当前位置：首页 > news >正文

Python与数据分析期末复习笔记

news 来源：原创 2025/6/5 15:52:56

第一次小考自然语言处理

一、单选题（共 29 题，60.0 分）

1.(单选题，3.0 分) 在 matplotlib 中，设置 x 轴标签的方法是？
A. title ()
B. xlabel ()
C. legend ()
D. ylabel ()
正确答案：B 3.0 分
答案解析：xlabel () 方法用于设置 x 轴的标签。
知识点：python matplotlib

第 1 题

答案：B

解析：在matplotlib库中，title()函数用于设置图形的标题 ；xlabel()函数专门用于设置x轴的标签，通过它可以自定义x轴的名称等信息；legend()函数是用来添加图例，帮助理解图形中不同元素代表的含义；ylabel()函数用于设置y轴的标签。所以设置x轴标签用xlabel() 。

2.(单选题，2.0 分) 在 matplotlib 中，设置坐标轴范围的方法是？
A. ylim ()
B. axis ()
C. set_xlim ()
D. xlim ()
正确答案：B 2.0 分
答案解析：axis () 方法可以设置坐标轴的范围。
知识点：python matplotlib

第 2 题

答案：B

解析：ylim()函数主要用于单独设置y轴的取值范围；axis()函数功能较为强大，可以用来设置坐标轴的范围，比如axis([xmin, xmax, ymin, ymax])能同时指定x轴和y轴范围；set_xlim()是matplotlib中Axes对象的方法，用于设置x轴范围，但使用方式和axis()不同；xlim()函数单独用于获取或设置x轴的范围。本题问设置坐标轴范围的方法，axis()符合题意。

3.(单选题，2.0 分) 不属于自然语言处理应用领域的是 ( )。
A. 口语对话
B. 机器翻译
C. 人脸识别
D. 关键词提取和搜索
正确答案：C 2.0 分

第 3 题

答案：C

解析：自然语言处理（NLP）主要是让计算机理解、处理和生成人类自然语言。口语对话系统涉及语音识别、语义理解、回复生成等 NLP 技术；机器翻译是将一种自然语言自动翻译成另一种自然语言，是 NLP 重要应用；关键词提取和搜索是从文本中找出关键信息并实现搜索功能，也属于 NLP 范畴。而人脸识别是基于计算机视觉技术，通过分析图像或视频中的人脸特征进行身份识别等操作，和自然语言处理没有直接关联。

4.(单选题，2.0 分) 自然语言处理融合的学科不包括 ( )。
A. 计算机
B. 语言学
C. 化学
D. 数学
正确答案：C 2.0 分

第 4 题

答案：C

解析：自然语言处理是一门融合多学科的领域。计算机科学提供算法、计算资源和编程实现手段；语言学提供语言的结构、语法、语义等理论基础；数学在其中用于构建模型、算法优化等，如概率论用于语言模型概率计算等。而化学主要研究物质的组成、结构、性质及其变化规律，和自然语言处理的关联极小。

5.(单选题，2.0 分)
下面两句代码的运行结果可能为（），with open ('data.txt', 'r') as file:
numbers = [int (line.strip ()) for line in file]。
A. "1,2,3"
B. {1,2,3}
C. (1,2,3)
D. [1,2,3]
正确答案：D 2.0 分

第 5 题

答案：D

解析：代码with open('data.txt', 'r') as file: numbers = [int(line.strip()) for line in file] ，with语句用于安全地打开文件，open('data.txt', 'r')以只读模式打开文件。line.strip()用于去除每行字符串两端的空白字符（如换行符等），int()将处理后的字符串转换为整数，整个列表推导式是将文件中每行的数字字符串转换为整数，并收集到一个列表中。列表的表示形式是用方括号[] ，所以结果是列表形式[1,2,3] 。

6.(单选题，2.0 分) 在使用结巴分词进行中文分词时，以下哪个函数用于精确模式分词？
A. jieba.add_word ()
B. jieba.cut ()
C. jieba.lcut ()
D. jieba.cut_for_search ()
正确答案：B
答案解析：jieba.cut () 是结巴分词库中用于精确模式分词的函数。
知识点：python 结巴分词

第 6 题

答案：B

解析：jieba.add_word()函数作用是向结巴分词的词库中添加自定义词语，方便分词时能正确识别；jieba.cut()函数是结巴分词用于精确模式分词的核心函数，精确模式下会将句子最精确地切开，适合文本分析等场景；jieba.lcut()和jieba.cut()功能类似，区别在于jieba.lcut()返回的是列表形式，jieba.cut()返回的是可迭代的生成器对象；jieba.cut_for_search()是搜索引擎模式分词函数，会对长词进行更细粒度切分以满足搜索需求。

7.(单选题，2.0 分) 在 matplotlib 中，添加图例的方法是？
A. xlabel ()
B. legend ()
C. title ()
D. ylabel ()
正确答案：B 2.0 分
答案解析：legend () 方法用于添加图例。
知识点：python matplotlib

第 7 题

答案：B

解析：xlabel()用于设置x轴标签；legend()函数用于在图形中添加图例，当图形中有多种数据系列时，通过图例标识不同系列代表的含义；title()用于设置整个图形的标题；ylabel()用于设置y轴标签。所以添加图例用legend() 。

8.(单选题，2.0 分) 关于结巴分词的分词模式，以下说法错误的是？
A. 搜索引擎模式不会考虑词频
B. 精确模式适合用于文本分析
C. 全模式可以得到尽可能多的切分结果
D. 搜索引擎模式会将长词再次切分
正确答案：A 2.0 分
答案解析：搜索引擎模式会考虑词频，并且会将长词再次切分，以便更好地匹配搜索需求。
知识点：python 结巴分词

第 8 题

答案：A

解析：结巴分词的搜索引擎模式会考虑词频，并且会将长词再次切分，目的是更好地匹配搜索需求，所以 A 说法错误。精确模式能最精确地切开句子，在文本分析中能得到相对准确的词语划分，B 说法正确；全模式会尝试所有可能的切分组合，能得到尽可能多的切分结果，C 说法正确；搜索引擎模式会对长词进一步切分，以提高搜索时的召回率等，D 说法正确。

9.(单选题，3.0 分) 文件读写操作函数 open () 中的输入参数 encoding 说法不对的是 ( )。
A. 指定对文本进行编码和解码的方式
B. 适用于文本模式，图像模式，音频模式
C. 支持如 GBK、utf8、CP936 等格式
D. 默认取值是 None
正确答案：B 3.0 分

第 9 题

答案：B

解析：在open()函数中，encoding参数用于指定对文本进行编码和解码的方式，A 说法正确；它主要适用于文本模式，用于处理文本文件的字符编码问题，而图像模式、音频模式有各自专门的处理方式和参数，并不适用encoding参数，B 说法错误；它支持如GBK、utf - 8、CP936等多种常见的字符编码格式，C 说法正确；其默认取值是None ，此时会使用系统默认的编码方式，D 说法正确。

10.(单选题，2.0 分) 在 Python 中，用于生成词云的库是？
A. numpy
B. pandas
C. wordcloud
D. matplotlib
正确答案：C 2.0 分
答案解析：wordcloud 是一个专门用于生成词云的 Python 库。
知识点：python 词云

第 10 题

答案：C

解析：numpy是 Python 中用于数值计算的库，提供大量数值计算功能，如数组操作、数学运算等，和词云生成无关；pandas是用于数据处理和分析的库，可进行数据清洗、分析、存储等操作，不用于词云生成；wordcloud是专门用于生成词云的 Python 库，通过它可以根据文本数据生成可视化的词云图；matplotlib是功能强大的绘图库，可绘制多种图表，但不是专门用于生成词云的库。

11.(单选题，2.0 分) 在生成词云时，以下哪个参数可以用来设置词云的字体路径？
A. background_color
B. width
C. height
D. font_path
正确答案：D 2.0 分
答案解析：font_path 参数用于设置词云使用的字体路径。
知识点：python 词云

第 11 题

答案：D

解析：在使用 Python 的wordcloud库生成词云时，background_color参数是用来设置词云背景颜色的；width用于设置词云图片的宽度；height用于设置词云图片的高度；而font_path参数专门用于指定词云所使用字体的路径，这样就能按照设定字体来展示词云中的文字。

12.(单选题，2.0 分) 在 matplotlib 中，设置图表标题的方法是？
A. title ()
B. legend ()
C. xlabel ()
D. ylabel ()
正确答案：A 2.0 分
答案解析：title () 方法用于设置图表的标题。
知识点：python matplotlib

第 12 题

答案：A

解析：在matplotlib绘图库中，title()函数的作用就是给绘制的图表添加标题，用于概括图表的主要内容；legend()函数是添加图例，帮助理解图表中不同元素的含义；xlabel()是设置x轴的标签；ylabel()是设置y轴的标签。

13.(单选题，2.0 分) 以下哪种方式可以加载自定义词典到结巴分词中？
A. jieba.add_word ()
B. jieba.lcut ()
C. jieba.cut ()
D. jieba.load_userdict ()
我的答案：D 正确答案：D 2.0 分
答案解析：jieba.load_userdict () 用于加载自定义词典到结巴分词中。
知识点：python 结巴分词

第 13 题

答案：D

解析：jieba.add_word()是向结巴分词词典中临时添加单个词语；jieba.lcut()是结巴分词的一种快速全模式分词方式，返回的是列表形式的分词结果；jieba.cut()是结巴分词的核心分词函数，可进行精确模式、全模式等多种模式分词；jieba.load_userdict()函数用于加载用户自定义的词典文件，将其中的词语添加到结巴分词的词库中，以便在分词时能正确识别这些自定义词语。

14.(单选题，2.0 分) 使用结巴分词进行全模式分词时，以下哪个选项正确描述了其特点？
A. 只返回最可能的一个切分结果
B. 根据用户自定义词典进行分词
C. 返回最少的切分结果
D. 返回尽可能多的切分结果
我的答案：D 正确答案：D 2.0 分
答案解析：全模式分词的特点是返回尽可能多的切分结果，以覆盖更多的可能性。
知识点：python 结巴分词

第 14 题

答案：D

解析：结巴分词的精确模式会返回最可能的一个切分结果，A 选项描述的是精确模式特点；根据用户自定义词典分词不是全模式特有的，多种模式都可结合自定义词典分词，B 选项错误；全模式是尝试所有可能的切分，返回的切分结果较多，而不是最少，C 选项错误；全模式分词会返回尽可能多的切分结果，涵盖各种可能的词语组合，这样可以覆盖更多语义理解的可能性，D 选项正确。

15.(单选题，2.0 分) 在生成词云时，以下哪个参数可以用来设置词云的形状？
A. mask
B. height
C. background_color
D. width
我的答案：A 正确答案：A 2.0 分
答案解析：mask 参数用于设置词云的形状模板。
知识点：python 词云

第 15 题

答案：A

解析：在生成词云时，mask参数是传入一个形状模板，词云会按照这个模板的形状来生成，比如传入一个心形模板，词云就会呈现心形；height和width分别是设置词云图片的高度和宽度；background_color是设置词云的背景颜色。

16.(单选题，2.0 分) 在结巴分词中，如果需要添加一个新词到分词词典中，应该使用哪个方法？
A. jieba.cut ()
B. jieba.add_word ()
C. jieba.lcut ()
D. jieba.load_userdict ()
我的答案：B 正确答案：B 2.0 分
答案解析：jieba.add_word () 用于向分词词典中添加新词。
知识点：python 结巴分词

第 16 题

答案：B

解析：jieba.cut()主要功能是进行分词操作，无论是精确模式、全模式等；jieba.add_word()函数可以向结巴分词的词典中添加单个新词，使其在后续分词时能正确识别；jieba.lcut()是快速全模式分词并返回列表形式结果；jieba.load_userdict()是加载整个自定义词典文件，而不是添加单个新词。

17.(单选题，2.0 分) 在 matplotlib 中，用于绘制折线图的基本函数是？
A. scatter ()
B. plot ()
C. bar ()
D. hist ()
我的答案：B 正确答案：B 2.0 分
答案解析：plot () 函数是 matplotlib 中最常用的函数之一，用于绘制二维图形中的折线图。
知识点：python matplotlib

第 17 题

答案：B

解析：在matplotlib库中，scatter()函数是用于绘制散点图，展示数据点的分布情况；plot()函数是绘制折线图的基本函数，通过传入一系列的坐标点，将这些点连接起来形成折线；bar()函数是用于绘制柱状图；hist()函数主要用于绘制直方图，展示数据的分布频率。

18.(单选题，2.0 分) 以下哪项不是结巴分词的功能？
A. 支持关键词提取
B. 支持中文分词
C. 支持词性标注
D. 支持自定义词典
我的答案：A 正确答案：A 2.0 分
答案解析：结巴分词主要功能包括中文分词、支持自定义词典等，但不直接支持关键词提取。
知识点：python 结巴分词

第 18 题

答案：A

解析：结巴分词主要的功能是对中文文本进行分词处理，将句子拆分成一个个词语；它也支持词性标注，能够给分出来的词标注词性；同时支持用户加载自定义词典，让分词更符合特定需求。但关键词提取不是结巴分词直接具备的功能，通常需要借助其他算法或库（如textrank等）来实现。

19.(单选题，2.0 分) （）第三方库不能用于 xlsx 文件的读写操作。
A. xlrd
B. pyecharts
C. openpyxl
D. xlwt
我的答案：B 正确答案：B 2.0 分
知识点：

第 19 题

答案：B

解析：xlrd库用于读取 Excel 文件（包括.xlsx格式），获取其中的数据内容；openpyxl库可以对.xlsx格式的 Excel 文件进行读写操作，能方便地处理单元格数据、样式等；xlwt库主要用于创建和写入 Excel 文件（.xls格式，也能在一定程度上支持.xlsx相关操作）；而pyecharts是一个用于绘制各种交互式可视化图表（如折线图、柱状图、饼图等）的 Python 库，它不用于 Excel 文件（.xlsx）的读写操作。

20.(单选题，2.0 分) 在生成词云时，以下哪个参数可以用来设置词云的最大字体大小？
A. min_font_size
B. max_words
C. max_font_size
D. width
我的答案：C 正确答案：C 2.0 分
答案解析：max_font_size 参数用于设置词云中最大的字体大小。
知识点：python 词云

第 20 题

答案：C

解析：在wordcloud库中，min_font_size参数用于设置词云中最小的字体大小；max_words参数是设置词云中显示的最多词语数量；max_font_size参数则是用来设置词云中最大的字体大小，词频越高的词在词云中字体可能越大，但最大不会超过max_font_size设置的值；width是设置词云图片的宽度。

21(单选题，2.0 分) 在 matplotlib 库中，绘制饼状图的类是 ( )。
A. Bar
B. Pie
C. Line
D. Graph
正确答案：B 2.0 分

第 21 题

答案：B

解析：在matplotlib库中，Bar并不是专门绘制饼状图的类；Pie类用于绘制饼状图，可展示各部分占总体的比例关系；Line一般用于和绘制折线相关；Graph不是matplotlib中绘制饼状图的类。

22.(单选题，2.0 分) 有关数据分析的说法，错误的是 ( )。
A. 数据分析师的工作内容是处理临时需求，报表开发，数据分析和挖掘，数据产品化
B. 通信供应商，可以通过构建一张 “社交图谱”，分析客户数百万个电话的数据记录，根据大数据分析的结果，制定相应的套餐
C. 收集到的数据往往存在重复、缺失、异常值等问题，需要进行数据清洗与处理，处理完的数据可以更好地用于后续的数据分析和模型训练，提高数据的质量和可靠性
D. 做数据分析方向，需要继续学习 Python 爬虫、数据清洗、分析、可视化等，但 Hadoop、Hive、Spark 等技术可以不用掌握
正确答案：D 2.0 分

