2025年統(tǒng)計(jì)學(xué)期末考試題庫-統(tǒng)計(jì)軟件Python統(tǒng)計(jì)分析實(shí)戰(zhàn)試題

2025年統(tǒng)計(jì)學(xué)期末考試題庫——統(tǒng)計(jì)軟件Python統(tǒng)計(jì)分析實(shí)戰(zhàn)試題考試時間：______分鐘總分：______分姓名：______一、Python編程基礎(chǔ)要求：掌握Python基礎(chǔ)語法，能夠使用Python進(jìn)行數(shù)據(jù)分析。1.編寫一個Python程序，計(jì)算1到100之間所有奇數(shù)的和。2.編寫一個函數(shù)，接收一個列表作為參數(shù)，返回列表中所有偶數(shù)的和。3.編寫一個循環(huán)，打印從1到10的乘法表。4.編寫一個函數(shù)，接收一個字符串作為參數(shù)，返回該字符串中所有小寫字母的數(shù)量。5.編寫一個函數(shù)，接收一個數(shù)字作為參數(shù)，判斷該數(shù)字是否為素?cái)?shù)，并返回判斷結(jié)果。6.編寫一個函數(shù)，接收一個列表作為參數(shù)，返回列表中所有重復(fù)元素的數(shù)量。7.編寫一個函數(shù)，接收一個字符串作為參數(shù)，返回該字符串中所有字母的逆序排列。8.編寫一個函數(shù)，接收一個列表作為參數(shù)，返回列表中所有元素的平均值。9.編寫一個函數(shù)，接收一個列表作為參數(shù)，返回列表中所有元素的最大值和最小值。10.編寫一個函數(shù)，接收一個字符串作為參數(shù)，返回該字符串中所有單詞的長度。二、Python數(shù)據(jù)分析工具Pandas要求：掌握Pandas庫的基本操作，能夠使用Pandas進(jìn)行數(shù)據(jù)處理。1.使用Pandas讀取一個CSV文件，并查看前5行數(shù)據(jù)。2.使用Pandas讀取一個Excel文件，并查看前5行數(shù)據(jù)。3.使用Pandas創(chuàng)建一個包含姓名、年齡和性別的DataFrame。4.使用Pandas對DataFrame進(jìn)行排序，按年齡降序排列。5.使用Pandas對DataFrame進(jìn)行篩選，選出年齡大于30的人。6.使用Pandas對DataFrame進(jìn)行分組，按性別分組統(tǒng)計(jì)人數(shù)。7.使用Pandas對DataFrame進(jìn)行合并，合并兩個DataFrame。8.使用Pandas對DataFrame進(jìn)行去重，去除重復(fù)行。9.使用Pandas對DataFrame進(jìn)行填充，填充缺失值。10.使用Pandas對DataFrame進(jìn)行轉(zhuǎn)置，轉(zhuǎn)置DataFrame。四、Python數(shù)據(jù)分析工具NumPy要求：掌握NumPy庫的基本操作，能夠使用NumPy進(jìn)行數(shù)值計(jì)算。1.使用NumPy創(chuàng)建一個包含10個隨機(jī)整數(shù)的數(shù)組。2.使用NumPy計(jì)算一個數(shù)組的平均值。3.使用NumPy對數(shù)組進(jìn)行排序。4.使用NumPy計(jì)算兩個數(shù)組的和。5.使用NumPy計(jì)算兩個數(shù)組的乘積。6.使用NumPy計(jì)算數(shù)組的最大值和最小值。7.使用NumPy創(chuàng)建一個二維數(shù)組，并計(jì)算其轉(zhuǎn)置。8.使用NumPy對數(shù)組進(jìn)行切片操作。9.使用NumPy創(chuàng)建一個數(shù)組，并使用條件索引來選擇滿足條件的元素。10.使用NumPy對數(shù)組進(jìn)行廣播操作。五、Python數(shù)據(jù)分析工具M(jìn)atplotlib要求：掌握Matplotlib庫的基本操作，能夠使用Matplotlib繪制基本圖表。1.使用Matplotlib繪制一個簡單的折線圖，展示時間序列數(shù)據(jù)。2.使用Matplotlib繪制一個柱狀圖，展示不同類別的數(shù)據(jù)分布。3.使用Matplotlib繪制一個散點(diǎn)圖，展示兩個變量之間的關(guān)系。4.使用Matplotlib繪制一個餅圖，展示不同類別的占比。5.使用Matplotlib調(diào)整圖表的標(biāo)題、標(biāo)簽和圖例。6.使用Matplotlib對圖表進(jìn)行顏色和樣式定制。7.使用Matplotlib將多個圖表組合在一個畫布上。8.使用Matplotlib保存圖表為圖片文件。9.使用Matplotlib在圖表上添加文本注釋。10.使用Matplotlib繪制一個3D散點(diǎn)圖。本次試卷答案如下：一、Python編程基礎(chǔ)1.解析：使用for循環(huán)遍歷1到100的數(shù)字，使用條件判斷語句檢查數(shù)字是否為奇數(shù)，如果是，則累加到總和中。```pythontotal_sum=0foriinrange(1,101):ifi%2!=0:total_sum+=iprint(total_sum)```2.解析：定義一個函數(shù)，使用列表推導(dǎo)式來篩選出偶數(shù)，并計(jì)算它們的和。```pythondefsum_of_evens(numbers):returnsum(numberfornumberinnumbersifnumber%2==0)#示例使用numbers=[1,2,3,4,5,6,7,8,9,10]print(sum_of_evens(numbers))```3.解析：使用嵌套循環(huán)，外層循環(huán)控制行數(shù)，內(nèi)層循環(huán)控制每行的數(shù)字。```pythonforiinrange(1,11):forjinrange(1,i+1):print(j,end='')print()```4.解析：定義一個函數(shù)，使用字符串的islower()方法檢查每個字符是否為小寫字母，并計(jì)數(shù)。```pythondefcount_lowercase_letters(text):returnsum(1forcharintextifchar.islower())#示例使用text="HelloWorld!"print(count_lowercase_letters(text))```5.