wayground logo

Free Printable Worksheets

Font size

S
M
L
XL
Worksheets

Лекция 1 и 2

Total questions: 113

Worksheet time: 59mins

Name
Class
Date
1.

Каков вывод следующего кода? t = (1, 2, 3) + (4, 5) print(t)

a)

(1, 2, 3, 4, 5)

b)

(5, 4, 3, 2, 1)

c)

[1, 2, 3, 4, 5]

d)

[1, 2, 3), (4, 5)

2.

Какой метод используется для удаления конкретного значения из списка?

a)

remove()

b)

pop()

c)

delete()

d)

del

3.

Метод update используется для объединения одного словаря с другим.

a)

True

b)

False

4.

Какой метод используется для проверки, содержит ли словарь определённый ключ?

a)

in

b)

contains()

c)

has_key()

d)

key_check()

5.

Библиотека pandas предоставляет высокоуровневые структуры данных для работы со структурированными и табличными данными.

a)

True

b)

False

6.

Какой из следующих объектов является изменяемым (mutable) в Python?

a)

String

b)

Tuple

c)

List

d)

None

7.

Каков будет вывод этого кода? x = 10; y = 3; print(x // y)

a)

3.33

b)

3

c)

3.0

d)

4

8.

Вывод этого кода: nums = [1,2,3]

a)

[1, 2, 3]

b)

[1,2,3,4]

c)

[3, 2, 1]

d)

[1,2]

9.

print(sum(nums))

a)

6

b)

5

c)

3

d)

Error

10.

Что выводит следующий код? a = [1,2,3] print(a[::-1])

a)

[3,2,1]

b)

[1,2,3]

c)

[1,3,2]

d)

Error

11.

Вывод этого кода: d = {"a":1, "b":2} print(d.get("c", 0))

a)

0

b)

None

c)

Error

d)

2

12.

Что возвращает следующий код? lst = [1,2,3,4] print(lst.index(3))

a)

2

b)

3

c)

1

d)

Error

13.

Какой из следующих вариантов не является допустимым входным аргументом для создания DataFrame?

a)

Одно целое число

b)

Словарь списков

c)

Массив NumPy

d)

Список словарей

14.

Каков вывод следующего кода? import numpy as np a = np.array([1, 2, 3]) print(a[1])

a)

2

b)

1

15.

Что выводит этот код? import numpy as np a = np.array([[1, 2], [3, 4]]) print(a.shape)

a)

(2, 2)

b)

(2,)

c)

(4,)

d)

Error

16.

Вывод следующего кода? import numpy as np a = np.array([1,2,3]) print(a.dtype)

a)

int64

b)

float64

c)

object

d)

Error

17.

Каков результат?
import numpy as np
a = np.zeros((2,3))

a)

array([[0., 0., 0.], [0., 0., 0.]])

b)

array([[0, 0, 0], [0, 0, 0]])

c)

array([[0., 0.], [0., 0.], [0., 0.]])

d)

array([[0., 0., 0., 0.], [0., 0., 0., 0.]])

18.

Вывод этого кода? import numpy as np a = np.array([1,2,3,4]) print(np.where(a>2))

a)

(array([2,3]),)

b)

(array([0,1]),)

c)

[3 4]

d)

Error

19.

Что выводит этот код? import numpy as np a = np.array([1,2,3,4]) print(np.unique([1,2,2,3,3,4]))

a)

[1 2 3 4]

b)

[1 2 2 3 3 4]

c)

[2 3 4]

d)

Error

20.

В чём заключается ключевое отличие между pandas Series и DataFrame?

a)

Series является одномерным объектом, а DataFrame — двумерным.

b)

Series может содержать несколько типов данных, а DataFrame — нет.

c)

DataFrame не имеет индексов, в то время как Series всегда имеет их.

d)

И Series, и DataFrame по умолчанию всегда пустые.

21.

Какой метод позволяет выбирать данные из DataFrame по меткам строк и столбцов?

a)

loc

b)

iloc

c)

index

d)

slice

22.