第 22 题

答案：D

解析：数据分析师工作涵盖处理临时需求、报表开发、数据分析挖掘以及数据产品化等，A 选项正确；通信供应商利用大数据构建 “社交图谱” 分析电话数据记录来制定套餐是常见应用，B 选项正确；原始数据常存在重复、缺失、异常值等问题，经数据清洗处理后能提升质量用于后续分析和模型训练，C 选项正确；在数据分析领域，Hadoop、Hive、Spark 等技术在大数据存储、处理和分析中应用广泛，是需要掌握的重要技术，D 选项错误。

23.(单选题，2.0 分) 在 matplotlib 中，用于绘制柱状图的基本函数是？
A. bar ()
B. plot ()
C. hist ()
D. scatter ()
正确答案：A
答案解析：bar () 函数用于绘制柱状图。
知识点：python matplotlib

第 23 题

答案：A

解析：bar()函数是matplotlib中专门用于绘制柱状图的函数；plot()主要用于绘制折线图；hist()用于绘制直方图，展示数据的分布情况；scatter()用于绘制散点图，观察数据点的分布关系。

24.(单选题，2.0 分) 在 Python 中，哪个库主要用于自然语言处理？
A. scikit-learn
B. nltk
C. pandas
D. numpy
我的答案：B 正确答案：B 2.0 分
答案解析：nltk 是 Python 中最常用的自然语言处理库之一。
知识点：python 自然语言处理

第 24 题

答案：B

解析：scikit-learn主要用于机器学习任务，如分类、回归、聚类等；nltk（Natural Language Toolkit）是 Python 中常用的自然语言处理库，提供了分词、词性标注、命名实体识别等众多功能；pandas主要用于数据处理和分析，方便数据的读取、清洗、转换等操作；numpy主要用于数值计算，提供高效的数组操作和数学运算功能。

25.(单选题，2.0 分) excel 文件读写不需要安装的第三方模块是 ( )。
A. xlwt
B. xlrd
C. openpyxl
D. sqlite3
我的答案：D 正确答案：D 2.0 分

第 25 题

答案：D

解析：xlwt用于写入 Excel 文件；xlrd用于读取 Excel 文件；openpyxl可对 Excel 文件（.xlsx格式）进行读写操作；sqlite3是 Python 内置的用于操作 SQLite 数据库的模块，和 Excel 文件读写无关。

26.(单选题，2.0 分) 在 Python 的数据可视化库中，哪个库主要用于生成静态、动态和交互式的图表？
A. seaborn
B. matplotlib
C. bokeh
D. plotly
正确答案：B
答案解析：matplotlib 是 Python 中最常用的绘图库，可以生成各种类型的图表。
知识点：python 数据分析

第 26 题

答案：B

解析：seaborn是基于matplotlib的用于绘制统计图表的库，主要侧重于静态图表绘制；matplotlib是 Python 中常用的绘图库，能绘制多种静态图表；bokeh可创建交互式图表；plotly也能创建交互式图表。但matplotlib功能全面，可生成静态、动态和交互式的图表（结合相关扩展），是最符合题意的常用绘图库。

27.(单选题，2.0 分) 在文件处理中，读取整行的函数是 ( )。
A. file.write ()
B. file.read ()
C. file.readline ()
D. file.tell ()
我的答案：C 正确答案：C 2.0 分

第 27 题

答案：C

解析：file.write()用于向文件写入内容；file.read()用于读取文件的全部内容；file.readline()用于逐行读取文件内容，每次读取一行；file.tell()用于获取文件指针当前位置。

28.(单选题，2.0 分) 在 matplotlib 中，用于调整图像大小的方法是？
A. plot ()
B. savefig ()
C. figure ()
D. show ()
正确答案：C 2.0 分
答案解析：figure () 方法可以用来创建一个新的图像，并且可以通过参数调整图像的大小。
知识点：python matplotlib

第 28 题

答案：C

解析：plot()用于绘制折线图等图形；savefig()用于保存图形；figure()函数可以创建一个新的图形对象，并且可以通过设置figsize等参数来调整图像大小；show()用于显示图形。

29.(单选题，2.0 分) 在生成词云时，以下哪个参数可以用来设置词云的最大单词数量？
A. width
B. max_words
C. min_font_size
D. max_font_size
正确答案：B 2.0 分
答案解析：max_words 参数用于设置词云中最大单词的数量。
知识点：python 词云

第 29 题

答案：B

解析：在生成词云时，width用于设置词云图片的宽度；max_words参数用于设定词云中显示的最大单词数量；min_font_size用于设置词云中最小字体大小；max_font_size用于设置词云中最大字体大小。

二、填空题（共 2 题，10.0 分）

30.(填空题，5.0 分) 在 Python 中，使用_____库可以方便地进行中文分词。
我的答案：(1) jieba
正确答案：(1) jieba
答案解析：jieba 是 Python 中一个非常流行的中文分词库。
知识点：python 自然语言处理

第 30 题

答案：jieba

解析：jieba是 Python 中广泛使用的中文分词库，支持精确模式、全模式、搜索引擎模式等多种分词模式，能满足不同场景下的中文分词需求。

31.(填空题，5.0 分) 在 Python 的数据分析中，使用 matplotlib 库绘制图表时，可以通过调用 plt._____() 方法来展示图形。
我的答案：(1) show
正确答案：(1) show
答案解析：在 matplotlib 中，plt.show () 方法用于展示已经创建好的图形。
知识点：python 数据分析

第 31 题

答案：show

解析：在使用matplotlib库绘制图表后，需要调用plt.show()函数来显示绘制好的图形。它会启动图形用户界面，将内存中绘制的图形展示出来。

三、论述题（共 1 题，30.0 分）

32. (论述题, 30.0 分)

根据第1个案例四大名著的自然语言处理，请完成以下任务：

        A撰写一个自然语言处理编程文档，从程序实现的功能，设计思想，用到主要的库和库函数介绍，测试数据，输出结果等方面总结，并发布到你的技术博客中。

        B完善自然语言处理程序，把各个功能写成函数形式，在主程序中调用。比如分词功能，词频统计功能，词性分类保存txt功能，读取txt文件生成饼状图可视化功能，柱状图可视化功能，关系图可视化功能，词云可视化功能，建立人工手动自定义词典功能，统计人名并保存txt功能，统计地名并保存txt功能，统计武器并保存txt功能。把代码发布到你的技术博客中。

        根据完成情况（有代码，有文档，有设计，有分析，有结果），做成教程形式，发表在博客上酌情给分。

答：播客连接

第二次小考微信好友数据分析案例

一、单选题（共 40 题，40.0 分）

1.(单选题，1.0 分) 在 PyEcharts 中，设置图表标题的方法是？
A. add_title
B. add
C. title
D. set_title
正确答案：C
答案解析：在 PyEcharts 中，可以通过 title 方法来设置图表的标题。
知识点：python pyecharts

第 1 题答案：C

解析：在 PyEcharts 中，title方法用于设置图表标题。add_title、add 、set_title都不是其设置标题的正确方法。

2.(单选题，1.0 分) ( ) 是大数据分析师不需要学习的。
A. python
B. Spark
C. 机器学习
D. 计算机硬件
正确答案：D 1.0 分

第 2 题

答案：D

解析：大数据分析师工作涉及数据处理、分析和建模等，Python 是常用编程语言，掌握它便于数据处理和算法实现；Spark 是大数据处理框架，可处理大规模数据；机器学习在数据分析、预测建模等方面应用广泛。而计算机硬件知识对大数据分析师并非必需，他们主要关注数据层面操作。

3.(单选题，1.0 分) 在 Python 中，哪个库主要用于数据可视化？
A. seaborn
B. numpy
C. pandas
D. matplotlib
正确答案：A
答案解析：Seaborn 是一个基于 matplotlib 的高级数据可视化库，提供了更丰富的绘图功能和美观的样式。
知识点：python 人工智能

第 3 题

答案：A

解析：seaborn是基于matplotlib的高级数据可视化库，能绘制美观且功能丰富的统计图表；numpy主要用于数值计算，提供高效数组操作；pandas侧重数据处理和分析，如数据读取、清洗等；matplotlib是基础绘图库，seaborn在其基础上进行了更高级封装。

4.(单选题，1.0 分) 可以做中文文本情感分析的第三方库是 ( )。
A. itchat
B. snownlp
C. urllib
D. matplotlib
正确答案：B 1.0 分

第 4 题

答案：B

解析：itchat用于微信个人号的接口调用，实现微信消息收发等功能；snownlp是中文自然语言处理库，具备情感分析功能，可判断文本情感倾向；urllib是 Python 用于处理 URL 相关操作的标准库，用于网络请求等；matplotlib是绘图库。

5.(单选题，1.0 分) 在微信好友数据分析与可视化案例中，对 ( ) 数据的分析可以得知微信好友是否有打广告嫌疑。
A. 生日
B. 性别
C. 省份
D. 昵称
我的答案：D 正确答案：D 1.0 分

第 5 题

答案：D

解析：微信好友的昵称有时会包含广告相关词汇或推广信息，通过分析昵称可判断是否有打广告嫌疑；生日、性别、省份这些信息与广告嫌疑关联性不大。

6.(单选题，1.0 分) 在 PyEcharts 中，设置图表大小的方法是？
A. height
B. width 和 height
C. width
D. size
我的答案：B 正确答案：B 1.0 分
答案解析：在 PyEcharts 中，可以通过 width 和 height 参数设置图表的大小。
知识点：python pyecharts

第 6 题

答案：B

解析：在 PyEcharts 中，通过设置width（宽度）和height（高度）这两个参数来确定图表大小，仅设置height或width不能完整确定大小，size不是设置图表大小的参数。

7.(单选题，1.0 分) pip install echarts - countries - pypkg 的意思是安装 ( ) 地图文件包。
A. 黑龙江省各区县
B. 美国省份
C. 世界
D. 中国省份
正确答案：D

第 7 题

答案：D

解析：pip install echarts - countries - pypkg 安装的是中国省份地图文件包，用于在 PyEcharts 中绘制涉及中国省份相关地理信息的图表。

8.(单选题，1.0 分) 在 PyEcharts 中，设置图表颜色的方法是？
A. colors
B. set_color
C. color
D. set_option ('color', value)
正确答案：D
答案解析：在 PyEcharts 中，设置图表颜色的方法是通过 set_option ('color', value) 来实现。
知识点：python pyecharts

第 8 题

答案：D

解析：在 PyEcharts 中，设置图表颜色需通过set_option('color', value) 这种方式，colors 、set_color 、color都不是正确设置图表颜色的方法。

9.(单选题，1.0 分) 在 PyEcharts 中，设置图表图例的方法是？
A. legend_show
B. legend
C. show_legend
D. legends
我的答案：B 正确答案：B 1.0 分
答案解析：在 PyEcharts 中，可以通过 legend 方法设置图表的图例。
知识点：python pyecharts

第 9 题

答案：B

解析：在 PyEcharts 中，使用legend方法来设置图表图例，legend_show 、show_legend 、legends都不是正确设置图例的方法。

10.(单选题，1.0 分) 在 Python 的数据分析中，哪个库主要用于数据处理和分析？
A. matplotlib
B. scikit-learn
C. pandas
D. numpy
我的答案：C 正确答案：C 1.0 分
答案解析：pandas 是 Python 中最常用的数据处理和分析库之一，提供了丰富的数据结构和数据分析工具。
知识点：python 数据分析

第 10 题

答案：C

解析：matplotlib主要用于绘图和数据可视化；scikit-learn用于机器学习任务，如分类、回归等；pandas提供了Series和DataFrame等数据结构，方便进行数据的读取、清洗、转换、分析等操作；numpy主要用于数值计算。

11.(单选题，1.0 分) 在 PyEcharts 中，设置图表高度的方法是？
A. set_height
B. figure_height
C. chart_height
D. height
正确答案：D
答案解析：在 PyEcharts 中，设置图表高度的方法是通过 height 参数。
知识点：python pyecharts

第 11 题

答案：D

解析：在 PyEcharts 中，通过height参数设置图表高度，set_height 、figure_height 、chart_height都不是设置图表高度的正确方式。

12.(单选题，1.0 分) class pyecharts.charts.Pie () 中的 data_pair 意思是 ( )
A. 设置标题颜色
B. 系列数据项，格式为 [(key1,value1),(key2,value2)]
C. 饼图的半径，设置成默认百分比
D. 该饼图的名称
我的答案：B 正确答案：B 1.0 分

第 12 题

答案：B

解析：在pyecharts库中，Pie类的data_pair参数用于指定系列数据项，其格式为[(key1, value1), (key2, value2)]，其中每个元组表示一个数据点，键为标签，值为对应的数值。

13.(单选题，1.0 分) 在 PyEcharts 中，用于创建散点图的类是？
A. Line
B. Bar
C. Pie
D. Scatter
我的答案：D 正确答案：D 1.0 分
答案解析：在 PyEcharts 中，用于创建散点图的类是 Scatter。
知识点：python pyecharts

第 13 题

答案：D

解析：Line类用于创建折线图，Bar类用于创建柱状图，Pie类用于创建饼图，而Scatter类专门用于创建散点图，通过散点的分布展示数据的关系。

14.(单选题，1.0 分) 在 PyEcharts 中，设置 X 轴标签的方法是？
A. set_x_axis
B. x_axis
C. x_label
D. x_ticks
正确答案：B
答案解析：在 PyEcharts 中，可以通过 x_axis 参数设置 X 轴的标签。
知识点：python pyecharts

第 14 题

答案：B

解析：在pyecharts中，设置 X 轴标签的正确方法是使用x_axis参数，例如chart.add_xaxis(['A', 'B', 'C'])。set_x_axis不是标准方法，x_label和x_ticks也不是正确的参数名称。

15.(单选题，1.0 分) 在 PyEcharts 中，设置图表主题的方法是？
A. chart_theme
B. theme
C. set_option ('theme', value)
D. set_theme
正确答案：B
答案解析：在 PyEcharts 中，设置图表主题的方法是通过 theme 属性来实现。
知识点：python pyecharts

第 15 题

答案：B

解析：设置图表主题的方法是通过theme参数，例如

Pie(init_opts=opts.InitOpts(theme="light"))。set_option('theme', value)是不正确的用法，chart_theme和set_theme也不是标准方法。

16.(单选题，1.0 分) 在 PyEcharts 中，设置图表宽度的方法是？
A. set_option ('width', value)
B. chart_width
C. width
D. set_width
正确答案：C
答案解析：在 PyEcharts 中，设置图表宽度的方法是通过 width 属性来实现。
知识点：python pyecharts

第 16 题

答案：C

解析：在pyecharts中，设置图表宽度的正确方法是使用width参数，例如Pie(init_opts=opts.InitOpts(width="800px"))。set_width和chart_width不是标准方法，set_option('width', value)的写法也不正确。

17.(单选题，1.0 分) 在 Python 中，哪个库主要用于数据可视化？
A. matplotlib
B. numpy
C. scikit-learn
D. pandas
我的答案：A 正确答案：A 1.0 分
答案解析：matplotlib 是一个用于绘制图表和图形的 Python 库，广泛应用于数据可视化。
知识点：python 人工智能

第 17 题

答案：A

解析：matplotlib是 Python 中最常用的数据可视化库，提供了丰富的绘图功能。numpy用于数值计算，pandas用于数据处理，scikit-learn用于机器学习，它们都不是专门的数据可视化库。

18.(单选题，1.0 分) 在 PyEcharts 中，设置图表标题的方法是？
A. set_option
B. add_title
C. title
D. set_title
正确答案：C
答案解析：在 PyEcharts 中，设置图表标题的方法是通过 title () 方法。
知识点：python pyecharts

第 18 题

答案：C

解析：设置图表标题的正确方法是使用title参数，例如

Pie().set_global_opts(title_opts=opts.TitleOpts(title="饼图示例"))。add_title和set_title不是标准方法，set_option需要配合正确的配置项使用。

19.(单选题，1.0 分) 在 Python 中，哪个库主要用于图像处理？
A. matplotlib
B. pandas
C. opencv
D. numpy
我的答案：C 正确答案：C 1.0 分
答案解析：OpenCV 是一个用于计算机视觉和图像处理的强大库。
知识点：python 人工智能

第 19 题

答案：C

解析：opencv（Open Source Computer Vision Library）是专门用于计算机视觉和图像处理的库，提供了各种图像处理算法。matplotlib主要用于绘图，pandas用于数据处理，numpy用于数值计算，它们都不是专门的图像处理库。

20.(单选题，1.0 分) 在 PyEcharts 中，用于创建饼图的类是？
A. Pie
B. Scatter
C. Line
D. Bar
我的答案：A 正确答案：A 1.0 分
答案解析：在 PyEcharts 中，用于创建饼图的类是 Pie。
知识点：python pyecharts

第 20 题

答案：A

解析：Pie类专门用于创建饼图，Scatter用于散点图，Line用于折线图，Bar用于柱状图。

21.(单选题，1.0 分) 在 PyEcharts 中，设置图表颜色的方法是？
A. series_color
B. colors
C. color
D. item_color
正确答案：D
答案解析：在 PyEcharts 中，可以通过 item_color 参数设置图表的颜色。
知识点：python pyecharts

第 21 题

答案：D

解析：在 PyEcharts 中，设置图表颜色的正确方法是通过item_color参数。其他选项如series_color、colors、color均不是标准的设置颜色的参数。

22.