解析：定義一個函數(shù)，使用循環(huán)檢查數(shù)字是否有除了1和它本身以外的因數(shù)。```pythondefis_prime(number):ifnumber<=1:returnFalseforiinrange(2,int(number**0.5)+1):ifnumber%i==0:returnFalsereturnTrue#示例使用number=29print(is_prime(number))```6.解析：定義一個函數(shù)，使用集合來找出列表中的重復(fù)元素，并計(jì)算它們的數(shù)量。```pythondefcount_duplicates(numbers):unique_numbers=set(numbers)returnlen(numbers)-len(unique_numbers)#示例使用numbers=[1,2,2,3,4,4,4,5]print(count_duplicates(numbers))```7.解析：定義一個函數(shù)，使用字符串的切片操作來反轉(zhuǎn)字符串。```pythondefreverse_string(text):returntext[::-1]#示例使用text="HelloWorld!"print(reverse_string(text))```8.解析：定義一個函數(shù)，使用內(nèi)置的sum()函數(shù)和len()函數(shù)來計(jì)算平均值。```pythondefaverage_of_numbers(numbers):returnsum(numbers)/len(numbers)#示例使用numbers=[1,2,3,4,5]print(average_of_numbers(numbers))```9.解析：定義一個函數(shù)，使用內(nèi)置的max()和min()函數(shù)來找到最大值和最小值。```pythondefmax_min_of_numbers(numbers):returnmax(numbers),min(numbers)#示例使用numbers=[1,2,3,4,5]print(max_min_of_numbers(numbers))```10.解析：定義一個函數(shù)，使用字符串的split()方法來分割字符串，并計(jì)算每個單詞的長度。```pythondefword_lengths(text):words=text.split()return[len(word)forwordinwords]#示例使用text="Thisisasampletext."print(word_lengths(text))```二、Python數(shù)據(jù)分析工具Pandas1.解析：使用pandas的read_csv()函數(shù)讀取CSV文件，并使用head()函數(shù)查看前5行數(shù)據(jù)。```pythonimportpandasaspddata=pd.read_csv('data.csv')print(data.head())```2.解析：使用pandas的read_excel()函數(shù)讀取Excel文件，并使用head()函數(shù)查看前5行數(shù)據(jù)。```pythonimportpandasaspddata=pd.read_excel('data.xlsx')print(data.head())```3.解析：使用pandas的DataFrame構(gòu)造函數(shù)創(chuàng)建一個DataFrame。```pythonimportpandasaspddata=pd.DataFrame({'Name':['Alice','Bob','Charlie'],'Age':[25,30,35],'Gender':['F','M','M']})print(data)```4.解析：使用pandas的sort_values()函數(shù)按年齡降序排列DataFrame。```pythondata.sort_values(by='Age',ascending=False,inplace=True)print(data)```5.解析：使用pandas的query()函數(shù)或布爾索引來篩選年齡大于30的人。```pythonfiltered_data=data[data['Age']>30]print(filtered_data)```6.解析：使用pandas的groupby()函數(shù)按性別分組，并使用size()函數(shù)統(tǒng)計(jì)人數(shù)。```pythongrouped_data=data.groupby('Gender').size()print(grouped_data)```7.解析：使用pandas的merge()函數(shù)合并兩個DataFrame。```pythondf1=pd.DataFrame({'Key':['A','B','C','D']})df2=pd.DataFrame({'Key':['B','D','E','F'],'Value':[1,2,3,4]})merged_data=pd.merge(df1,df2,on='Key')print(merged_data)```8.解析：使用pandas的drop_duplicates()函數(shù)去除重復(fù)行。```pythonunique_data=data.drop_duplicates()print(unique_data)```9.解析：使用pandas的fillna()函數(shù)填充缺失值。```pythondata['Age'].fillna(value=0,inplace=True)print(data)```10.解析：使用pandas的transpose()函數(shù)轉(zhuǎn)置DataFrame。```pythontransposed_data=data.transpose()print(transposed_data)```三、Python數(shù)據(jù)分析工具NumPy1.解析：使用numpy.random.randint()函數(shù)創(chuàng)建一個包含10個隨機(jī)整數(shù)的數(shù)組。```pythonimportnumpyasnprandom_numbers=np.random.randint(1,100,size=10)print(random_numbers)```2.