第1章
1.简述什么是Python以及Python有哪些特点。
答：
Python是1989年荷兰人Guido van Rossum发明的一种面向对象的解释型编程语言。Python语言简洁、易读以及可扩展性好，语法非常清晰，而且Python的拓展库丰富，具有脚本语言中最丰富和强大的类库。Python语言及其众多的扩展库构成的开发环境十分适合工程技术、科研人员处理实验数据、制作图表，甚至开发科学计算应用程序。
2.Python在Linux系统的安装主要分为哪几步。
答：
（1）检查Python版本（2）下载源码包（3）解压编译源码（4）安装Python （5）调整系统默认Python指向
3.简述Anaconda的特点和作用。
答：
Anaconda是基于Python的数据处理和科学计算平台，它内置了许多非常有用的第三方库，其内部包含了conda、Python在内的超过180个科学包及其依赖项。Anaconda是在conda（一个包管理器和环境管理器）上发展出来的。安装Anaconda，就相当于把Python和一些如Numpy、Pandas、Scrip、Matplotlib等常用的库自动安装好了，比在常规Python环境下安装这些组件更容易。
总结起来，Anaconda具有四大特点：①开源；②集成安装；③高性能使用Python和R语言；④免费的社区支持。
4.简述Jupyter和PyCharm的区别。
答：
Jupyter Notebook是一个交互式笔记本，一种模块化的Python编辑器，支持运行40多种编程语言。它的本质是一个Web应用程序，便于创建和共享程序文档，数学方程，可视化和markdown等。在Jupyter中，可以把大段的Python代码碎片化处理，分开每一段来运行。在软件开发中，Jupyter可能显得并没有那么好用，这个模块化的功能反而会破坏掉程序的整体性。但是当在做数据处理、分
析、建模、观察结果等的时候，Jupyter模块化的功能不仅会提供更好地视觉体验，更能大大缩小运行代码及调试代码的时间，同时还会让整个处理和建模的过程变得异常清晰。
Pycharm是一种Python IDE，其有一整套可以帮助用户在使用Python语言开发时提高其效率的工具，如调试、语法高亮、Project管理、代码跳转、智能提示、自动补全、单元测试、脚本控制等。此外，该IDE还提供了用户支持Django框架下的专业Web开发。Pycharm作为专业的IDE，比Jupyter Notebook更适合完整项目的开发，而Jupyter Notebook则更适合数据分析与建模。
第2章
1.简述什么是NumPy，如何安装NumPy。
答：
NumPy（Numerical Python）是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵，比Python自身的嵌套列表（nested list structure)结构要高效的多（该结构也可以用来表示矩阵（matrix）），支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。
pycharm下载第三方库NumPy的安装需要在电脑上打开cmd，然后使用pip工具安装。
2.数组对象的属性有哪些？
3.Python中数组的自增自减运算有什么特点？
答：
Python中没有“--”或“++”运算符，因此，对变量进行自增自减需要使用“+=”或“-=”运算符来完成，运算的结果不是赋值给一个新数组，而是修改实际数据，即原来的数值发生了改变。
4.求下列矩阵的逆：
array1=np.array([[1,4,7],[2,5,8],[3,6,9]])
答：
import NumPy as np
array1=np.array([[1,4,7],[2,5,8],[3,6,9]])#创建一个二维数组
np.linalg.inv(array1)
5.编程题：使用NumPy数组对象，创建两个3*3的矩阵，并计算矩阵乘法。
答：
import NumPy.matlib
import NumPy as np
array1=np.array([[2,4],[6,8]])#创建一个二维数组
array2=np.array([[22,44],[66,88]])#创建一个二维数组
np.dot(array1,array2)#使用dot()函数求数组的乘积
6.计算1+1
3+1
5
+1
7
+⋯+1
99
的和。
答：
import NumPy as np
array1=np.arange(1,100,2)
sum=0
for i in array1:
sum+=(1/i)
print(sum)
第3章
1.简述什么是Pandas，如何安装Pandas？
答：
Pandas 是基于NumPy的一种工具，该工具是为解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。Pandas提供了大量能使我们快速便捷地处理数据的函数和方法，是使Python成为强大而高效的数据分析环境的重要因素之一。
Pandas的安装需要在电脑上打开cmd，然后使用pip工具安装
2.简述Pandas和NumPy的区别与联系。
答：
NumPy中的ndarray用于处理多维数值型数组，重点在于进行数值运算，无索引。Pandas中的Series类似于DataFrame的子集，DataFrame中的每一列都可以看作是一个Series，有索引，方便进行数据的查询，筛选，所以Pandas重点在于进行数据分析。在数学与统计方法上，NumPy中的ndarray只能进行数值型统计，而Pandas中的DataFrame既可以进行数值型，也可以进行非数值型统计。
3.Series对象和DataFrame对象有什么区别？
答：
Series是Pandas中最基本的对象，类似于一维数组的对象，由一组数据和一组与之相关的数据标签（索引）组成。DataFrame对象的数据结构跟excel表相似，其目的是将Series的使用场景由一维扩展到多维，它由按一定顺序排列的多列数据组成，各列的数据类型可以有所不同。
4.如何使用对象快速导入导出数据？
答：
导入数据使用函数read_csv(filrpath,sep,names,encoding)。
导出数据使用to_csv(filrpath,sep,names,encoding)。
5.尝试掷骰子100次，在excel表格里记录每一次的值，尝试将此数据使用Pandas 做统计分析。
答：
使用导入数据使用read_csv(filrpath,sep,names,encoding)函数将数据导入Pandas变量中，然后使用各种统计函数对数据进行分析。
6.创建学生成绩excel表，快速完成成绩统计和分析。
答：
使用导入数据使用函数read_csv(filrpath,sep,names,encoding)将数据导入Pandas变量中，然后使用各种统计函数对数据进行分析，如3.5案例所示，然后完成数据分析和修改补充后，导出数据使用to_csv(filrpath,sep,names,encoding)函数。
第4章
1.简述使用Matplotlib进行数据可视化的绘图步骤。
答：
（1）导入第三方包（2）准备数据（3）函数绘图（4）完善图表（5）展示结果
2.折线图、柱状图、直方图、散点图、等值线图分别用什么函数绘制，它们的常用参数有哪些？
答：
（1）折线图：pyplot.plot()常用参数：x, y, format_string, **kwargs
（2）柱状图：pyplot.bar()常用参数：x, height, width, bottom, align, data, **kwargs
（3）直方图：pyplot.hist() 常用参数：x, bins, weights, bottom, histtype, align, orientation, rwidth, color, label, stacked, **kwargs
（4）散点图：pyplot.scatter() 常用参数：x, y, s, c, marker, cmap, vmin, vmax, alpha, linewidths, edgecolors, **kwargs
（5）等值线图：urf()常用参数：x, y, z, levels, **kwargs

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。