(单选题，1.0 分) 在 PyEcharts 中，设置 X 轴标签的方法是？
A. x_axis
B. x_label
C. x_axis_labels
D. x_ticks
我的答案：A 正确答案：A 1.0 分
答案解析：在 PyEcharts 中，可以通过 x_axis 参数设置 X 轴的标签。
知识点：python pyecharts

第 22 题

答案：A

解析：在 PyEcharts 中，设置 X 轴标签的方法是使用x_axis参数。例如：

chart.add_xaxis(["A", "B", "C"])。x_label、x_axis_labels、x_ticks都不是正确的参数名称。

23.(单选题，1.0 分) 在 Python 中，哪个库主要用于数据处理和分析？
A. numpy
B. matplotlib
C. pandas
D. scikit-learn
我的答案：C 正确答案：C 1.0 分
答案解析：Pandas 是一个强大的数据处理和分析库，提供了丰富的数据结构和数据分析工具。
知识点：python 人工智能

第 23 题

答案：C

解析：pandas是 Python 中用于数据处理和分析的核心库，提供了DataFrame和Series等高效的数据结构。numpy主要用于数值计算，matplotlib用于数据可视化，scikit-learn用于机器学习。

24.(单选题，1.0 分) 在 PyEcharts 中，设置 Y 轴标签的方法是？
A. y_label
B. y_ticks
C. y_axis
D. set_y_axis
我的答案：C 正确答案：C 1.0 分
答案解析：在 PyEcharts 中，可以通过 y_axis 参数设置 Y 轴的标签。
知识点：python pyecharts

第 24 题

答案：C

解析：在 PyEcharts 中，设置 Y 轴标签的方法是使用y_axis参数。例如：chart.add_yaxis("数据", [1, 2, 3])。y_label、y_ticks、set_y_axis都不是正确的参数名称。

25.(单选题，1.0 分) 在 PyEcharts 中，设置图表图例的方法是？
A. set_option ('legend', value)
B. chart_legend
C. legend
D. set_legend
正确答案：C
答案解析：在 PyEcharts 中，设置图表图例的方法是通过 legend 属性来实现。
知识点：python pyecharts

第 25 题

答案：C

解析：在 PyEcharts 中，设置图例的方法是通过legend属性。例如：chart.set_global_opts(legend_opts=opts.LegendOpts(is_show=True))。set_option('legend', value)的写法不正确，chart_legend和set_legend也不是标准方法。

26.(单选题，1.0 分) 在 PyEcharts 中，用于创建折线图的类是？
A. Line
B. Bar
C. Scatter
D. Pie
我的答案：A 正确答案：A 1.0 分
答案解析：Bar 用于柱状图，Line 用于折线图，Pie 用于饼图，Scatter 用于散点图。
知识点：python pyecharts

第 26 题

答案：A

解析：在 PyEcharts 中，Line类用于创建折线图，Bar类用于柱状图，Scatter类用于散点图，Pie类用于饼图。

27.(单选题，1.0 分) Echarts 是一个由 ( ) 开源的数据可视化，凭借着良好的交互性，精巧的图表设计，得到了众多开发者的认可。而 Python 是一门富有表达力的语言，很适合用于数据处理。当数据分析遇上数据可视化时，pyecharts 诞生了。
A. 谷歌
B. 百度
C. 苹果
D. 腾讯
我的答案：B 正确答案：B 1.0 分

第 27 题

答案：B

解析：Echarts 是由百度开源的数据可视化库，而 PyEcharts 是其 Python 接口。谷歌、苹果、腾讯均未开发 Echarts。

28.(单选题，1.0 分) 在 PyEcharts 中，设置 X 轴标签的方法是？
A. x_axis
B. x_label
C. x_ticks
D. set_xaxis
我的答案：A 正确答案：A 1.0 分
答案解析：在 PyEcharts 中，设置 X 轴标签的方法是通过 x_axis 参数。
知识点：python pyecharts

第 28 题

答案：A

解析：同第 22 题，设置 X 轴标签的方法是通过x_axis参数。

29.(单选题，1.0 分) 在 PyEcharts 中，设置 Y 轴标签的方法是？
A. y_label
B. y_ticks
C. y_axis
D. set_yaxis
我的答案：C 正确答案：C 1.0 分
答案解析：在 PyEcharts 中，设置 Y 轴标签的方法是通过 y_axis 参数。
知识点：python pyecharts

第 29 题

答案：C

解析：同第 24 题，设置 Y 轴标签的方法是通过y_axis参数。

30.(单选题，1.0 分) 在 PyEcharts 中，设置图表背景色的方法是？
A. background
B. bgcolor
C. back_color
D. bg_color
正确答案：D
答案解析：在 PyEcharts 中，可以通过 bg_color 参数设置图表的背景色。
知识点：python pyecharts

第 30 题

答案：D

解析：在 PyEcharts 中，设置图表背景色的正确参数是bg_color。例如：

chart.set_global_opts(bg_color="white")。其他选项如background、bgcolor、back_color均不是标准参数。

31.(单选题，1.0 分) 在 PyEcharts 中，设置图表宽度的方法是？
A. set_width
B. chart_width
C. width
D. width_set
正确答案：C
答案解析：在 PyEcharts 中，可以通过 width 参数设置图表的宽度。
知识点：python pyecharts

第 31 题

答案：C

解析：在 PyEcharts 中，设置图表宽度的方法是通过width参数。例如：

Line(init_opts=opts.InitOpts(width="1000px"))。set_width、chart_width、width_set都不是正确的参数名称。

32.(单选题，1.0 分) 在 Python 的数据可视化库中，哪个库主要用于生成静态、动态和交互式的图表？
A. plotly
B. bokeh
C. seaborn
D. matplotlib
正确答案：D
答案解析：matplotlib 是 Python 中最常用的绘图库，可以生成各种类型的图表。
知识点：python 数据分析

第 32 题

答案：D

解析：在 Python 的数据可视化库中，matplotlib是最基础且广泛使用的库，它支持生成静态、动态和交互式图表（需配合如ipympl等后端）。虽然plotly和bokeh更专注于交互式图表，seaborn是基于 matplotlib 的高级封装，但题目强调 “主要用于生成各种类型图表” 的库，因此matplotlib是最佳答案。

33.(单选题，1.0 分) 在 PyEcharts 中，用于创建柱状图的类是？
A. Bar
B. Pie
C. Line
D. Scatter
我的答案：A 正确答案：A 1.0 分
答案解析：在 PyEcharts 中，用于创建柱状图的类是 Bar。
知识点：python pyecharts

第 33 题

答案：A

解析：PyEcharts 中，Bar类专门用于创建柱状图，其他选项中，Pie用于饼图，Line用于折线图，Scatter用于散点图。

34.(单选题，1.0 分) 在 PyEcharts 中，添加数据到图表的方法是？
A. add_data
B. append
C. insert
D. add
我的答案：D 正确答案：D 1.0 分
答案解析：在 PyEcharts 中，可以通过 add 方法向图表中添加数据。
知识点：python pyecharts

第 34 题

答案：D

解析：在 PyEcharts 中，向图表添加数据的标准方法是add（旧版本）或add_series（新版本）。例如：bar.add("销量", ["A", "B"], [10, 20])。

35.(单选题，1.0 分) 在 PyEcharts 中，设置图表高度的方法是？
A. height
B. chart_height
C. set_option ('height', value)
D. set_height
正确答案：A
答案解析：在 PyEcharts 中，设置图表高度的方法是通过 height 属性来实现。
知识点：python pyecharts

第 35 题

答案：A

解析：设置图表高度的正确方法是通过height参数，例如：

Bar(init_opts=opts.InitOpts(height="600px"))。set_option('height', value)不是标准用法。

36.(单选题，1.0 分) 在 PyEcharts 中，设置图表主题的方法是？
A. theme
B. theme_set
C. set_theme
D. chart_theme
正确答案：A
答案解析：在 PyEcharts 中，可以通过 theme 参数设置图表的主题。
知识点：python pyecharts

第 36 题

答案：A

解析：PyEcharts 中设置主题的方法是通过theme参数，例如：

Bar(init_opts=opts.InitOpts(theme="light"))。

37.(单选题，1.0 分) 在 PyEcharts 中，设置图表宽度的方法是？
A. figure_width
B. chart_width
C. width
D. set_width
正确答案：C
答案解析：在 PyEcharts 中，设置图表宽度的方法是通过 width 参数。
知识点：python pyecharts

第 37 题

答案：C

解析：设置图表宽度的正确参数是width，例如：

Line(init_opts=opts.InitOpts(width="800px"))。

38.(单选题，1.0 分) 在 PyEcharts 中，设置 Y 轴标签的方法是？
A. y_axis_labels
B. y_ticks
C. y_axis
D. y_label
我的答案：C 正确答案：C 1.0 分
答案解析：在 PyEcharts 中，可以通过 y_axis 参数设置 Y 轴的标签。
知识点：python pyecharts

第 38 题

答案：C

解析：设置 Y 轴标签的方法是通过y_axis参数，例如：bar.add_yaxis("销量", [10, 20, 30])。

39.(单选题，1.0 分) 在 PyEcharts 中，设置图表高度的方法是？
A. height
B. set_height
C. chart_height
D. height_set
正确答案：A
答案解析：在 PyEcharts 中，可以通过 height 参数设置图表的高度。
知识点：python pyecharts

第 39 题

答案：A

解析：同第 35 题，设置图表高度使用height参数。

40.(单选题，1.0 分) 在 PyEcharts 中，设置图表主题的方法是？
A. themes
B. theme
C. theme_set
D. set_theme
正确答案：B
答案解析：在 PyEcharts 中，可以通过 theme 参数设置图表的主题。
知识点：python pyecharts

第 40 题

答案：B

解析：同第 36 题，设置主题使用theme参数。

二、填空题（共 5 题，5.0 分）

41.(填空题，1.0 分) 利用代码 from pyecharts.charts import Geo 导入地理信息图，绘制地图要注意 add_schema (maptype=('')) 才能正常显示中国地图。
我的答案：(1) china
正确答案：(1) china

第 41 题

答案：china

解析：在 PyEcharts 中绘制中国地图时，需通过maptype='china'指定地图类型，否则无法正确显示中国地理轮廓。

42.(填空题，1.0 分) 第三方库 ( ) 提供了情感强度值计算的功能，取值范围 0 - 1 之间，取值越小，情感极性越消极。
我的答案：(1) snownlp
正确答案：(1) snownlp

第 42 题

答案：snownlp

解析：snownlp是 Python 中常用的中文自然语言处理库，其snowNLP.sentiments方法返回 0-1 之间的情感强度值，值越小表示情感越消极。

43.(填空题，1.0 分) from pyecharts.charts import ( ) 可以导入 pyecharts 库绘制柱状图。
我的答案：(1) Bar
正确答案：(1) Bar

第 43 题

答案：Bar

解析：PyEcharts 中绘制柱状图需导入Bar类，例如：from pyecharts.charts import Bar。

44.(填空题，1.0 分) 李驰同学家在吉林白城，他打算绘制白城各区县人口地图，请补全他写的这句代码：Map ().add ("", [(i,z) for z in zip (quxian, values3)], maptype=（）)。
正确答案：(1) "白城"

第 44 题

答案："白城"

解析：绘制白城各区县地图时，maptype需指定为具体城市名（如 "白城"），而非 "china"（全国地图）。PyEcharts 需预先安装对应城市地图包。

45.(填空题，1.0 分) 调用 pyecharts 库用仪表盘图绘制可视化图，导入库的代码是:from pyecharts.charts import ( )。
我的答案：(1) Gauge
正确答案：(1) Gauge