解析：使用numpy.mean()函數(shù)計(jì)算數(shù)組的平均值。```pythonimportnumpyasnpnumbers=np.array([1,2,3,4,5])average=np.mean(numbers)print(average)```3.解析：使用numpy.sort()函數(shù)對數(shù)組進(jìn)行排序。```pythonimportnumpyasnpnumbers=np.array([5,2,9,1,5])sorted_numbers=np.sort(numbers)print(sorted_numbers)```4.解析：使用numpy.add()函數(shù)計(jì)算兩個數(shù)組的和。```pythonimportnumpyasnparray1=np.array([1,2,3])array2=np.array([4,5,6])sum_array=np.add(array1,array2)print(sum_array)```5.解析：使用numpy.multiply()函數(shù)計(jì)算兩個數(shù)組的乘積。```pythonimportnumpyasnparray1=np.array([1,2,3])array2=np.array([4,5,6])product_array=np.multiply(array1,array2)print(product_array)```6.解析：使用numpy.max()和numpy.min()函數(shù)計(jì)算數(shù)組的最大值和最小值。```pythonimportnumpyasnpnumbers=np.array([1,2,3,4,5])max_value=np.max(numbers)min_value=np.min(numbers)print(max_value,min_value)```7.解析：使用numpy.transpose()函數(shù)創(chuàng)建二維數(shù)組的轉(zhuǎn)置。```pythonimportnumpyasnparray=np.array([[1,2,3],[4,5,6]])transposed_array=np.transpose(array)print(transposed_array)```8.解析：使用numpy.slice()函數(shù)對數(shù)組進(jìn)行切片操作。```pythonimportnumpyasnpnumbers=np.array([1,2,3,4,5,6,7,8,9,10])sliced_numbers=numbers[2:7]print(sliced_numbers)```9.解析：使用條件索引選擇滿足條件的元素。```pythonimportnumpyasnpnumbers=np.array([1,2,3,4,5])filtered_numbers=numbers[numbers>3]print(filtered_numbers)```10.解析：使用numpy廣播操作進(jìn)行計(jì)算。```pythonimportnumpyasnparray1=np.array([1,2,3])array2=np.array([4,5,6])result=array1*array2print(result)```四、Python數(shù)據(jù)分析工具M(jìn)atplotlib1.解析：使用matplotlib.pyplot的plot()函數(shù)繪制折線圖。```pythonimportmatplotlib.pyplotaspltx=np.arange(0,10)y=np.sin(x)plt.plot(x,y)plt.xlabel('Time')plt.ylabel('Amplitude')plt.title('SineWave')plt.show()```2.解析：使用matplotlib.pyplot的bar()函數(shù)繪制柱狀圖。```pythonimportmatplotlib.pyplotaspltcategories=['CategoryA','CategoryB','CategoryC']values=[10,20,30]plt.bar(categories,values)plt.xlabel('Categories')plt.ylabel('Values')plt.title('CategoryDistribution')plt.show()```3.解析：使用matplotlib.pyplot的scatter()函數(shù)繪制散點(diǎn)圖。```pythonimportmatplotlib.pyplotaspltx=[1,2,3,4,5]y=[2,3,5,7,11]plt.scatter(x,y)plt.xlabel('X-axis')plt.ylabel('Y-axis')plt.title('ScatterPlot')plt.show()```4.解析：使用matplotlib.pyplot的pie()函數(shù)繪制餅圖。```pythonimportmatplotlib.pyplotaspltlabels=['CategoryA','CategoryB','CategoryC']sizes=[15,30,55]plt.pie(sizes,labels=labels,autopct='%1.1f%%')plt.axis('equal')plt.title('CategoryDistribution')plt.show()```5.解析：使用matplotlib.pyplot的title(),xlabel(),ylabel()函數(shù)調(diào)整圖表的標(biāo)題、標(biāo)簽和圖例。```pythonimportmatplotlib.pyplotaspltplt.plot([1,2,3],[4,5,6])plt.title('LinePlot')plt.xlabel('X-axis')plt.ylabel('Y-axis')plt.legend(['Line1'])plt.show()```6.解析：使用matplotlib.pyplot的rcParams字典進(jìn)行顏色和樣式定制。```pythonimportmatplotlib.pyplotaspltplt.rcParams['figure.figsize']=(10,5)plt.rcParams['lines.color']='red'plt.plot([1,2,3],