Каков будет вывод следующего кода? import pandas as pd data = {'A': [1, 2], 'B': [3, 4]} df = pd.DataFrame(data) print(df.iloc[1])

a)

A 2, B 4

b)

A 1, B 3

c)

[1, 3]

d)

Error: No row with index 1

23.

Каков будет вывод следующего кода? import pandas as pd s = pd.Series([1, 2, 3], index=["a", "b", "c"]) print(s["b"])

a)

2

b)

1

c)

"b"

d)

Error: Invalid index access

24.

Что возвращает этот код? import pandas as pd df = pd.DataFrame({'A':[1,2,3], 'B':[4,5,6]}) print(df[df['A']>1])

a)

A B 1 2 5 2 3 6

b)

A B 0 1 4

c)

[2,3]

d)

Error

25.

Вывод этого кода? import pandas as pd df = pd.DataFrame({'A':[1,2,3], 'B':[4,5,6]}) print(df.iloc[1,1])

a)

5

b)

2

c)

4

d)

Error

26.

Что выводит следующий код? import pandas as pd df = pd.DataFrame({'A':[1,2,3], 'B':[4,5,6]}) print(df.loc[0,'B'])

a)

1

b)

0

c)

Error

d)

4

27.

Какую библиотеку обычно используют в pandas для чтения и обработки файлов Excel?

a)

openpyxl

b)

pickle

c)

lxml

d)

json

28.

Какой метод pandas записывает DataFrame в формате pickle?

a)

to_pickle()

b)

write_pickle()

c)

to_binary()

d)

pickle_dump()

29.

Что будет делать следующий код? import pandas as pd df = pd.read_excel('data.xlsx', sheet_name='Sheet1') print(df.head())

a)

Выведет первые 5 строк из листа 'Sheet1' файла Excel.

b)

Выведет все строки из листа 'Sheet1' файла Excel.

c)

Создаст новый Excel-файл с именем 'data.xlsx'.

d)

Удалит лист 'Sheet1' из файла Excel.

30.

Что выводит этот код? import pandas as pd df = pd.read_csv('data.csv', thousands=',')

a)

Преобразует числа вида '1,000' в 1000

b)

Использует ',' как разделитель

c)

Считывает все значения как строки

d)

Error

31.

Вывод этого кода? import pandas as pd df = pd.read_csv('data.csv', skip_blank_lines=True)

a)

Игнорирует пустые строки в CSV

b)

Считывает пустые строки как NaN

c)

Error

d)

Удаляет CSV

32.

Каков вывод этого кода? import pandas as pd df = pd.read_csv('data.csv', low_memory=False)

4 lines
33.

Что делает этот код? import pandas as pd df = pd.read_csv('SELECT * FROM table1', conn, index_col='ID')

a)

Считывает SQL-таблицу и задаёт столбец 'ID' в качестве индекса

b)

Записывает SQL-таблицу

c)

Преобразует SQL-таблицу в CSV

d)

Создаёт новую SQL-таблицу

34.

Что делает этот код? import pandas as pd df = pd.read_csv('data.csv', header=None) print(df.head())

a)

Считывает CSV без использования первой строки в качестве заголовков

b)

Считывает CSV, используя первую строку как заголовок

c)

Считывает только первую строку

d)

Записывает CSV без заголовков

35.

Как удалить строки, в которых все значения равны NaN?

a)

Удаляет строки, в которых все значения равны NaN

b)

Удаляет любую строку с NaN

c)

Удаляет столбец с NaN

d)

Заполняет NaN

36.

Как можно удалить специальные символы из строкового столбца?

a)

Удаляет все неалфавитно-цифровые символы

b)

Преобразует в нижний регистр

c)

Преобразует в верхний регистр

d)

Заменяет пробелы на подчёркивания

37.

Вывод этого кода? import pandas as pd df = pd.DataFrame({'A':[1,2,3,4,5]}) Q1 = df['A'].quantile(0.25) Q3 = df['A'].quantile(0.75) IQR = Q3 - Q1 df_filtered = df[(df['A'] >= Q1 - 1.5*IQR) & (df['A'] <= Q3 + 1.5*IQR)] print(df_filtered)

a)

Фильтрует выбросы на основе IQR

b)

Оставляет только выбросы

38.

