习题二》的无排版文字预览，完整内容请下载
人工智能数据分析与机器学习练习题二
3. 数据处理
3.1 与 Python 基本数据类型（列表、元组、字典等）和主要针对数值数据储存的 numpy 数
组相比，pandas 包某某提供了支持数值和文本混合数据类型更加有效的存储方式，比如序列
和数据框。现有列表L1=[1,-2,2.3,'hq']、L2=[‘kl’,’ht’,’as’,’km’]和元组T1=(1,8,8,9)和T2=(2,4,7,’hp’)，
请给出值为 L1，采用默认索引和指定索引（a,b,c,d）两种方式的序列定义方法，以及索引为
a,b,c,d，列名和值分别为 L1、L2、T1、T2 及其值的数据框构造方法。
[知识点及要求]赋值定义较复杂数据结构：序列和数据框
/
3.2 在实际数据建模应用中，常常需要读取外部数据文件，比如 Excel 文件、TXT 文件和 CSV
文件，请编程实现以下任务：1）请读取“一、车次上车人数统计表.xlsx”中的 sheet2 数据，
用一个数据框 df1 来表示；2）请读取文本文件 txt1 中的数据，用一个数据框 df2 来表示；3）
大容量文件的读取需要采用分块读取的方式来处理数据，比如 csv 文件常用来存放大容量文
件。请采用分块读取的方式读取“data.csv”文件，每次读取 20000 行，读取出来的数据分
别用数据框 A1，A2，A3，A4……等来表示。
[知识点及要求]外部数据文件读取：Excel、TXT、Csv。
/
3.3 序列和数据框作为 pandas 包某某两种非常重要的数据结构，同时他们之间也有紧密的联系，
数据框可以视为由多个序列组成，它们具有相同的索引，取出数据框中的一列则为序列。在
数据处理中，往往是采用不同的数据结构进行相互转化，并利用特定数据结构中的方法计算
和处理数据。请读取地铁站点进出站客流数据表（Data.xlsx），完成以下任务：1）取出第 0
列，通过去重的方式获得地铁站点编号的个数；
/ 2）采用数据框中的 groupby 分组计算函数，
统计出每个站点每天的进站人数和出站人数，计算结果采用一个数据框 df 来表示，其中列
标签依次为站点编号、日期、进站人数和出站人数；
/3）计算出每个站点国庆节期间（10.1~10.7）
的进站人数和出站人数。
[知识点及要求]数据框逻辑索引切片和基本切片方法，groupby 分组计算函数应用。
3.4 数据处理过程中经常需要对多个数据集按键进行关联，pandas 包某某提供了 merge()函数
实现两个数据框之间的关联，包括内连接、左连接和右连接，请根据以下定义的两个字典
dict1 和 dict2，完成如下任务：1）将两个字典转化为数据框；2）对两个数据框给出左连接、
右连接和内连接的实现代码，同时简要说明其基本思想。
dict1={'code':['A01','A01','A01','A02','A02','A02','A03','A03'],'month':['01','02','03','01','02','03','0
1','02'],'price':[10,12,13,15,17,20,10,9]}
dict2={'code':['A01','A01','A01','A02','A02','A02'],'month':['01','02','03','01','02','03'],
'vol':[10000,10110,20000,10002,12000,21000]}
[知识点及要求]数据框内连接、左连接和右连接关联操作
3.5 数据处 内容过长，仅展示头部和尾部部分文字预览，全文请查看图片预览。 案例
3.10 现实生活中抽签是一种比较公平有效的选择或者分配方式，现有 30 个课程设计选题需
要分配给 30 个同学，请你写一个程序，实现不重复的随机抽签功能，从而帮助同学们进行
抽签。
[知识点及要求]序列及简单随机抽样
3.11 某题库有选择、填空、判断、计算和应用 5 种题型，每种题型题号从 1 开始依次按顺
序编号，其中选择题 70 道，填空题 80 道，判断题 50 道，计算题 30 道，应用题 20 道。现
有 40 个同学参加考试，要求每个同学从 5 种题型中随机抽取 1 道题目组成试卷，请编程实
现给出每个同学试卷的具体题目编号。
[知识点及要求]序列及较复杂抽样
[文章尾部最后300字内容到此结束,中间部分内容请查看底下的图片预览]
以上为《人工智能数据分析与机器学习练习题二》的无排版文字预览，完整内容请下载
人工智能数据分析与机器学习练习题二由用户“檭^6檭`洹狈窒矸⒉迹厍胱⒚鞒龃?/span>