第 45 题

答案：Gauge

解析：PyEcharts 中绘制仪表盘图需导入Gauge类，例如：from pyecharts.charts import Gauge。

三、简答题（共 2 题，30.0 分）

46.(简答题，10.0 分)
分析下面的数据分析与可视化代码，请回答以下问题：
a 请写出程序运行结果，
b 根据此题分析的数据，拓展到抖音个性化短视频推荐算法中，抖音公司需要收集用户的哪些数据，才能做到精准个性化推荐，给出理由。
# 从Excel文件中读取三个工作表的性别数据
def getSex(filename):# 打开Excel工作簿workbook = xlrd.open_workbook(filename)# 获取三个工作表对象sheet1 = workbook.sheet_by_index(0)sheet2 = workbook.sheet_by_index(1)sheet3 = workbook.sheet_by_index(2)# 初始化三个班级的性别列表sex221 = []sex222 = []sex223 = []# 遍历第一个工作表的所有行（跳过表头），获取第6列（索引5）的性别数据for i in range(1, sheet1.nrows):    sex221.append(sheet1.cell(i, 5).value)# 遍历第二个工作表的所有行（跳过表头），获取第6列（索引5）的性别数据for i in range(1, sheet2.nrows):    sex222.append(sheet2.cell(i, 5).value)# 遍历第三个工作表的所有行（跳过表头），获取第6列（索引5）的性别数据for i in range(1, sheet3.nrows):    sex223.append(sheet3.cell(i, 5).value)# 返回三个班级的性别列表return sex221, sex222, sex223# 使用pyecharts库可视化三个班级的男女比例
def VisualSexpyechart(lstsex1, lstsex2, lstsex3):# 初始化三个字典，用于统计每个班级的男女人数sex1 = dict()sex2 = dict()sex3 = dict()# 统计第一个班级的男女人数for f in lstsex1[0]:  # 注意：这里应直接使用lstsex1而非lstsex1[0]if f == '男':    sex1["man"] = sex1.get("man", 0) + 1elif f == '女':  sex1["women"] = sex1.get("women", 0) + 1# 统计第二个班级的男女人数for f in lstsex2[0]:  # 注意：这里应直接使用lstsex2而非lstsex2[0]if f == '男':    sex2["man"] = sex2.get("man", 0) + 1elif f == '女':  sex2["women"] = sex2.get("women", 0) + 1# 统计第三个班级的男女人数for f in lstsex3[0]:  # 注意：这里应直接使用lstsex3而非lstsex3[0]if f == '男':    sex3["man"] = sex3.get("man", 0) + 1elif f == '女':  sex3["women"] = sex3.get("women", 0) + 1# 设置X轴标签（班级名称）attr = ['221', '222', '223']# 提取三个班级的男生人数value1 = [sex1["man"], sex2["man"], sex3["man"]]# 提取三个班级的女生人数value2 = [sex1["women"], sex2["women"], sex3["women"]]# 创建柱状图对象bar = (Bar().add_xaxis(attr)  # 添加X轴数据.add_yaxis("男生", value1, color="lightblue", category_gap="50%")  # 添加男生数据.add_yaxis("女生", value2, color="pink", category_gap="50%")  # 添加女生数据.set_global_opts(title_opts=opts.TitleOpts(title="软件22级男女比例数据分析"),  # 设置标题yaxis_opts=opts.AxisOpts(name="人数"),  # 设置Y轴名称xaxis_opts=opts.AxisOpts(name="班级")  # 注意：原代码此处错误地设置为"性别"))# 渲染图表到HTML文件bar.render("柱状图.html")# 主程序：读取数据并可视化
lstsex1, lstsex2, lstsex3 = getSex("软件22学生详细名单.xls")
VisualSexpyechart(lstsex1, lstsex2, lstsex3)
我的答案：
a 程序运行结果:
数据处理层面:
程序读取名为 “软件 22 学生详细名单.xls” 文件中三个工作表的性别数据（位于第 6 列，索引为 5），分别统计到 sex221、sex222、sex223 列表中。
进一步对三个列表的性别数据分类统计，得到三个字典 sex1、sex2、sex3，分别记录三个工作表中 “男”“女” 的数量。
可视化层面:
生成一个名为 “柱状图.html” 的文件，以柱状图形式展示统计结果。图表标题为 “软件 22 级男女比例数据分析”，横轴为 “性别”（男 / 女），纵轴为 “人数”。
图表中包含两组柱状数据，“男生” 柱状用浅蓝色（lightblue）表示，“女生” 柱状用粉色（pink）表示，展示三个工作表（对应 221、222、223）的男女人数对比。

b 抖音需收集的数据及理由:
需收集的数据：用户性别、浏览视频的类型（如美食、科技、娱乐等）、视频观看时长、点赞 / 评论 / 分享的内容、搜索关键词、关注的账号类型、互动频率等。
理由：通过挖掘用户性别做基础分类；浏览类型、时长、搜索词等反映兴趣偏好；互动行为（点赞、评论等）进一步挖掘用户深层需求。整合这些数据可构建精准用户画像，结合算法模型预测用户对视频的喜好，从而实现个性化短视频推荐。

第 46 题

a 程序运行结果：

数据处理：程序从 Excel 文件的三个工作表中提取性别数据（第 6 列），统计每个工作表中男女人数，生成三个字典（如sex1）存储结果。

可视化：生成柱状图（柱状图.html），横轴为班级（221、222、223），纵轴为人数，对比男生（浅蓝色）和女生（粉色）数量。

b 抖音推荐算法数据收集：

用户行为数据：视频浏览历史、停留时长、点赞 / 评论 / 分享操作，用于分析用户兴趣偏好。

人口统计学数据：性别、年龄、地域，辅助分类推荐。

社交关系数据：关注的账号、互动对象，构建社交推荐网络。

上下文数据：观看时间、设备信息，优化推荐场景。

理由：通过多维度数据构建用户画像，结合协同过滤和深度学习算法预测用户对视频的喜好度。

47.(简答题，20.0 分) 请使用豆包或者腾讯混元或者深度思考，辅助你用 python 编程进行某个案例的数据分析与可视化，从而完成这个项目。请写成教程的形式阐述借助 AI 工具如何完成软件项目的过程，要求有步骤，有代码。
我的答案：

借助 AI 工具使用 Python 实现北京市店铺分布地理信息可视化教程_python绘制地图表示门店分步-CSDN博客

四、论述题（共 1 题，25.0 分）

(论述题，25.0 分)
根据我们讲过的微信好友数据分析案例，完成下列任务。
1 请对你所在班级学生信息表（学生信息表在钉钉群自己下载）进行数据分析和可视化：读取学生信息表，同学性别饼状图可视化，同学所在省份中国地图可视化，所在城市柱状图可视化，签名词云化，成绩分布折线图可视化，宿舍分布关系图，人脸头像用腾讯云识别等。
2 将软件制作过程，设计思想，相关源码，总结和未来展望写到你的技术博客中。直接把你的博客链接放入答案即可。我根据你的博客内容酌情给分。如果该题成绩 0 分，说明我打不开你的链接。
我的答案：班级学生信息数据分析与可视化实践-CSDN博客

第三次小考爬虫

一、单选题（共 33 题，66.0 分）

1.(单选题，2.0 分) 在 Python 爬虫中，哪个库主要用于处理 HTTP 请求？
A. pandas
B. numpy
C. requests
D. matplotlib
我的答案：C 正确答案：C 2.0 分
答案解析: requests 库是 Python 中最常用的 HTTP 请求库，用于发送各种类型的 HTTP 请求。
知识点: python 爬虫

1. （处理 HTTP 请求的库）

答案：C（requests）

解析：

requests 是 Python 生态中专门用于发送 HTTP 请求的库，支持 GET、POST 等多种请求方法，能便捷处理请求头、参数、响应内容等，是爬虫获取网页数据的基础工具。

pandas 主要用于结构化数据处理与分析（如表格数据清洗、统计）；numpy 专注数值计算（数组运算等）；matplotlib 用于数据可视化（绘图），都和 HTTP 请求无关。

2.(单选题，2.0 分) 在 Python 爬虫中，哪个库可以用来实现分布式爬虫？
A. requests
B. numpy
C. pandas
D. scrapy
我的答案：D 正确答案：D 2.0 分
答案解析: Scrapy 是一个功能强大的爬虫框架，支持分布式爬虫，可以高效地抓取大量数据。
知识点: python 爬虫

2. （实现分布式爬虫的库）

答案：D（scrapy）

解析：

Scrapy 是专业爬虫框架，内置分布式爬虫支持，能多任务并行抓取、管理请求队列、处理反爬（如自动重试、延迟），适合大规模数据采集。

requests 只是简单 HTTP 请求库，无分布式能力；pandas/numpy 是数据处理工具，和爬虫框架功能不相关。

3.(单选题，2.0 分) 在 Python 爬虫中，用于处理 URL 编码的模块是？
A. sys
B. re
C. os
D. urllib
我的答案：D 正确答案：D 2.0 分
答案解析: urllib 模块提供了处理 URL 编码的功能，包括 urlencode 等方法。
知识点: python 爬虫

3. （处理 URL 编码的模块）

答案：D（urllib）

解析：

urllib 是 Python 标准库，其中 urllib.parse 模块提供 urlencode（URL 编码）、unquote（URL 解码）等方法，用于处理 URL 中的特殊字符（如空格转 %20 ）。

sys 用于系统交互（如命令行参数、退出程序）；re 是正则表达式工具（文本匹配）；os 用于操作系统交互（文件、路径操作），都不处理 URL 编码。

4.(单选题，2.0 分) BeautifulSoup 库的主要功能是什么？
A. 发送 HTTP 请求
B. 解析 HTML 文档
C. 数据清洗
D. 绘制图表
我的答案：B 正确答案：B 2.0 分
答案解析: BeautifulSoup 库主要用于解析 HTML 和 XML 文档，提取所需信息。
知识点: python 爬虫

4. （BeautifulSoup 库的功能）

答案：B（解析 HTML 文档）

解析：

BeautifulSoup 是 HTML/XML 文档的解析库，能将网页内容转化为可遍历的对象，通过标签名、属性、层级关系提取数据（如提取所有 <a> 标签的链接）。

发送 HTTP 请求是 requests 的活；BeautifulSoup 不直接做 “数据清洗”（需结合代码逻辑二次处理）；“绘制图表” 是 matplotlib 等库的功能。

5.(单选题，2.0 分) 在 Python 爬虫中，哪个库可以用来处理 URL 编码？
A. re
B. urllib
C. pandas
D. BeautifulSoup
我的答案：B 正确答案：B 2.0 分
答案解析: urllib 库提供了处理 URL 编码的功能，可以用来编码和解码 URL。
知识点: python 爬虫

5. （处理 URL 编码的库）

答案：B（urllib）

解析：

同第 3 题，urllib.parse 模块提供 URL 编码 / 解码能力，可处理 URL 中参数、路径的特殊字符。

re 是正则，pandas 是数据处理，BeautifulSoup 是解析 HTML，都不涉及 URL 编码。

6.(单选题，2.0 分) 进行数据分析时，主要的分析工具包括:
A. NumPy 和 Pandas
B. wxPython 和 Pandas
C. Django 和 SciPy
D. Math 和 Pandas
我的答案：A 正确答案：A 2.0 分
答案解析: Django 是主要用于 Web 开发的工具
wxPython 是一个流行的跨平台 GUI 工具包
Math 是 Python 的的内置数学库，但是，不是主要的数据分析工具

6. （数据分析主要工具）

答案：A（NumPy 和 Pandas）

解析：

NumPy 是 Python 数值计算基础（高效数组运算），Pandas 基于 NumPy 实现表格数据（DataFrame）处理（如读取 CSV、缺失值填充、分组统计），是数据分析核心工具。

wxPython 是GUI 开发库（做图形界面）；Django 是Web 开发框架（建网站后端）；SciPy 侧重科学计算（如微积分、优化），但题干问 “主要分析工具”，常规场景 NumPy + Pandas 更基础通用；Math 是 Python 基础数学库，功能简单，不是 “主要工具”。

7.(单选题，2.0 分) 1.Python 数据分析的主要目的是什么？
A. 数据收集
B. 数据清洗
C. 提取有价值信息以支持业务决策
D. 数据可视化
我的答案：C 正确答案：C 2.0 分

7. （Python 数据分析的目的）

答案：C（提取有价值信息以支持业务决策）

解析：

数据分析的终极目标是从数据中挖掘价值（如通过销售数据找规律、预测趋势），辅助业务决策。

“数据收集” 是分析的前置步骤；“数据清洗” 是为分析做准备的流程；“数据可视化” 是呈现分析结果的手段，都不是最终目的。

8.(单选题，2.0 分) 在 Python 爬虫中，哪个库可以用来解析 HTML 文档？
A. urllib
B. pandas
C. re
D. BeautifulSoup
我的答案：D 正确答案：D 2.0 分
答案解析: BeautifulSoup 是一个非常流行的 HTML 解析库，它可以帮助我们从 HTML 文档中提取数据。

8. （解析 HTML 文档的库）

答案：D（BeautifulSoup）

解析：

如第 4 题所述，BeautifulSoup 专注解析 HTML/XML，把网页字符串转成结构化对象，方便提取数据。

urllib 处理 URL / 请求，pandas 处理表格数据，re 是正则（可勉强匹配标签，但不如 BeautifulSoup 便捷、语义化），都不是专门的 HTML 解析工具。

9.(单选题，2.0 分) 在 Python 爬虫中，哪个库可以用来实现异步 IO 操作？
A. asyncio
B. requests
C. pandas
D. numpy
我的答案：A 正确答案：A 2.0 分
答案解析: asyncio 是 Python 标准库中的异步 IO 框架，可以用于编写高效的网络爬虫。

9. （实现异步 IO 操作的库）

答案：A（asyncio）

解析：

asyncio 是 Python 标准库的异步 IO 框架，支持协程（coroutine），能让爬虫在等待网络响应时 “同时” 执行其他任务，提升爬取效率（适合批量请求场景）。

requests 是同步库（请求时会阻塞代码执行）；pandas/numpy 是数据工具，和异步 IO 无关。

10.(单选题，2.0 分) 在 Python 爬虫中，哪个库可以用来生成和解析 JSON 数据？
A. pandas
B. numpy
C. matplotlib
D. json
我的答案：D 正确答案：D 2.0 分
答案解析: json 模块是 Python 内置的 JSON 处理库，可以用来生成和解析 JSON 数据。

10. （生成和解析 JSON 数据的库）

答案：D（json）

解析：

json 是 Python 内置库，提供 dumps（Python 对象转 JSON 字符串）、loads（JSON 字符串转 Python 对象）方法，专门处理 JSON 数据。

pandas 可读取 JSON 文件，但核心是数据处理；numpy 处理数值，matplotlib 做可视化，都不专注 JSON 编解码。

11.(单选题，2.0 分) 在 Python 爬虫中，哪个库主要用于发送 HTTP 请求？
A. requests
B. BeautifulSoup
C. selenium
D. lxml
我的答案：A 正确答案：A 2.0 分
答案解析: requests 库是用于发送 HTTP 请求的主要库，而 selenium 主要用于自动化浏览器操作，BeautifulSoup 和 lxml 主要用于解析 HTML 文档。

11. （发送 HTTP 请求的库）

答案：A（requests）

解析：

requests 是发送 HTTP 请求的首选库，API 简洁（如 requests.get(url) 一行代码发请求）。

BeautifulSoup 是解析工具；selenium 用于模拟浏览器操作（应对 JS 渲染页面）；lxml 是 XML/HTML 解析库（比 BeautifulSoup 更快，常配合使用），都不负责发送请求。

12.(单选题，2.0 分) 在 Python 爬虫中，哪个库可以用来处理文件路径？
A. pandas
B. os.path
C. matplotlib
D. numpy
我的答案：B 正确答案：B 2.0 分
答案解析: os.path 模块是 Python 内置的文件路径处理库，可以用来处理文件路径相关的操作。
知识点: python 爬虫

12. （处理文件路径的库）

答案：B（os.path）

解析：

os.path 是 Python 标准库 os 的子模块，提供 join（拼接路径）、exists（判断路径是否存在）、basename（提取文件名）等方法，专门处理文件路径。

pandas/matplotlib/numpy 都是数据相关库，不涉及文件路径操作。

13.(单选题，2.0 分) 在 Python 爬虫中，哪个库可以用来处理 Excel 文件？
A. openpyxl
B. pandas
C. urllib
D. re
正确答案：A
答案解析: openpyxl 库是用于处理 Excel 文件的第三方库，可以用来读写 Excel 文件。
知识点: python 爬虫

13. 处理 Excel 文件的库

答案：A（openpyxl）

解析：

openpyxl 是专门处理 Excel 文件（.xlsx）的第三方库，支持读写操作，能处理复杂格式（如合并单元格、样式）。

pandas 虽然也能读写 Excel（依赖 openpyxl 或 xlrd），但更侧重数据分析（如数据筛选、聚合），而非单纯文件操作。

urllib 处理 URL，re 是正则表达式，与 Excel 无关。

14.(单选题，2.0 分) 在 Python 爬虫中，用于处理异常情况的模块是？
A. logging
B. try-except
C. multiprocessing
D. threading
我的答案：B 正确答案：B 2.0 分
答案解析: try-except 语句用于捕获和处理异常情况，保证程序的健壮性。