Как заменить все бесконечные значения на NaN?

a)

Заменяет +inf и -inf на NaN

b)

Удаляет бесконечные значения

c)

Преобразует в ноль

d)

Вызывает ошибку

39.

Что делает этот код?

a)

Преобразует все строки в столбце в нижний регистр

b)

Преобразует в верхний регистр

c)

Удаляет пробелы

d)

Удаляет столбец

40.

Как можно удалить столбцы с более чем 50% пропущенных значений?

a)

Удаляет столбцы с более чем 50% значений NaN

b)

Удаляет строки с более чем 50% NaN

c)

Заменяет NaN на 0

d)

Оставляет только строки с более чем 50% непустых значений

41.

Что создаёт этот код? import pandas as pd df1 = pd.DataFrame({'key':[1,2,3],'A':[10,20,30]}) df2 = pd.DataFrame({'key':[3,4,5],'B':[300,400,500]}) pd.concat([df1, df2], axis=0, ignore_index=True)

a)

Объединяет df1 и df2 по вертикали и сбрасывает индекс

b)

Объединяет по горизонтали

c)

Выполняет merge

d)

Вызывает ошибку

42.

Каков результат этого кода? import pandas as pd df = pd.DataFrame({'X':[1,2],'Y':[3,4]}) pd.melt(df, id_vars=['X'])

a)

Оставляет 'X' фиксированным и преобразует 'Y' в длинный формат

b)

Оставляет 'Y' фиксированным и преобразует 'X'

c)

Удаляет столбец 'Y'

d)

Вызывает ошибку

43.

Outer join: сохраняет все ключи из обоих DataFrame и заполняет пропуски NaN

a)

Left join

b)

Inner join

c)

Right join

44.

Вывод этого кода? import pandas as pd df = pd.DataFrame({'id':[1,1,2,2],'variable':['X','Y','X','Y'],'value':[10,20,30,40]}) df.pivot(index='id', columns='variable', values='value')

a)

Преобразует данные из длинного формата в широкий с 'id' в качестве индекса

b)

Преобразует из широкого формата в длинный

c)

Удаляет столбец 'value'

d)

Вызывает ошибку

45.

В чём разница между merge и concat?

a)

merge объединяет по столбцам или ключам, concat склеивает DataFrame вдоль оси

b)

merge выполняет конкатенацию, concat — объединение

c)

Они делают одно и то же

d)

merge удаляет дубликаты, concat — нет

46.

Как можно переупорядочить уровни в MultiIndex?

a)

Меняет местами позиции уровней

b)

Сортирует индекс

c)

Удаляет уровень

d)

Создаёт новый столбец

47.

В чём заключается ключевое отличие между reorder_levels() и swaplevel() при иерархической индексации?

a)

reorder_levels() позволяет произвольно переупорядочивать уровни индекса, тогда как swaplevel() меняет местами только два уровня

b)

swaplevel() может переупорядочивать несколько уровней, а reorder_levels() — только два

c)

reorder_levels() можно использовать с неиерархическими индексами, а swaplevel() — нельзя

d)

swaplevel() требует указания всех уровней, а reorder_levels() по умолчанию меняет первые два

48.

В операции merge() что делает параметр how='outer'?

a)

Выполняет объединение ключей обоих DataFrame, включая все строки из обоих

b)

Включает только строки с ключами, присутствующими в обоих DataFrame

49.

Вывод этого кода? import pandas as pd arrays = [['A','A','B','B'], [1,2,1,2]] index = pd.MultiIndex.from_arrays(arrays, names=('letter','num')) df = pd.DataFrame({'val':[10,20,30,40]}, index=index) df.loc['A']

a)

Выбирает все строки, где первый уровень MultiIndex равен 'A'

b)

Выбирает строки, где второй уровень равен 'A'

c)

Возвращает столбцы с именем 'A'

d)

Вызывает ошибку

50.

Вывод этого кода? import pandas as pd df = pd.DataFrame({'id':[1,1,2,2],'variable':['X','Y','X','Y'],'value':[10,20,30,40]}) df.pivot(index='id', columns='variable', values='value')

a)

Преобразует данные из длинного формата в широкий с 'id' в качестве индекса

b)

Преобразует из широкого формата в длинный

c)

Удаляет столбец 'value'

d)

Вызывает ошибку

51.

Как повернуть подписи делений по оси y?

a)

Поворачивает подписи оси y на 90 градусов

b)

Поворачивает ось x

c)

Поворачивает график

d)

Вызывает ошибку

52.

Как изменить ширину столбцов в столбчатой диаграмме?

a)

Устанавливает ширину столбцов равной 0.3

b)

Устанавливает расстояние между столбцами

c)

Изменяет цвет

d)

Вызывает ошибку

53.

Как построить гистограмму с нормализованными частотами?

a)

Строит гистограмму, нормализованную до плотности вероятности

b)

Строит гистограмму по абсолютным значениям

c)

Строит линейный график

d)

Вызывает ошибку

54.

Какие параметры управляют расстоянием между подграфиками в matplotlib?

(a)  

55.

Какое поведение по умолчанию используется для соединения точек на линейном графике matplotlib?

a)

Линейная интерполяция

b)

Кубическая интерполяция

c)

Ступенчатое соединение

d)

Без соединения

56.

Какая функция используется для задания подписи оси x в matplotlib?

a)

set_xlabel()

b)

set_xlim()

c)

set_xticks()

d)

set_title()

57.

Какая функция используется для создания легенды на графике?

a)

plt.legend()

b)

plt.show_legend()

c)

plt.add_legend()

d)

plt.legend_box()

58.

Как можно настроить переменные строк и столбцов в seaborn FacetGrid?

a)

Передать их в параметры row и col функции sns.FacetGrid()

b)

Задать их с помощью grid.set_rows() и grid.set_cols()

c)

Определить их в параметре facet_vars FacetGrid()

d)

Использовать параметры rows и columns в FacetGrid()

59.

Что происходит с пропущенными значениями в ключе группировки при выполнении операции GroupBy?

a)

Они исключаются из результата

b)

Они заменяются нулями

c)

Они включаются как отдельная группа

d)

Вызывается ошибка

60.

При группировке по нескольким ключам, каким является тип первого элемента в кортеже группы?

a)

Кортеж значений ключей

b)

Одно значение ключа

c)

DataFrame pandas

d)

Список сгруппированных строк

61.

Что даёт группировка по словарю в pandas?

a)

Сопоставляет конкретные значения с именами групп

b)

Создаёт иерархические группы

62.

Что возвращает объект GroupBy при переборе в цикле?

a)

Кортежи, содержащие ключ группы и данные группы

b)

Только ключ группы

c)

Только данные группы

d)

Списки сгруппированных строк

63.

Как применить разные агрегирующие функции к разным столбцам? df.groupby('Category').agg({'Value':'sum','Score':'max'})

a)

Агрегирует Value по сумме и Score по максимуму для каждой группы

b)

Агрегирует всё по сумме

c)

Агрегирует всё по максимуму

d)

Вызывает ошибку

64.

Как выполнить сводную таблицу с несколькими индексами и столбцами?

a)

Создаёт иерархический индекс и столбцы с агрегацией суммы

b)

Создаёт плоский индекс

c)

Удаляет Region

d)

Вызывает ошибку

65.

Как посчитать количество вхождений в crosstab?

a)

Подсчитывает частоту каждой комбинации Category/SubCategory

b)

Складывает значения

c)

Вычисляет среднее

d)

Вызывает ошибку

66.

Как посчитать количество уникальных значений в каждой группе?

a)

Возвращает количество уникальных значений SubCategory для каждой Category

b)

Возвращает общее количество

c)

Возвращает среднее

d)

Вызывает ошибку

67.

Вывод этого кода? df.groupby('Category')['Value'].agg(['sum','count','mean'])

a)

Возвращает сумму, количество и среднее значение для каждой категории

b)

Возвращает только сумму

c)

Возвращает только среднее

d)

Вызывает ошибку

68.

Что создаёт этот код?

a)

Возвращает сумму значений Value для каждой категории

b)

Возвращает среднее

c)

Возвращает количество

d)

Вызывает ошибку

69.