14. 处理异常情况的模块

答案：B（try-except）

解析：

try-except 是 Python 的异常处理语法，用于捕获和处理代码中的错误（如网络请求失败、文件不存在），避免程序崩溃。

logging 是日志记录模块，用于记录程序运行状态；multiprocessing 和 threading 用于多进程 / 多线程，与异常处理无关。

15.(单选题，2.0 分) 在 Python 爬虫中，用于解析 JSON 数据的库是？
A. pickle
B. yaml
C. xml
D. json
我的答案：D 正确答案：D 2.0 分
答案解析: json 库提供了处理 JSON 数据的功能，包括解析和生成 JSON 数据。

15. 解析 JSON 数据的库

答案：D（json）

解析：

json 是 Python 内置库，通过 json.loads()（字符串转字典）和 json.dumps()（字典转字符串）处理 JSON 数据。

pickle 用于 Python 对象序列化（非 JSON 格式）；yaml 处理 YAML 格式；xml 处理 XML 数据。

16.(单选题，2.0 分) 在 Python 爬虫中，哪个库可以用来处理 CSV 文件？
A. csv
B. pandas
C. re
D. urllib
我的答案：A 正确答案：A 2.0 分
答案解析: csv 库是 Python 内置的处理 CSV 文件的库，可以用来读写 CSV 文件。

16. 处理 CSV 文件的库

答案：A（csv）

解析：

csv 是 Python 内置库，提供简单的 CSV 文件读写功能（如 csv.reader 和 csv.writer）。

pandas 也能处理 CSV（pd.read_csv()），但 csv 更轻量，适合简单场景；re 和 urllib 与 CSV 无关。

17.(单选题，2.0 分) 在 Python 爬虫中，BeautifulSoup 主要用于做什么？
A. 数据清洗
B. 发送 HTTP 请求
C. 绘制图表
D. 解析 HTML 文档
我的答案：D 正确答案：D 2.0 分
答案解析: BeautifulSoup 是一个非常强大的解析 HTML 和 XML 文档的库，常用于从网页中提取信息。

17. BeautifulSoup 的主要功能

答案：D（解析 HTML 文档）

解析：

BeautifulSoup 是HTML/XML 解析库，通过标签名、CSS 选择器或 XPath 提取数据（如 soup.find('div', class_='content')）。

数据清洗需额外逻辑；发送请求用 requests；绘制图表用 matplotlib 或 seaborn。

18.(单选题，2.0 分) 在爬虫中，用于控制爬虫频率的机制是？
A. 延时
B. 重试机制
C. 代理池
D. 异步 IO
我的答案：A 正确答案：A 2.0 分
答案解析：延时机制可以控制爬虫的请求频率，避免因频繁请求而被目标网站封禁。

18. 控制爬虫频率的机制

答案：A（延时）

解析：

通过 time.sleep() 控制请求间隔（如每请求一次暂停 2 秒），避免频繁请求触发网站反爬机制。

重试机制用于处理失败请求；代理池更换 IP 地址；异步 IO 提升并发效率，但不直接控制频率。

19.(单选题，2.0 分) 在爬虫中，用于存储爬取到的数据的常用文件格式是？
A. pdf
B. txt
C. csv
D. docx
我的答案：C 正确答案：C 2.0 分
答案解析: CSV 是一种常见的表格数据存储格式，常用于存储爬虫抓取的数据。

19. 存储爬取数据的常用格式

答案：C（csv）

解析：

CSV（逗号分隔值）是爬虫常用的结构化数据存储格式，易导入数据库或数据分析工具（如 Excel、pandas）。

PDF 适合文档但难解析；txt 无格式；docx 是 Word 文档，非爬虫首选。

20.(单选题，2.0 分) 在 Python 爬虫中，哪个库可以用来处理日期和时间？
A. numpy
B. datetime
C. pandas
D. matplotlib
我的答案：B 正确答案：B 2.0 分
答案解析: datetime 模块是 Python 内置的日期和时间处理库，可以用来处理日期和时间相关的操作。

20. 处理日期和时间的库

答案：B（datetime）

解析：

datetime 是 Python 内置模块，提供日期时间处理功能（如 datetime.now() 获取当前时间，strptime() 解析字符串时间）。

numpy 和 pandas 也有时间处理功能（如 pd.to_datetime()），但 datetime 是基础；matplotlib 用于绘图。

21.(单选题，2.0 分) 网络爬虫的基本概念:
A. 通过浏览器，手动复制网页源代码
B. 是一种爬行的可爱毛毛虫
C. 是一种按照一定的规则，自动的抓取万维网信息的程序或者脚本
D. 对网页源代码进行分析，然后按照需要复制感兴趣的内容
我的答案：C 正确答案：C 2.0 分
答案解析：爬虫是一套程序，按照一定的规则，自动爬取 web 网页上的程序或者脚本。

21. 网络爬虫的基本概念

答案：C（自动抓取万维网信息的程序或脚本）

解析：

爬虫是自动化程序，通过 HTTP 请求批量获取网页数据，无需人工干预（排除 A）。

B 是生物领域的毛毛虫，与编程无关；D 描述的是 “手动分析网页后复制内容”，属于人工操作，不是爬虫的自动特性。

22.(单选题，2.0 分) 在 Python 爬虫中，哪个库可以用来处理正则表达式？
A. re
B. pandas
C. numpy
D. matplotlib
我的答案：A 正确答案：A 2.0 分
答案解析: re 模块是 Python 内置的正则表达式库，可以用来匹配和处理字符串。

22. 处理正则表达式的库

答案：A（re）

解析：

re 是 Python 内置的正则表达式库，提供 search、match、findall 等方法，用于字符串模式匹配（如提取 URL、邮箱）。

pandas 处理表格数据，numpy 做数值计算，matplotlib 绘图，均不涉及正则。

23.(单选题，2.0 分) 在 Python 爬虫中，哪个库可以用来处理 JSON 数据？
A. pandas
B. re
C. urllib
D. json
我的答案：D 正确答案：D 2.0 分
答案解析: json 库是 Python 内置的处理 JSON 数据的库，可以用来解析和生成 JSON 数据。

23. 处理 JSON 数据的库

答案：D（json）

解析：

json 是 Python 内置库，通过 loads() 和 dumps() 实现 JSON 字符串与 Python 字典 / 列表的互转。

pandas 可读取 JSON 文件（pd.read_json()），但需依赖 json 库；re 是正则，urllib 处理 URL，均非 JSON 专用。

24.(单选题，2.0 分) 在 Python 爬虫中，哪个库可以用来构建复杂的爬虫框架？
A. scrapy
B. lxml
C. BeautifulSoup
D. requests
我的答案：A 正确答案：A 2.0 分
答案解析: Scrapy 是一个功能强大的爬虫框架，可以用来构建复杂的爬虫应用。

24. 构建复杂爬虫框架的库

答案：A（scrapy）

解析：

Scrapy 是成熟的爬虫框架，内置调度器、下载器、管道等组件，支持分布式、异步爬取，适合大规模项目。

lxml 和 BeautifulSoup 是解析库，requests 是 HTTP 客户端，均需手动实现爬虫逻辑，不如 Scrapy 高效。

25.(单选题，2.0 分) 在 Python 爬虫中，哪个库可以用来处理异步请求？
A. selenium
B. pyquery
C. scrapy
D. aiohttp
我的答案：D 正确答案：D 2.0 分
答案解析: aiohttp 是一个异步 HTTP 客户端和服务端框架，适用于异步请求。

25. 处理异步请求的库

答案：D（aiohttp）

解析：

aiohttp 是基于 asyncio 的异步 HTTP 库，支持非阻塞请求，适合高并发场景（如批量爬取 1000+ 页面）。

selenium 模拟浏览器，pyquery 是 jQuery 风格解析库，scrapy 框架自身支持异步但非专门的异步请求库。

26.(单选题，2.0 分) 在数据分析中，爬虫技术通常用于:
A. 数据清理
B. 数据可视化
C. 数据存储
D. 数据采集
我的答案：D 正确答案：D 2.0 分

26. 爬虫在数据分析中的用途

答案：D（数据采集）

解析：

爬虫的核心作用是从互联网获取原始数据，为后续分析做准备。

数据清理（A）、可视化（B）、存储（C）属于数据分析的后续步骤，非爬虫直接功能。

27.(单选题，2.0 分) 数据分析最初用作:
A. 数据探索
B. 数据预处理
C. 数据保护
D. 数据可视化
正确答案：C

27. 数据分析的最初用途

答案：C（数据保护）

解析：

本题存在争议，按常规理解，数据分析最初用于数据探索（A），但答案为 C（数据保护）。可能题目基于特定教材定义，需结合上下文确认。

数据预处理（B）是分析前的准备工作，数据可视化（D）是结果呈现方式，均非 “最初用途”。

28.(单选题，2.0 分) 在 Python 爬虫中，哪个库可以用来模拟浏览器行为，进行动态页面抓取？
A. pandas
B. scrapy
C. selenium
D. numpy
我的答案：C 正确答案：C 2.0 分
答案解析: Selenium 是一个自动化测试工具，可以模拟用户操作，适用于动态页面抓取。

28. 模拟浏览器行为的库

答案：C（selenium）

解析：

selenium 通过驱动真实浏览器（Chrome、Firefox）执行 JS 渲染，适用于动态加载的页面（如需滚动或点击才能显示内容）。

pandas 和 numpy 处理数据，scrapy 基于 HTTP 请求，无法直接处理 JS 渲染。

29.(单选题，2.0 分) Scrapy 框架的主要用途是什么？
A. 机器学习
B. 网络爬虫
C. 数据可视化
D. 数据库操作
我的答案：B 正确答案：B 2.0 分
答案解析: Scrapy 是一个强大的网络爬虫框架，用于抓取网站数据并提取结构化数据。

29. Scrapy 框架的主要用途

答案：B（网络爬虫）

解析：

Scrapy 是专为爬虫设计的框架，提供自动调度、反爬处理、数据管道等功能，大幅提升爬取效率。

机器学习（A）需额外库（如 sklearn），数据可视化（C）用 matplotlib，数据库操作（D）可通过管道实现但非核心功能。

30.(单选题，2.0 分) 在 Python 爬虫中，哪个库可以用来处理文件读写？
A. collections
B. time
C. random
D. io
我的答案：D 正确答案：D 2.0 分
答案解析: io 库提供了处理文件读写的功能，常用于保存爬取的数据。

30. 处理文件读写的库

答案：D（io）

解析：

io 是 Python 内置库，提供 open() 函数操作文件（如 with open('data.txt', 'w') as f: f.write('content')）。

collections 提供特殊数据结构（如 Counter），time 处理时间，random 生成随机数，均与文件读写无关。

31.(单选题，2.0 分) 在爬虫中，用于存储大量数据的数据库是？
A. MySQL
B. Redis
C. MongoDB
D. SQLite
我的答案：A 正确答案：A 2.0 分
答案解析: MySQL 是一种关系型数据库，适用于存储大量结构化数据。

31. 存储大量数据的数据库

答案：A（MySQL）

解析：

MySQL 是关系型数据库（RDBMS），支持 SQL 语法，适合存储结构化数据（如爬取的表格型数据），通过索引优化可高效处理大规模数据。

Redis 是内存型数据库，适合缓存高频访问数据（如代理 IP），但不适合长期存储海量数据。

MongoDB 是 NoSQL 数据库，适合非结构化数据（如嵌套 JSON），但爬虫场景中结构化数据更常见，且 MySQL 生态更成熟。

SQLite 是轻量级文件数据库，适合小项目，存储量大时性能不足。

32.(单选题，2.0 分) 在 Python 爬虫中，哪个库可以用来解析 XPath 表达式？
A. lxml
B. matplotlib
C. numpy
D. pandas
我的答案：A 正确答案：A 2.0 分
答案解析: lxml 库提供了对 XPath 的支持，可以方便地解析和操作 HTML/XML 文档。

32. 解析 XPath 表达式的库

答案：A（lxml）

解析：lxml 是高性能 HTML/XML 解析库，原生支持 XPath

（如 tree.xpath('//div[@class="content"]') ），解析效率比 BeautifulSoup 更高。

matplotlib/numpy/pandas 是数据可视化、数值计算、数据分析库，与 XPath 无关。

33.(单选题，2.0 分) Python 爬虫中，如何分析爬取的数据？
A. 使用 Matplotlib 库
B. 使用 NumPy 库
C. 使用 Jupyter Notebook
D. 使用 Pandas 库
我的答案：D 正确答案：D 2.0 分
答案解析：在 Python 爬虫中，分析爬取的数据通常使用 Pandas 库。

33. 分析爬取数据的库

答案：D（Pandas）

解析：

Pandas 是数据分析核心库，支持数据清洗（去重、填充缺失值）、统计分析（分组、聚

合）、格式转换（CSV/Excel 导出），是爬虫后处理的首选。

Matplotlib 用于绘图，NumPy 做数值计算，Jupyter Notebook 是代码运行环境，均非 “分析数据” 的直接工具。

二、多选题（共 2 题，4.0 分）

34. (多选题，2.0 分) 下列哪些库可以用于解析 HTML 文档？
A. lxml
B. BeautifulSoup
C. re
D. json
我的答案：AB 正确答案：AB 2.0 分
答案解析: BeautifulSoup 和 lxml 都是常用的 HTML 解析库，而 re 和 json 主要用于正则表达式和 JSON 数据处理。

34. 解析 HTML 文档的库

答案：AB（lxml、BeautifulSoup）

解析：

lxml（高效，支持 XPath）和 BeautifulSoup（易用，支持 CSS 选择器）是 Python 最常用的 HTML 解析库。

re（正则表达式）可勉强匹配标签，但维护复杂、易出错；json 处理 JSON 数据，与 HTML 无关。

35.(多选题，2.0 分) 在 Python 爬虫中，下列哪些方法可以用来防止被目标网站封禁？
A. 频繁访问同一页面
B. 设置合理的请求间隔
C. 设置 User-Agent
D. 使用代理 IP
我的答案：BCD 正确答案：BCD 2.0 分
答案解析：设置 User-Agent、使用代理 IP 和设置合理的请求间隔都可以有效防止被目标网站封禁。

35. 防止被目标网站封禁的方法

答案：BCD（设置请求间隔、User-Agent、代理 IP）

解析：

设置请求间隔（如 time.sleep(2) ）：降低请求频率，模拟人工访问。

设置 User-Agent：伪装浏览器身份，避免被识别为爬虫。

使用代理 IP：隐藏真实 IP，分散请求来源。

频繁访问同一页面（A）会触发反爬，是错误做法。

三、判断题（共 2 题，4.0 分）

36. (判断题，2.0 分) 在 Python 爬虫中，使用代理 IP 可以有效避免被目标网站封禁。
A. 对
B. 错
我的答案：对正确答案：对 2.0 分
答案解析：使用代理 IP 可以隐藏真实的 IP 地址，减少被目标网站识别和封禁的风险。

36. 代理 IP 避免被封禁

答案：对

解析：
代理 IP 可隐藏爬虫真实 IP，让网站误以为请求来自不同客户端，降低单个 IP 的请求频率，从而减少被封禁的风险（但需配合优质代理池，避免使用被封禁的代理）。

37.(判断题，2.0 分) 在 Python 爬虫中，使用 XPath 可以更高效地解析 HTML 文档。
A. 对
B. 错
我的答案：对正确答案：对 2.0 分
答案解析: XPath 是一种强大的 XML 文档导航语言，也可以用于 HTML 文档的解析，能够更高效地定位和提取数据。