Подсчитывает строки для каждой категории Усредняет 'Value' для каждой категории Вызывает ошибку

a)

Суммирует 'Value' для каждой категории

b)

Подсчитывает строки для каждой категории

c)

Усредняет 'Value' для каждой категории

d)

Вызывает ошибку

70.

Как применить несколько агрегирующих функций и переименовать столбцы? df.groupby('Category')['Value'].agg(Total='sum', Average='mean')

a)

Возвращает результат группировки с переименованными столбцами

b)

Вызывает ошибку в старых версиях pandas

c)

Агрегирует только сумму

d)

Агрегирует только среднее

71.

Что вернёт pd.to_datetime(["2018-02-29"])?

a)

ValueError из-за некорректной даты

b)

NaT для некорректной даты

c)

Объект datetime, представляющий 28 февраля 2018 года

d)

Пустой DataFrame

72.

При сборке объектов datetime с помощью pd.to_datetime(df), что происходит, если один из столбцов отсутствует (например, "hour")?

a)

Отсутствающий столбец заполняется значениями по умолчанию (например, 0 для часов)

b)

Вызывается ошибка из-за отсутствующего столбца

c)

Операция пропускает строки с отсутствующими столбцами

d)

DataFrame преобразуется без отсутствующего поля

73.

Какой параметр в pd.to_datetime() позволяет задать временную зону результирующих datetime-объектов?

a)

utc

b)

tz

c)

timezone

d)

localize

74.

Что происходит, если параметру freq="infer" не удаётся определить согласованную частоту?

a)

Вызывается ValueError

b)

Индекс создаётся без частоты

c)

Параметр freq по умолчанию становится дневным

d)

Выдаётся предупреждение

75.

Какая строка формата корректно разбирает "12-11-2010 00:00"?

a)

%d-%m-%Y %H:%M

b)

%Y-%m-%d %H:%M

c)

%d/%m/%Y %H:%M

d)

%m-%d-%Y %H:%M

76.

Что задаёт параметр freq="M" в pd.date_range()?

a)

Месячную частоту

b)

Минутную частоту

c)

Недельную частоту с привязкой к понедельнику

d)

Частоту в миллисекундах

77.

Какой метод преобразует Series с периодами обратно во временные метки (timestamps)?

a)

to_timestamp()

b)

to_period()

c)

to_datetime()

d)

to_dates()

78.

Как выполнить прямое заполнение пропущенных временных меток после ресемплинга?

a)

Заполняет NaN предыдущим доступным значением

b)

Заполняет нулями

c)

Удаляет пропущенные значения

d)

Вызывает ошибку

79.

Как вычислить скользящую корреляцию между двумя Series?

a)

Возвращает скользящую корреляцию с окном в 5 строк

b)

Возвращает ковариацию

c)

Возвращает сумму

d)

Вызывает ошибку

80.

Как сдвинуть значения, используя временной сдвиг?

a)

Сдвигает значения на 3 дня вдоль datetime-индекса

b)

Сдвигает на 3 строки

c)

Удаляет строки

d)

Вызывает ошибку

81.

Как создать диапазон дат только по рабочим дням?

a)

Возвращает даты без выходных

b)

Возвращает все дни

c)

Возвращает только выходные

d)

Вызывает ошибку

82.

Как сдвинуть даты с использованием смещения к концу месяца?

a)

Сдвигает каждую дату к концу месяца

b)

Сдвигает к началу месяца

c)

Вызывает ошибку

d)

Удаляет индекс

83.

Как выполнить сдвиг на пользовательское количество рабочих дней?

a)

Сдвигает индекс вперёд на 5 рабочих дней

b)

Сдвигает на 5 календарных дней

c)

Вызывает ошибку

d)

Сдвигает значения

84.

Как выполнить обратное заполнение пропущенных временных меток после апсемплинга?

a)

Заполняет NaN следующим допустимым значением

b)

Заполняет нулями

c)

Удаляет строки

d)

Вызывает ошибку

85.

Как сдвинуть значения на 2 периода с помощью shift?

a)

Сдвигает значения вниз на 2 строки

b)

Сдвигает индекс

c)

Удаляет строки

d)

Вызывает ошибку

86.

Каков будет вывод? s = pd.Series([1,2,3], index=pd.date_range('2023-01-01', periods=3)) s.rolling(2, min_periods=1).sum()

a)

2023-01-01 1.0 2023-01-02 3.0 2023-01-03 5.0 dtype: float64

b)

2023-01-01 NaN 2023-01-02 3 2023-01-03 5 dtype: float64

c)

2023-01-01 1 2023-01-02 2 2023-01-03 3 dtype: int64

d)

Вызывает ошибку

87.

Каков будет вывод? df = pd.DataFrame({'value':[1,2,3]}, index=pd.period_range('2023-01','2023-03', freq='M')) df.index.to_timestamp()

a)

2023-01-01 1 2023-02-01 2 2023-03-01 3 Freq: MS, Name: value, dtype: int64

b)

2023-01-31 1 2023-02-28 2 2023-03-31 3 dtype: int64

c)

Возвращает NaN

d)

Вызывает ошибку

88.

Каков будет вывод? s = pd.Series([10,20,30], index=pd.date_range('2023-01-01', periods=3)) s.ewm(span=2).mean()

a)

2023-01-01 10.000000 2023-01-02 16.666667 2023-01-03 26.666667 dtype: float64

b)

2023-01-01 10 2023-01-02 20 2023-01-03 30 dtype: int64

c)

2023-01-01 10 2023-01-02 15 2023-01-03 25 dtype: int64

d)

Вызывает ошибку

89.

Какой из следующих вариантов является допустимым входом для создания pd.DatetimeIndex?

a)

Список строк дат в формате ISO-8601

b)

Словарь строк дат

90.

Как преобразовать столбец в формат datetime в pandas?

a)

Преобразует столбец 'date' в объекты datetime

b)

Преобразует столбец в строки

c)

Преобразует в числовой формат

d)

Вызывает ошибку

91.

Как установить столбец datetime в качестве индекса?

a)

Устанавливает столбец 'date' в качестве индекса

b)

Удаляет столбец

c)

Преобразует индекс в числовой

d)

Вызывает ошибку

92.

Преобразует категориальные значения в строковый тип

a)

Преобразует в строковый тип

b)

Преобразует в числовой формат

c)

Удаляет значения

d)

Вызывает ошибку

93.

Вывод этого кода? df = pd.DataFrame({'A':[1,2,3],'B':[4,5,6]}) df.applymap(lambda x: x**2)

a)

A B 0 1 16 1 4 25 2 9 36

b)

A B 0 1 4 1 4 2 5 2 3 6

c)

Produces error

94.

Вывод этого кода? df = pd.DataFrame({'A':[1,2,3]}) df.transform(lambda x: x**3)

a)

0 1 2 2 3

b)

0 3 1 6 2 9

c)

Produces error

d)

Returns a Series

95.

Что возвращает transform?

a)

Возвращает объект той же формы, что и исходный DataFrame или Series

b)

Всегда возвращает одно значение на столбец

c)

Всегда возвращает одно скалярное значение

d)

Вызывает ошибку

96.

Что происходит, если использовать map для DataFrame?

a)

Вызывает ошибку; map работает только с Series

b)

Применяется ко всем элементам

97.

Как преобразовать столбец в категориальный тип?

a)

Преобразует столбец в категориальный тип

b)

Преобразует в строковый тип

c)

Преобразует в числовой тип

d)

Вызывает ошибку

98.

Что такое z-score?

a)

Количество стандартных отклонений, на которое значение отличается от среднего

b)

Разница между медианой и средним

c)

Отношение максимума к минимуму

d)

Размах данных

99.

Вывод этого кода? from scipy.stats import zscore import pandas as pd s = pd.Series([1,2,3,4,5]) zscore(s)

a)

array([-1.41421356, -0.70710678, 0., 0.70710678, 1.41421356])

b)

array([1,2,3,4,5])

c)

array([0,0,0,0,0])

d)

Produces error

100.