37. XPath 高效解析 HTML

答案：对

解析：
XPath 是 XML/HTML 的路径查询语言，支持复杂条件筛选（如按属性、层级定位元素），lxml 结合 XPath 可快速提取目标数据，比纯字符串匹配或简单遍历更高效。

四、论述题（共 1 题，16.0 分）

38. (论述题，16.0 分)
请借助 AI 工具实现一个你觉得最满意的爬虫作品，把代码和实验结果做成一个教程写到技术博客中，我根据博客内容酌情给分。链接如果打不开，得 0 分。

39.(简答题，5.0 分) 如果你写一个爬虫，如何避免被网站察觉是爬虫，请简述爬虫伪装措施。

我的答案:

爬虫伪装措施简述:

设置请求头（User-Agent）：模拟真实浏览器的请求头信息，例如伪装成 Chrome、Firefox 等浏览器，避免使用默认的爬虫特征明显的请求头。

添加请求间隔：在每次请求之间设置合理的延迟，避免短时间内频繁请求，模拟人类正常访问速度。

使用代理 IP：通过代理服务器发送请求，定期更换 IP，防止因单一 IP 访问异常而被封禁。

处理 cookies：模拟正常用户的会话，保存和发送 cookies，维持会话状态，避免被识别为无状态的爬虫。

40.(简答题，5.0 分) 如果你建立一个盗版小说网站，如何爬取所需要的图书资源，避免被起点，纵横官方发觉。

我的答案:

如果我建立一个盗版小说网站，我会使用以下一些技术爬取所需要的资源:

请求头伪装：在合法爬虫中，有时为了模拟正常用户访问，可以设置 User-Agent 等请求头信息。

headers = {

    "User - Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/93.0.4577.63 Safari/537.36"

}

response = requests.get(url, headers=headers)

控制请求频率：合法爬虫也需注意对目标服务器的影响，设置合理的请求间隔。

import time

for url in url_list: # 假设是合法的目标网址列表

    response = requests.get(url)

    time.sleep(3) # 每次请求间隔3秒，避免对服务器造成过大压力

代理 IP 的合法使用：在合法场景中，可以使用代理 IP。

proxies = {

    "http": "http://合法代理IP:端口",

    "https": "https://合法代理IP:端口"

}

response = requests.get(url, headers=headers, proxies=proxies)

第四次小考机器学习

一、单选题（共 62 题，62.0 分）

1.(单选题，1.0 分) 在 Python 中，用于创建数据框的函数是？
A. make_frame ()
B. build_frame ()
C. create_frame ()
D. DataFrame ()
我的答案：D 正确答案：D 1.0 分
答案解析: DataFrame () 是 pandas 库中的一个函数，用于创建数据框。
知识点: python 人工智能

1. 创建数据框的函数

答案：D（DataFrame()）

解析：
pandas 库中的 DataFrame() 函数用于创建二维表格型数据结构（类似 Excel 表格），支持多种数据类型混合存储。其他选项（make_frame()、build_frame()、create_frame()）均非 pandas 标准 API。

2.(单选题，1.0 分) 在 Python 中，哪个库主要用于数据清洗？
A. scikit-learn
B. numpy
C. matplotlib
D. pandas
我的答案：D 正确答案：D 1.0 分
答案解析: pandas 提供了丰富的数据清洗和预处理功能，是数据科学家常用的工具之一。
知识点: python 人工智能

2. 数据清洗的主要库

答案：D（pandas）

解析：
pandas 提供 dropna()（处理缺失值）、drop_duplicates()（去重）、fillna()（填充缺失值）、astype()（类型转换）等功能，是数据清洗的核心工具。

scikit-learn 侧重建模；

numpy 用于数值计算；

matplotlib 用于绘图。

3.(单选题，1.0 分) 在 Python 中，用于执行线性回归的库是？
A. numpy
B. tensorflow
C. pandas
D. scikit-learn
我的答案：D 正确答案：D 1.0 分
答案解析: Scikit-learn 提供了线性回归模型，可以用于执行线性回归分析。
知识点: python 人工智能

3. 执行线性回归的库

答案：D（scikit-learn）

解析：
scikit-learn（sklearn）中的 LinearRegression 类实现线性回归模型，支持最小二乘法拟合、正则化（L1/L2）等。

tensorflow 是深度学习框架，适合复杂模型；

pandas 处理数据但不直接建模；

numpy 可手动实现线性回归公式，但无封装好的模型。

4.(单选题，1.0 分) 在 Python 中，用于处理数据的库是？
A. scipy
B. sklearn
C. pandas
D. numpy
我的答案：C 正确答案：C 1.0 分
答案解析: Pandas 是一个强大的数据处理和分析库，提供了灵活的数据结构和数据分析工具。
知识点: python 人工智能

4. 处理数据的库

答案：C（pandas）

解析：
pandas 通过 DataFrame 和 Series 提供灵活的数据操作（筛选、分组、聚合等），是数据处理的首选。

scipy 侧重科学计算；

sklearn 是机器学习工具；

numpy 处理多维数组，但缺乏 pandas 的高级数据结构。

5.(单选题，1.0 分) 在机器学习中，什么是过拟合？
A. 模型在训练数据上表现好，在新数据上表现差
B. 模型在训练数据上表现良好，在新数据上也表现良好
C. 模型在训练数据上表现差，在新数据上也表现差
D. 模型在训练数据上表现差，在新数据上表现好
我的答案：A 正确答案：A 1.0 分
答案解析：过拟合是指模型在训练数据上表现很好，但在新的、未见过的数据上的表现较差的现象。
知识点: python 机器学习

5. 过拟合的定义

答案：A（训练好、新数据差）

解析：
过拟合指模型在训练数据上过度学习细节（包括噪声），导致泛化能力差。表现为训练误差极低，但测试 / 新数据误差高。

选项 B 是理想状态（泛化能力强）；

选项 C 可能是欠拟合；

选项 D 不符合常理。

6.(单选题，1.0 分) 在机器学习中，下列哪种方法可以用来进行特征选择？
A. 逻辑回归
B. 递归特征消除 (RFE)
C. K-Means 聚类
D. 线性回归
我的答案：B 正确答案：B 1.0 分
答案解析：递归特征消除 (RFE) 是一种常用的特征选择方法，可以自动选择最优特征。
知识点: python 机器学习

6. 特征选择的方法

答案：B（递归特征消除 RFE）

解析：
RFE 是 sklearn 中的特征选择算法，通过迭代训练模型并删除最不重要的特征，直到保留指定数量的特征。

逻辑回归和线性回归是预测模型，非专门的特征选择方法；

K-Means 是聚类算法，用于无监督学习。

7.(单选题，1.0 分) 在 Python 中，用于实现决策树算法的库是？
A. pandas
B. tensorflow
C. scikit-learn
D. numpy
我的答案：C 正确答案：C 1.0 分
答案解析: scikit-learn 提供了决策树算法的实现。
知识点: python 机器学习

7. 决策树算法的库

答案：C（scikit-learn）

解析：
sklearn 中的 DecisionTreeClassifier（分类树）和 DecisionTreeRegressor（回归树）实现决策树算法，支持信息增益、基尼不纯度等划分标准。

pandas 和 numpy 辅助数据处理；

tensorflow 可实现决策树但非首选。

8.(单选题，1.0 分) 在机器学习中，以下哪种方法常用于特征选择？
A. 主成分分析 (PCA)
B. 线性回归
C. k-means 聚类
D. 决策树
我的答案：A 正确答案：A 1.0 分
答案解析：主成分分析 (PCA) 是一种常用的降维技术，也可以用于特征选择，通过保留最重要的特征来减少数据维度。
知识点: python 机器学习

8. 特征选择的常用方法

答案：A（主成分分析 PCA）

解析：
PCA 通过正交变换将原始特征投影到低维空间，保留方差最大的方向（主成分），常用于降维和特征提取。

线性回归、决策树是预测模型；

K-Means 是聚类算法。

9.(单选题，1.0 分) 在机器学习中，哪种方法可以用来处理数据不平衡的问题？
A. 使用交叉验证
B. 使用线性回归
C. 过采样或欠采样
D. 增加数据量
我的答案：C 正确答案：C 1.0 分
答案解析：过采样或欠采样是处理数据不平衡的有效方法之一。
知识点: python 机器学习

9. 处理数据不平衡的方法

答案：C（过采样 / 欠采样）

解析：
数据不平衡指类别样本量差异大（如 99% 正例 vs 1% 反例）。

过采样（如 SMOTE）通过生成少数类样本增加其数量；

欠采样通过减少多数类样本平衡比例。

交叉验证（A）用于评估模型稳定性；

线性回归（B）是预测算法；

增加数据量（D）可能无法解决类别比例问题。

10.(单选题，1.0 分) 在机器学习中，下列哪个方法可以用来进行降维？
A. 线性回归
B. 逻辑回归
C. 主成分分析 (PCA)
D. 决策树
我的答案：C 正确答案：C 1.0 分
答案解析：主成分分析 (PCA) 是一种常用的降维方法。
知识点: python 机器学习

10. 降维方法

答案：C（主成分分析 PCA）

解析：
PCA 通过特征变换实现降维，将高维数据映射到低维空间同时保留主要信息。

线性回归、逻辑回归、决策树均为建模算法，非降维工具。

11.(单选题，1.0 分) 在机器学习中，下列哪种方法可以用来处理分类问题？
A. 线性回归
B. 逻辑回归
C. 主成分分析
D. 聚类分析
我的答案：B 正确答案：B 1.0 分
答案解析：逻辑回归是一种常用的分类算法，适用于二分类问题。

11. 处理分类问题的方法

答案：B（逻辑回归）

解析：

逻辑回归（Logistic Regression）是分类算法，通过 Sigmoid 函数将输出映射到 0-1 概率，解决二分类 / 多分类问题（如判断邮件是否为垃圾邮件）。

线性回归（A）是回归算法（预测连续值，如房价）；主成分分析（C）是降维方法；聚类分析（D）是无监督学习（分组相似数据），均非分类。

12.(单选题，1.0 分) 在 Python 中，用于构建机器学习模型的库是？
A. pandas
B. tensorflow
C. scikit-learn
D. numpy
我的答案：C 正确答案：C 1.0 分
答案解析: Scikit-learn 是一个简单高效的机器学习库，提供了多种常用的机器学习算法和工具。

12. 构建机器学习模型的库

答案：C（scikit-learn）

解析：

scikit-learn（sklearn）提供完整的机器学习流程支持：从数据预处理（如 MinMaxScaler）、模型训练（如 RandomForest）到评估（如 cross_val_score），是传统机器学习的核心库。

pandas 处理数据，numpy 做数值计算，tensorflow 侧重深度学习（需手动构建模型结构），均非 “构建传统 ML 模型” 的首选。

13.(单选题，1.0 分) 在 Python 中，哪个库主要用于数据可视化？
A. matplotlib
B. pandas
C. numpy
D. seaborn
正确答案：D
答案解析: Seaborn 是一个基于 matplotlib 的高级数据可视化库，提供了更丰富的绘图功能和美观的样式。

13. 数据可视化的主要库

答案：D（seaborn）

解析：

seaborn 是基于 matplotlib 的高级可视化库，语法更简洁（如 sns.scatterplot），默认样式美观，适合快速绘制统计图表（如箱线图、热力图）。

matplotlib 是基础绘图库，功能灵活但需较多代码调优；pandas/numpy 不直接做可视化。

14.(单选题，1.0 分) 在进行数据预处理时，用于将分类变量转换为数值变量的方法是？
A. 归一化
B. 标准化
C. 独热编码
D. 正则化
我的答案：C 正确答案：C 1.0 分
答案解析：独热编码是一种常见的将分类变量转换为数值变量的方法。

14. 分类变量转数值变量的方法

答案：C（独热编码）

解析：

独热编码（One-Hot Encoding）将分类变量（如 “红、黄、蓝”）转换为二进制向量（如红→[1,0,0]），让模型可处理非数值数据。

归一化（A）、标准化（B）是数值特征的缩放方法；正则化（D）用于模型参数约束，均不处理分类变量。

15.(单选题，1.0 分) 在 NumPy 中，创建一个全为零的数组应使用哪个函数？
A. np.empty ()
B. np.full ()
C. np.ones ()
D. np.zeros ()
我的答案：D 正确答案：D 1.0 分
答案解析: np.zeros () 函数用于创建一个全为零的数组。

15. NumPy 创建全零数组的函数

答案：D（np.zeros()）

解析：

np.zeros(shape) 生成指定形状（如 (3,4)）的全零数组；np.empty() 生成未初始化数组（值随机）；np.full() 生成指定值的数组（如全 5）；np.ones() 生成全 1 数组。

16.(单选题，1.0 分) 在 Python 中，哪个库提供了用于数据清洗和预处理的功能？
A. numpy
B. pandas
C. matplotlib
D. scikit-learn
我的答案：B 正确答案：B 1.0 分
答案解析: pandas 是一个强大的数据处理和分析库，提供了丰富的功能来进行数据清洗和预处理。

16. 数据清洗和预处理的库

答案：B（pandas）

解析：

pandas 提供 dropna()（删缺失值）、replace()（替换异常值）、get_dummies()（独热编码）等数据预处理功能，是数据清洗的核心工具。

numpy 处理数组运算，matplotlib 绘图，sklearn 侧重建模，均不专注 “清洗”。

17.(单选题，1.0 分) 在 Python 中，哪个库主要用于机器学习？
A. pandas
B. numpy
C. matplotlib
D. scikit-learn
我的答案：D 正确答案：D 1.0 分
答案解析: scikit-learn 是用于机器学习的库，提供了大量的算法和工具。

17. 主要用于机器学习的库

答案：D（scikit-learn）

解析：

scikit-learn 覆盖机器学习全流程（分类、回归、聚类、降维等），提供开箱即用的算法。

pandas/numpy 是数据基础库，matplotlib 是可视化库，均为机器学习的 “辅助工具”。

18.(单选题，1.0 分) 本学期机器学习部分讲解的案例是 ()。
A. 根据数据分类性别案例
B. 根据三国演义可视化人名，地名，饮食案例
C. 根据数据分析情感之强度案例
D. 根据高考成绩推荐大学和专业案例
我的答案：A 正确答案：A 1.0 分

18. 机器学习讲解案例

答案：A（根据数据分类性别案例）

解析：
题目结合课程内容，需根据学习场景判断。分类性别是典型的监督学习（分类）案例，适合教学入门。

19.(单选题，1.0 分) 在 Python 中，哪个函数可以用来执行 K-means 聚类？
A. DecisionTreeClassifier ()
B. PCA ()
C. LinearRegression ()
D. KMeans ()
我的答案：D 正确答案：D 1.0 分
答案解析: KMeans () 是 scikit-learn 库中的一个函数，用于执行 K-means 聚类。

19. 执行 K-means 聚类的函数

答案：D（KMeans()）

解析：

sklearn.cluster.KMeans 是 K-means 聚类的实现类，通过 fit() 训练模型、predict() 预测类别。

DecisionTreeClassifier 是决策树分类，PCA 是降维，LinearRegression 是线性回归，均与聚类无关。

20.(单选题，1.0 分) 在机器学习中，交叉验证的主要目的是什么？
A. 简化数据预处理步骤
B. 减少模型训练时间
C. 增加模型复杂度
D. 提高模型泛化能力
我的答案：D 正确答案：D 1.0 分
答案解析：交叉验证的主要目的是评估模型的泛化能力，通过将数据集划分为多个子集进行多次训练和测试，以获得更可靠的性能估计。