Каков будет вывод этого кода? import pandas as pd import numpy as np df = pd.DataFrame({'A':[1,2,3,4,5], 'B':[5,4,3,2,1]}) df.corr(method='kendall')

a)

A B A 1.0 -1.0 B -1.0 1.0

b)

A B A 1.0 1.0 B 1.0 1.0

c)

Produces error

d)

A B A 0.5 -0.5 B -0.5 0.5

101.

Каков будет вывод этого кода? s = pd.Series([1,2,2,3,3,3,4,4,4,4]) s.value_counts(normalize=True)

a)

4 0.4 3 0.3 2 0.2 1 0.1 dtype: float64

b)

4 4 3 3 2 2 1 1 dtype: int64

c)

Produces error

d)

1 0.1 2 0.2 3 0.3 4 0.4

102.

Вывод этого кода? s = pd.Series([1,2,3,4,5]) np.cumsum((s - s.mean())**2)

a)

Series кумулятивных квадратов отклонений

b)

Series кумулятивных сумм

c)

Series кумулятивных средних

d)

Produces error

103.

Что вычисляет этот код? df = pd.DataFrame({'X':[1,2,3,4,5], 'Y':[5,4,3,2,1]}) (df.rank() - df.mean())/df.std()

a)

Стандартизованные ранги каждого столбца

b)

Z-оценки исходных значений

c)

Нормированные значения от 0 до 1

d)

Produces error

104.

Каков будет вывод этого кода? import pandas as pd import numpy as np df = pd.DataFrame({ 'date': pd.date_range('2023-01-01', periods=5), 'val': [1, np.nan, 3, np.nan, 5], 'cat': ['A','B','A','B','C'] }) df['val'] = df['val'].interpolate(method='linear') df.groupby('cat')['val'].mean()

a)

cat A 2.0 B 3.0 C 5.0 Name: val, dtype: float64

b)

cat A 2.0 B 2.0 C 5.0 Name: val, dtype: float64

c)

Produces error

d)

Returns DataFrame instead of Series

105.

Что вычисляет этот код? df['val'].rolling(2, min_periods=1).apply(lambda x: np.prod(x))

a)

Скользящее произведение значений по окну в 2 строки, считая даже при одном значении

b)

Скользящая сумма по 2 строкам

c)

Кумулятивное произведение

d)

Produces error

106.

Каков будет вывод? df['cat'] = df['cat'].astype('category') df['cat'].cat.codes

a)

0 0 1 1 2 0 3 1 4 2 dtype: int8

b)

Produces error

c)

Returns original values

d)

Returns strings of categories

107.

Каков результат этой многошаговой операции? df['date'] = pd.to_datetime(df['date']) df.set_index('date', inplace=True) df.resample('2D')['val'].sum()

a)

date 2023-01-01 3.0 2023-01-03 3.0 2023-01-05 5.0 Freq: 2D, Name: val, dtype: float64

b)

Produces error

c)

Returns cumulative sum instead

d)

Returns original daily values

108.

Вывод этого кода? df['val_z'] = (df['val'] - df['val'].mean()) / df['val'].std() df.groupby('cat')['val_z'].mean()

a)

cat A 0.0 B 0.0 C 0.0 Name: val_z, dtype: float64

b)

Produces error

c)

Returns original val

d)

Non-zero values

109.

Какой метод используется для добавления нового элемента в конец списка?

a)

insert()

b)

append()

c)

extend()

d)

add()

110.

Какой из следующих методов используется для группировки данных в DataFrame?

a)

sort_values()

b)

groupby()

c)

aggregate()

d)

filter()

111.

Какой метод pandas используется для удаления строк с отсутствующими значениями?

a)

dropna()

b)

remove_na()

c)

delete_na()

d)

clear_na()

112.

Что делает метод groupby() в pandas?

a)

Фильтрует данные по условию

b)

Сортирует данные по указанному столбцу

c)

Объединяет два DataFrame

d)

Группирует данные по указанному столбцу

113.

Какой метод используется для получения первых n строк DataFrame?

a)

first()

b)

head()

c)

begin()

d)

top()

Similar Resources on Wayground

Тестирования часть 1

115 questions

Тестирования часть 1

quiz

Worksheet

•

University