20. 交叉验证的主要目的

答案：D（提高模型泛化能力）

解析：
交叉验证（如 K 折交叉）将数据集拆分为训练集和测试集多次验证，避免模型过度拟合训练集，评估模型在新数据上的表现（泛化能力）。

简化步骤（A）、减少训练时间（B）是副作用，非目的；增加复杂度（C）与交叉验证无关。

21.(单选题，1.0 分) 在 Python 中，哪个库可以用来进行特征选择？
A. numpy
B. matplotlib
C. scikit-learn
D. pandas
我的答案：C 正确答案：C 1.0 分
答案解析: scikit-learn 库提供了多种特征选择的方法。
知识点: python 机器学习

21. 特征选择的库

答案：C（scikit-learn）

解析：
scikit-learn 提供多种特征选择方法，如 SelectKBest（基于统计检验）、RFE（递归特征消除）、SelectFromModel（基于模型重要性）。

numpy 是数值计算基础，matplotlib 是可视化库，pandas 用于数据处理但不直接提供特征选择算法。

22.(单选题，1.0 分) 在 Python 中，哪个库可以用来进行数据预处理？
A. scikit-learn
B. numpy
C. pandas
D. matplotlib
我的答案：C 正确答案：C 1.0 分
答案解析: pandas 库提供了丰富的数据结构和数据操作功能，适用于数据预处理。
知识点: python 机器学习

22. 数据预处理的库

答案：C（pandas）

解析：
pandas 通过 DataFrame 提供灵活的数据清洗功能：

处理缺失值（dropna/fillna）

数据转换（astype/apply）

编码分类变量（get_dummies）

数据标准化（map/replace）
scikit-learn 侧重特征工程（如 StandardScaler），但 pandas 更适合原始数据清洗。

23.(单选题，1.0 分) 在机器学习中，下列哪种方法用于处理分类问题？
A. 线性回归
B. 逻辑回归
C. 主成分分析
D. 聚类分析
我的答案：B 正确答案：B 1.0 分
答案解析：逻辑回归是一种常用的分类算法，适用于二分类问题。
知识点: python 机器学习

23. 处理分类问题的方法

答案：B（逻辑回归）

解析：
逻辑回归通过 Sigmoid 函数输出概率值（0-1），用于二分类（如垃圾邮件检测）或多分类（Softmax 扩展）。

线性回归（A）预测连续值；主成分分析（C）是降维方法；聚类分析（D）是无监督学习（无标签数据分组）。

24.(单选题，1.0 分) 在 Python 中，哪个库主要用于统计分析？
A. matplotlib
B. scipy
C. numpy
D. pandas
我的答案：B 正确答案：B 1.0 分
答案解析: scipy 是一个用于科学计算的库，提供了大量的统计分析功能。
知识点: python 人工智能

24. 统计分析的主要库

答案：B（scipy）

解析：
scipy 是科学计算库，其 scipy.stats 模块提供：

概率分布（如正态分布、t 分布）

统计检验（t-test、ANOVA）

相关性分析（Pearson、Spearman）
pandas 可做基础统计（如 df.describe()），但 scipy 提供更专业的统计工具。

25.(单选题，1.0 分) 在 Pandas 中，用于读取 CSV 文件的函数是？
A. read_csv ()
B. read_json ()
C. read_sql ()
D. read_excel ()
我的答案：A 正确答案：A 1.0 分
答案解析: read_csv () 函数用于从 CSV 文件中读取数据并转换成 DataFrame 对象。
知识点: python 数据分析

25. 读取 CSV 文件的函数

答案：A（read_csv()）

解析：
pandas.read_csv('data.csv') 直接将 CSV 文件解析为 DataFrame，支持参数配置（如分隔符、编码、缺失值处理）。

read_json() 读 JSON，read_sql() 读 SQL 数据库，read_excel() 读 Excel。

26.(单选题，1.0 分) 在 Python 中，用于科学计算的库是？
A. matplotlib
B. numpy
C. pandas
D. scikit-learn
我的答案：B 正确答案：B 1.0 分
答案解析: NumPy 是一个用于科学计算的基础库，提供了大量的数学函数和数组操作。
知识点: python 人工智能

26. 科学计算的库

答案：B（numpy）

解析：
numpy 是 Python 科学计算的基础：

多维数组（ndarray）

高效数学运算（线性代数、傅里叶变换）

随机数生成（np.random）
pandas 依赖 numpy，但侧重表格数据处理；scikit-learn 是机器学习库；matplotlib 是可视化库。

27.(单选题，1.0 分) 在 Python 中，哪个库主要用于图像处理？
A. opencv
B. pandas
C. matplotlib
D. numpy
我的答案：A 正确答案：A 1.0 分
答案解析: OpenCV 是一个用于计算机视觉和图像处理的强大库。
知识点: python 人工智能

27. 图像处理的库

答案：A（opencv）

解析：
OpenCV（Open Source Computer Vision Library）是专业图像处理库，支持：

图像读取 / 写入（cv2.imread）

滤波与增强（高斯模糊、直方图均衡化）

特征提取（SIFT、HOG）

计算机视觉（目标检测、人脸识别）
matplotlib 可简单绘图，但 opencv 提供更底层的图像处理功能。

28.(单选题，1.0 分) 在 Python 中，用于数据清洗和预处理的库是？
A. numpy
B. scikit-learn
C. matplotlib
D. pandas
我的答案：D 正确答案：D 1.0 分
答案解析: Pandas 提供了丰富的数据清洗和预处理功能，可以方便地进行数据筛选、转换和聚合等操作。
知识点: python 人工智能

28. 数据清洗和预处理的库

答案：D（pandas）

解析：
同第 22 题，pandas 的核心优势是灵活的数据操作（如 df.drop_duplicates()、df.interpolate()），适合清洗脏数据。

29.(单选题，1.0 分) 在机器学习中，下列哪项不是监督学习的方法？
A. 决策树
B. 逻辑回归
C. 线性回归
D. K-means 聚类
我的答案：D 正确答案：D 1.0 分
答案解析: K-means 聚类是一种无监督学习的方法，不属于监督学习。
知识点: python 机器学习

29. 非监督学习的方法

答案：D（K-means 聚类）

解析：
监督学习需要标签数据（如决策树、逻辑回归、线性回归），而 K-means 是无监督学习（仅根据数据特征分组，无需标签）。

30.(单选题，1.0 分) 在 Python 中，用于深度学习的框架是？
A. tensorflow
B. pandas
C. scikit-learn
D. numpy
我的答案：A 正确答案：A 1.0 分
答案解析: TensorFlow 是一个流行的深度学习框架，提供了丰富的神经网络模型和训练工具。
知识点: python 人工智能

30. 深度学习的框架

答案：A（tensorflow）

解析：
TensorFlow 是 Google 开发的深度学习框架，支持：

自动求导（GradientTape）

预训练模型（如 BERT、ResNet）

分布式训练
scikit-learn 是传统机器学习库，pandas/numpy 是数据基础工具，均不专注深度学习。

31.(单选题，1.0 分) 在 Python 中，用于数据预处理的库是？
A. pytorch
B. keras
C. tensorflow
D. pandas
我的答案：D 正确答案：D 1.0 分
答案解析: pandas 是一个强大的数据处理和分析库，常用于数据清洗和预处理。
知识点: python 机器学习

31. 数据预处理的库

答案：D（pandas）

解析：
pandas 提供 dropna()（删除缺失值）、fillna()（填充缺失值）、get_dummies()（独热编码）等数据清洗工具，是预处理的首选库。

pytorch/tensorflow/keras 是深度学习框架，不直接处理原始数据清洗。

32.(单选题，1.0 分) 在机器学习中，哪种方法通常用于处理分类问题？
A. 主成分分析
B. 逻辑回归
C. 线性回归
D. 聚类分析
我的答案：B 正确答案：B 1.0 分
答案解析：逻辑回归是一种常用的分类算法，尽管名字中有 “回归”，但它主要用于解决分类问题。
知识点: python 机器学习

32. 处理分类问题的方法

答案：B（逻辑回归）

解析：
逻辑回归通过 Sigmoid 函数将输出映射到概率值（0-1），用于二分类或多分类。

线性回归（A）预测连续值；主成分分析（C）是降维方法；聚类分析（D）是无监督学习（无标签数据分组）。

33.(单选题，1.0 分) 在 Python 中，哪个库主要用于数值计算？
A. pandas
B. scipy
C. matplotlib
D. numpy
我的答案：D 正确答案：D 1.0 分
答案解析: numpy 是一个用于科学计算的基础库，提供了大量的数学函数和数组操作功能。
知识点: python 人工智能

33. 数值计算的主要库

答案：D（numpy）

解析：
numpy 提供高效的多维数组（ndarray）和数学函数（如 np.dot()、np.mean()），是科学计算的基础。

pandas 依赖 numpy，但侧重表格数据处理；scipy 是更专业的科学计算库；matplotlib 是可视化库。

34.(单选题，1.0 分) 在机器学习中，交叉验证的主要目的是什么？
A. 简化模型复杂度
B. 减少过拟合的风险
C. 提高模型的训练速度
D. 增加数据集的大小
我的答案：B 正确答案：B 1.0 分
答案解析：交叉验证的主要目的是评估模型的泛化能力，减少过拟合的风险。
知识点: python 机器学习

34. 交叉验证的主要目的

答案：B（减少过拟合风险）

解析：
交叉验证（如 K 折）将数据集分割为多个子集，轮流作为训练集和测试集，评估模型泛化能力，避免模型只拟合训练数据（过拟合）。

35.(单选题，1.0 分) 在 Python 中，用于机器学习的库是？
A. tensorflow
B. matplotlib
C. pandas
D. numpy
我的答案：A 正确答案：A 1.0 分
答案解析: TensorFlow 是一个开源的机器学习库，由 Google 开发，广泛应用于深度学习和机器学习。
知识点: python 人工智能

35. 用于机器学习的库

答案：A（tensorflow）

解析：
tensorflow 是深度学习框架，支持构建神经网络（如 CNN、RNN）、自动求导和模型部署。

matplotlib 是可视化库，pandas/numpy 是数据处理工具，均非专门的机器学习库。

36.(单选题，1.0 分) () 是美国人工智能研究公司 OpenAI 发布的人工智能生视频大模型于 2024 年 2 月 15 日正式对外发布。
A. Sora
B. Siri
C. 文心一言
D. ChatGPT
我的答案：A 正确答案：A 1.0 分

36. OpenAI 视频大模型

答案：A（Sora）

解析：
Sora 是 OpenAI 于 2024 年 2 月发布的文本生成视频模型，可根据文本描述生成高质量视频。

Siri 是苹果语音助手，文心一言是百度模型，ChatGPT 是文本生成模型。

37.(单选题，1.0 分) 在 Python 中，哪个库可以用来进行数据可视化？
A. scikit-learn
B. pandas
C. numpy
D. matplotlib
我的答案：D 正确答案：D 1.0 分
答案解析: matplotlib 库提供了丰富的绘图功能，适用于数据可视化。

37. 数据可视化的库

答案：D（matplotlib）

解析：
matplotlib 是 Python 基础可视化库，支持绘制折线图、散点图、柱状图等。

pandas 可简单绘图（如 df.plot()），但功能有限；scikit-learn 是机器学习库，不直接可视化。

38.(单选题，1.0 分) 在 Python 中，用于生成随机数的模块是？
A. numpy
B. matplotlib
C. pandas
D. random
我的答案：D 正确答案：D 1.0 分
答案解析: random 是 Python 的标准库之一，提供了生成随机数的功能。

38. 生成随机数的模块

答案：D（random）

解析：
random 是 Python 内置模块，提供随机数生成（如 random.random()、

random.randint()）。

numpy 也有随机数功能（如 np.random.rand()），但 random 是更基础的标准库。

39.(单选题，1.0 分) 在 Python 中，哪个函数可以用来计算列表的平均值？
A. average ()
B. sum ()
C. mean ()
D. statistics.mean ()
我的答案：D 正确答案：D 1.0 分
答案解析: Python 的 statistics 模块提供了 mean () 函数来计算平均值。
知识点: python 人工智能

39. 计算列表平均值的函数

答案：D（statistics.mean()）

解析：
statistics.mean() 计算数值列表的平均值（如 statistics.mean([1, 2, 3])）。

sum() 求和，无直接求均值功能；numpy.mean() 可计算数组均值，但需导入 numpy；average() 非 Python 内置函数。

40.(单选题，1.0 分) 在进行数据清洗时，用于删除 DataFrame 中所有含有缺失值的行的方法是？
A. drop_duplicates ()
B. dropna ()
C. replace ()
D. fillna ()
我的答案：B 正确答案：B 1.0 分
答案解析: dropna () 方法可以用来删除含有缺失值的行或列。
知识点: python 数据分析

40. 删除缺失值的方法

答案：B（dropna()）

解析：
pandas 的 dropna() 删除包含 NaN 的行（默认 axis=0）或列（axis=1）。

drop_duplicates() 去重，replace() 替换值，fillna() 填充缺失值。

41.(单选题，1.0 分) 在 Python 中，用于保存数据到 CSV 文件的函数是？
A. to_csv ()
B. export_csv ()
C. write_csv ()
D. save_csv ()
我的答案：A 正确答案：A 1.0 分
答案解析: to_csv () 是 pandas 库中的一个函数，用于将 DataFrame 数据保存到 CSV 文件。

41. 保存数据到 CSV 的函数

答案：A（to_csv()）

解析：pandas 的 DataFrame.to_csv('file.csv') 是标准方法，直接将数据框存储为 CSV 文件。其他选项（export_csv() 等）非 pandas 或 Python 标准语法。

42.(单选题，1.0 分) 在机器学习中，下列哪种方法可以用来减少特征维度？
A. K-Means 聚类
B. 逻辑回归
C. 主成分分析 (PCA)
D. 线性回归
我的答案：C 正确答案：C 1.0 分
答案解析：主成分分析 (PCA) 是一种常用的数据降维技术，可以减少特征维度。

42. 减少特征维度的方法

答案：C（主成分分析 PCA）

解析：PCA 通过线性变换将高维特征映射到低维空间（保留主要方差），实现降维。

K-Means（A）是聚类算法；逻辑回归（B）、线性回归（D）是建模方法，均不直接降维。

43.(单选题，1.0 分) 在机器学习中，什么是特征缩放？
A. 将特征值转换为整数形式
B. 将特征值转换为二进制形式
C. 将特征值转换为 0 到 1 之间的小数
D. 将特征值转换为负数形式
我的答案：C 正确答案：C 1.0 分
答案解析：特征缩放是指将特征值转换为特定范围内的数值，通常是 0 到 1 之间的小数，以避免某些特征因为数值过大而主导模型的学习过程。

43. 特征缩放的定义

答案：C（转换为 0-1 小数）

解析：特征缩放（如归一化 MinMaxScaler）将特征值映射到固定区间（通常 0-1），避免数值差异大的特征主导模型（如收入（万元）和年龄（岁）需统一量纲）。

44.(单选题，1.0 分) 在 Python 中，哪个库主要用于机器学习算法的实现？
A. matplotlib
B. pandas
C. numpy
D. scikit-learn
我的答案：D 正确答案：D 1.0 分
答案解析: scikit-learn 是一个广泛使用的 Python 库，用于实现各种机器学习算法。

44. 机器学习算法实现的库

答案：D（scikit-learn）

解析：scikit-learn（sklearn）提供完整的机器学习算法（分类、回归、聚类等），是传统 ML 开发的核心库。

matplotlib（可视化）、pandas（数据处理）、numpy（数值计算）均为辅助工具。

45.(单选题，1.0 分) TF-IDF 是一种常用的文本特征表示方法，其中 TF 指的是什么？
A. Text Feature
B. Term Feature
C. Term Frequency
D. Text Frequency
我的答案：C 正确答案：C 1.0 分
答案解析: TF-IDF 中的 TF 代表 Term Frequency，即词频。

45. TF-IDF 中 TF 的含义

答案：C（Term Frequency，词频）

解析：TF-IDF 是文本特征提取方法，TF 统计词在文档中出现的频率，IDF 衡量词的全局重要性（抑制常见词）。

46.(单选题，1.0 分) 在机器学习中，下列哪个指标用于评估分类模型的性能？
A. 平均绝对误差
B. R-squared
C. 均方误差
D. F1 分数
我的答案：D 正确答案：D 1.0 分
答案解析: F1 分数是衡量分类模型性能的重要指标之一。

46. 分类模型的评估指标

答案：D（F1 分数）

解析：F1 分数综合精确率（Precision）和召回率（Recall），适合不平衡分类场景。

平均绝对误差（A）、均方误差（C）、R-squared（B）是回归模型的评估指标。

47.(单选题，1.0 分) 在 Python 的数据分析中，哪个库主要用于数据操作和分析？
A. numpy
B. matplotlib
C. scikit-learn
D. pandas
我的答案：D 正确答案：D 1.0 分
答案解析: pandas 是 Python 中最常用的数据操作和分析库之一，提供了丰富的数据结构和数据分析工具。

47. 数据操作和分析的库

答案：D（pandas）

解析：pandas 以 DataFrame 为核心，支持数据筛选（df.query）、分组（df.groupby）、聚合（df.agg）等操作，是数据分析的基石。

48.(单选题，1.0 分) 在 NumPy 中，用于计算数组元素的平均值的函数是？
A. min ()
B. max ()
C. mean ()
D. sum ()
我的答案：C 正确答案：C 1.0 分
答案解析: mean () 函数用于计算数组元素的平均值。

48. NumPy 计算平均值的函数

答案：C（mean()）

解析：numpy 数组的 arr.mean() 或 np.mean(arr) 直接计算平均值，是数值计算的基础方法。

49.(单选题，1.0 分) 在 Pandas 中，用于筛选 DataFrame 中满足特定条件的行的方法是？
A. where ()
B. filter ()
C. query ()
D. apply ()
我的答案：C 正确答案：C 1.0 分
答案解析: query () 方法用于筛选 DataFrame 中满足特定条件的行。

49. Pandas 筛选行的方法

答案：C（query()）

解析：df.query('column > value') 用字符串语法筛选行，简洁高效。

where() 保留所有行（标记不满足条件的为 NaN）；filter() 按标签 / 正则筛选；apply() 逐行 / 列应用函数，均非最直接的条件筛选方式。

50.(单选题，1.0 分) 在 Python 中，用于构建神经网络模型的库是？
A. scikit-learn
B. numpy
C. tensorflow
D. pandas
我的答案：C 正确答案：C 1.0 分
答案解析: tensorflow 是一个流行的深度学习框架，可用于构建和训练神经网络模型。
知识点: python 机器学习

50. 构建神经网络的库

答案：C（tensorflow）

解析：tensorflow（含 Keras 高层 API）是深度学习框架，支持构建复杂神经网络（CNN、LSTM 等）。

scikit-learn 侧重传统 ML，不支持深度神经网络构建。

51.(单选题，1.0 分) 在 Python 中，哪个库主要用于数据处理和分析？
A. pandas
B. matplotlib
C. numpy
D. scikit-learn
我的答案：A 正确答案：A 1.0 分
答案解析: Pandas 是一个强大的数据处理和分析库，提供了丰富的数据结构和数据分析工具。

51. 数据处理和分析的库

答案：A（pandas）

解析：pandas 以 DataFrame 为核心，支持数据清洗（dropna）、筛选（df.query）、分组聚合（groupby），是数据分析的基础工具。

52.(单选题，1.0 分) 在 Python 中，哪个函数用于计算两个向量之间的余弦相似度？
A. pairwise_distances ()
B. manhattan_distances ()
C. euclidean_distances ()
D. cosine_similarity ()
我的答案：D 正确答案：D 1.0 分
答案解析: cosine_similarity () 函数用于计算两个向量之间的余弦相似度。

52. 计算余弦相似度的函数

答案：D（cosine_similarity()）

解析：scikit-learn 的 cosine_similarity 计算向量间余弦相似度（衡量方向一致性），常用于文本相似性、推荐系统。

53.(单选题，1.0 分) 在 Python 的数据可视化库中，哪个库主要用于生成静态、动态和交互式的图表？
A. plotly
B. seaborn
C. bokeh
D. matplotlib
正确答案：D
答案解析: matplotlib 是 Python 中最常用的绘图库，可以生成各种类型的图表。

53. 生成静态 / 动态 / 交互式图表的库

答案：D（matplotlib）

解析：题目答案有误，实际 plotly 更擅长交互式图表。但按题目设定，matplotlib 是基础绘图库，可生成静态图表；若需动态 / 交互，plotly/bokeh 更合适。

54.(单选题，1.0 分) 在 Python 中，哪个库主要用于机器学习？
A. numpy
B. tensorflow
C. pandas
D. matplotlib
我的答案：B 正确答案：B 1.0 分
答案解析: TensorFlow 是一个流行的机器学习库，用于构建和训练神经网络模型。

54. 主要用于机器学习的库

答案：B（tensorflow）

解析：tensorflow 是深度学习框架，支持构建神经网络（CNN、LSTM 等）；scikit-learn 侧重传统 ML，本题强调 “主要用于机器学习”（含深度学习），故选 tensorflow。

55.(单选题，1.0 分) 在 Python 中，用于数据挖掘的库是？
A. matplotlib
B. pandas
C. numpy
D. scikit-learn
我的答案：D 正确答案：D 1.0 分
答案解析: Scikit-learn 提供了多种数据挖掘算法和工具，可以用于分类、回归、聚类等任务。

55. 数据挖掘的库

答案：D（scikit-learn）

解析：scikit-learn 提供分类（决策树）、回归（线性回归）、聚类（K-Means）等数据挖掘算法，是传统数据挖掘的核心工具。

56.(单选题，1.0 分) 在 Python 中，哪个库提供了用于绘制散点图的功能？
A. pandas
B. seaborn
C. numpy
D. matplotlib
我的答案：D 正确答案：D 1.0 分
答案解析: matplotlib 是一个强大的绘图库，提供了多种绘图功能，包括绘制散点图。

56. 绘制散点图的库

答案：D（matplotlib）

解析：matplotlib 的 plt.scatter(x, y) 是绘制散点图的基础方法；seaborn 可基于 matplotlib 简化绘图（如 sns.scatterplot）。

57.(单选题，1.0 分) 在 Python 中，哪个函数可以用来计算两个向量之间的余弦相似度？
A. cosine_similarity ()
B. manhattan_distances ()
C. euclidean_distances ()
D. pairwise_distances ()
我的答案：A 正确答案：A 1.0 分
答案解析: cosine_similarity () 函数是 scikit-learn 库中用于计算余弦相似度的方法。

57. 计算余弦相似度的函数（重复考点）

答案：A（cosine_similarity()）

解析：同第 52 题，scikit-learn 的 cosine_similarity 是标准方法。

58.(单选题，1.0 分) 在 Python 中，用于读取 CSV 文件的函数是？
A. import_csv ()
B. load_csv ()
C. open_csv ()
D. read_csv ()
我的答案：D 正确答案：D 1.0 分
答案解析: read_csv () 是 pandas 库中的一个函数，用于读取 CSV 文件。

58. 读取 CSV 文件的函数

答案：D（read_csv()）

解析：pandas.read_csv('file.csv') 是 Python 读取 CSV 的标准方式，支持参数配置（分隔符、编码等）。

59.(单选题，1.0 分) 在 Python 中，哪个库主要用于深度学习？
A. scikit-learn
B. pandas
C. tensorflow
D. numpy
我的答案：C 正确答案：C 1.0 分
答案解析: TensorFlow 是一个流行的深度学习框架，用于构建和训练深度神经网络。

59. 主要用于深度学习的库

答案：C（tensorflow）

解析：tensorflow（含 Keras）是深度学习框架，支持自动求导、分布式训练；pytorch 也是常用框架，但本题选 tensorflow。

60.(单选题，1.0 分) 在机器学习中，什么是决策树？
A. 一种用于分类和回归的非参数监督学习方法
B. 一种用于无监督学习的方法
C. 一种用于降维的技术
D. 一种用于特征选择的技术
我的答案：A 正确答案：A 1.0 分
答案解析：决策树是一种用于分类和回归的非参数监督学习方法，它通过一系列规则来划分数据集，从而预测目标变量的值。

60. 决策树的定义

答案：A（分类和回归的非参数监督方法）

解析：决策树是监督学习算法（需标签数据），通过递归划分特征空间实现分类 / 回归，属于非参数模型（不假设数据分布）。

61.(单选题，1.0 分) 在机器学习中，下列哪个方法可以用来防止过拟合？
A. 减少特征数量
B. 使用更复杂的算法
C. 增加模型复杂度
D. 增加训练数据量
我的答案：D 正确答案：D 1.0 分
答案解析：增加训练数据量有助于防止过拟合。

61. 防止过拟合的方法

答案：D（增加训练数据量）

解析：

过拟合本质是模型 “学太细”（记住噪声而非规律），增加训练数据能让模型接触更多场景，学到更普适规律，缓解过拟合。

减少特征（A）、简化模型（反向操作 B/C）也能防过拟合，但题目中 “增加数据” 是更直接有效的通用方法；本题需结合选项，D 最贴合。

62.(单选题，1.0 分) 在 Python 中，用于数值计算的库是？
A. numpy
B. scipy
C. matplotlib
D. pandas
我的答案：A 正确答案：A 1.0 分
答案解析: NumPy 是一个用于科学计算的基础库，提供了大量的数学函数和数组操作功能。

62. 数值计算的库

答案：A（numpy）

解析：

numpy 是 Python 数值计算基石，提供 ** 高效数组（ndarray）** 和数学函数（线性代数、傅里叶变换等），是科学计算核心。

scipy 基于 numpy 扩展（如优化、统计），但基础数值计算仍以 numpy 为主；matplotlib（绘图）、pandas（数据处理）不专注数值计算。

二、多选题（共 2 题，2.0 分）

63.(多选题，1.0 分) 下列哪些方法可用于处理缺失数据？
A. 使用中位数填充缺失值
B. 删除含有缺失值的行
C. 使用均值填充缺失值
D. 使用众数填充缺失值
我的答案：ABCD 正确答案：ABCD 1.0 分
答案解析：处理缺失数据的方法包括删除含有缺失值的行、使用均值、中位数或众数填充缺失值等。

63. 处理缺失数据的方法

答案：ABCD（均值、中位数、众数填充；删除缺失行）

解析：

缺失值处理分删除法（直接删含缺失的行 / 列，简单但可能丢信息）和填充法（用统计量（均值 / 中位数 / 众数）补全，保留数据规模）。

实际场景需结合数据量、缺失比例选方法（如缺失少用删除，缺失多则填充）。

64.(多选题，1.0 分) 在机器学习项目中，数据预处理通常包括哪些步骤？
A. 数据清洗
B. 数据可视化
C. 特征选择
D. 特征缩放
我的答案：ACD 正确答案：ACD 1.0 分
答案解析：数据预处理主要包括数据清洗、特征选择、特征缩放等步骤，以提高数据质量和模型性能。

64. 数据预处理步骤

答案：ACD（数据清洗、特征选择、特征缩放）

解析：

数据预处理核心是提升数据质量：

数据清洗（A）：处理缺失、异常值、重复值；

特征选择（C）：筛选关键特征（减少冗余、防过拟合）；

特征缩放（D）：统一特征量纲（如归一化、标准化，让模型更稳定）；

数据可视化（B）是分析手段，非预处理 “步骤”（预处理是为建模做数据准备，可视化更多是辅助理解数据）。

三、填空题（共 3 题，3.0 分）

65.(填空题，1.0 分) 本学期讲授的常见的机器学习算法包括 () 算法，KNN 算法和 kmeans 算法。
我的答案:
(1) 回归
正确答案:
(1) 回归

65. 常见机器学习算法

答案：回归

解析：
机器学习基础算法分监督学习（回归、分类）和无监督学习（聚类）。题目中 KNN（分类）、KMeans（聚类），补 “回归”（如线性回归预测连续值）符合常见教学案例。

66.(填空题，1.0 分) 载入鸢尾花数据库的语句是 from ( ).datasets import load_iris。
我的答案:
(1) sklearn
正确答案:
(1) sklearn
答案解析:

66. 载入鸢尾花数据集

答案：sklearn

解析：
scikit-learn（简称 sklearn）是机器学习库，内置经典数据集（如 load_iris 鸢尾花数据），语法为 from sklearn.datasets import load_iris。

67.(填空题，1.0 分) 在 Python 中，使用____库可以方便地进行数据预处理，包括数据清洗、特征工程等操作。
我的答案:
(1) pandas
正确答案:
(1) pandas
答案解析: pandas 是一个强大的数据处理和分析库，提供了丰富的数据结构和操作方法，适用于各种数据预处理任务。

67. 数据预处理的库

答案：pandas

解析：
pandas 以 DataFrame 为核心，提供灵活的数据清洗（dropna/fillna）、特征工程（get_dummies 编码）功能，是预处理首选工具。

四、判断题（共 3 题，3.0 分）

68.(判断题，1.0 分) 在机器学习中，梯度下降法是一种优化算法，用于最小化损失函数。
A. 对
B. 错
我的答案：对正确答案：对 1.0 分
答案解析：梯度下降法是一种常用的优化算法，通过迭代调整参数值来最小化损失函数，从而找到最优解。

68. 梯度下降法的作用

答案：对

解析：
梯度下降是优化算法，通过迭代调整模型参数（如线性回归的权重），最小化损失函数（如均方误差），是训练模型的核心逻辑。

69.(判断题，1.0 分) 在 Python 的数据分析中，使用 pandas 的 DataFrame 进行数据操作时，可以通过 iloc [] 方法根据位置索引进行数据选取。
A. 对
B. 错
我的答案：对正确答案：对 1.0 分
答案解析: iloc [] 方法是 pandas 提供的基于位置索引的数据选取方法，适用于 DataFrame 和 Series。

69. iloc [] 方法的功能

答案：对

解析：
pandas 中 iloc[] 是位置索引（按行 / 列的数字位置选取，如 df.iloc[0, 1] 取第 1 行第 2 列），区别于 loc[]（标签索引）。

70.(判断题，1.0 分) 在机器学习中，过拟合是指模型在训练集上表现很好但在测试集上表现较差的现象。
A. 对
B. 错
我的答案：对正确答案：对 1.0 分
答案解析：过拟合指的是模型过于复杂，以至于它不仅捕捉到了数据中的噪声，还过度适应了训练数据，导致泛化能力差。

70. 过拟合的定义

答案：对

解析：
过拟合指模型在训练集表现极佳（记住细节甚至噪声），但测试集表现差（无法泛化到新数据），是机器学习核心问题之一（需通过正则化、增加数据等解决）。

五、论述题（共 1 题，30.0 分）

71.(论述题，30.0 分)
根据机器学习算法案例的学习，请总结学习过程，并借助 AI 工具实现自己的一个机器学习案例。把使用 AI 工具的方法，生成的代码，运行结果，设计思路写成教程形式发布在自己的技术博客上，我根据内容酌情给分。

我的答案:
机器学习案例总结_机器学习课程设计经典案例-CSDN博客