2025年統(tǒng)計學期末考試題庫-統(tǒng)計軟件Python統(tǒng)計分析實戰(zhàn)試題

2025年統(tǒng)計學期末考試題庫——統(tǒng)計軟件Python統(tǒng)計分析實戰(zhàn)試題考試時間：______分鐘總分：______分姓名：______一、Python編程基礎與數(shù)據(jù)分析要求：熟練運用Python編程語言進行數(shù)據(jù)分析，掌握基本的數(shù)據(jù)結(jié)構(gòu)和算法。1.編寫一個Python函數(shù)，實現(xiàn)以下功能：a.定義一個列表，包含10個隨機整數(shù)（范圍1-100）。b.計算列表中所有整數(shù)的平均值。c.將平均值向上取整，并返回結(jié)果。2.編寫一個Python函數(shù)，實現(xiàn)以下功能：a.定義一個字符串，包含以下字符：'a','b','c','d','e','f','g'。b.將字符串中的字符按照字典序排序，并返回排序后的字符串。3.編寫一個Python函數(shù)，實現(xiàn)以下功能：a.定義一個列表，包含以下整數(shù)：[1,3,5,7,9]。b.將列表中的所有元素乘以2，并返回新的列表。4.編寫一個Python函數(shù)，實現(xiàn)以下功能：a.定義一個列表，包含以下字符串：['apple','banana','cherry','date','elderberry']。b.將列表中的所有字符串轉(zhuǎn)換為小寫，并返回新的列表。5.編寫一個Python函數(shù)，實現(xiàn)以下功能：a.定義一個列表，包含以下整數(shù)：[2,4,6,8,10]。b.刪除列表中的所有偶數(shù)，并返回新的列表。6.編寫一個Python函數(shù)，實現(xiàn)以下功能：a.定義一個字符串，包含以下字符：'helloworld'。b.將字符串中的空格替換為下劃線，并返回新的字符串。7.編寫一個Python函數(shù)，實現(xiàn)以下功能：a.定義一個列表，包含以下整數(shù)：[1,2,3,4,5]。b.將列表中的元素逆序，并返回新的列表。8.編寫一個Python函數(shù)，實現(xiàn)以下功能：a.定義一個字符串，包含以下字符：'python'。b.將字符串中的字符按照字母表順序排序，并返回新的字符串。9.編寫一個Python函數(shù)，實現(xiàn)以下功能：a.定義一個列表，包含以下整數(shù)：[3,6,9,12,15]。b.將列表中的所有元素除以3，并返回新的列表。10.編寫一個Python函數(shù)，實現(xiàn)以下功能：a.定義一個字符串，包含以下字符：'programmingisfun'。b.將字符串中的空格替換為逗號，并返回新的字符串。二、Python數(shù)據(jù)可視化要求：熟練運用Python中的Matplotlib庫進行數(shù)據(jù)可視化，能夠根據(jù)數(shù)據(jù)特點選擇合適的圖表類型。1.編寫一個Python腳本，使用Matplotlib庫繪制以下數(shù)據(jù)：a.生成一個包含10個隨機整數(shù)的列表。b.使用柱狀圖（BarChart）展示這些整數(shù)。2.編寫一個Python腳本，使用Matplotlib庫繪制以下數(shù)據(jù)：a.生成一個包含10個隨機浮點數(shù)的列表。b.使用折線圖（LineChart）展示這些浮點數(shù)。3.編寫一個Python腳本，使用Matplotlib庫繪制以下數(shù)據(jù)：a.生成一個包含10個隨機整數(shù)的列表。b.使用散點圖（ScatterPlot）展示這些整數(shù)。4.編寫一個Python腳本，使用Matplotlib庫繪制以下數(shù)據(jù)：a.生成一個包含10個隨機整數(shù)的列表。b.使用餅圖（PieChart）展示這些整數(shù)。5.編寫一個Python腳本，使用Matplotlib庫繪制以下數(shù)據(jù)：a.生成一個包含10個隨機浮點數(shù)的列表。b.使用直方圖（Histogram）展示這些浮點數(shù)。6.編寫一個Python腳本，使用Matplotlib庫繪制以下數(shù)據(jù)：a.生成一個包含10個隨機整數(shù)的列表。b.使用箱線圖（BoxPlot）展示這些整數(shù)。7.編寫一個Python腳本，使用Matplotlib庫繪制以下數(shù)據(jù)：a.生成一個包含10個隨機整數(shù)的列表。b.使用雷達圖（RadarChart）展示這些整數(shù)。8.編寫一個Python腳本，使用Matplotlib庫繪制以下數(shù)據(jù)：a.生成一個包含10個隨機浮點數(shù)的列表。b.使用K線圖（CandlestickChart）展示這些浮點數(shù)。9.編寫一個Python腳本，使用Matplotlib庫繪制以下數(shù)據(jù)：a.生成一個包含10個隨機整數(shù)的列表。b.使用熱力圖（HeatMap）展示這些整數(shù)。10.編寫一個Python腳本，使用Matplotlib庫繪制以下數(shù)據(jù)：a.生成一個包含10個隨機整數(shù)的列表。b.使用極坐標圖（PolarPlot）展示這些整數(shù)。四、Python數(shù)據(jù)處理與Pandas庫應用要求：熟練運用Python中的Pandas庫進行數(shù)據(jù)處理，掌握數(shù)據(jù)清洗、轉(zhuǎn)換和篩選等基本操作。1.編寫一個Python腳本，使用Pandas庫讀取以下CSV文件，并執(zhí)行以下操作：a.讀取CSV文件中的數(shù)據(jù)。b.選擇列名為“Age”和“Salary”的數(shù)據(jù)。c.計算所選列的平均值。d.篩選出“Age”大于30且“Salary”大于50000的記錄。e.將篩選后的數(shù)據(jù)保存為新的CSV文件。2.編寫一個Python腳本，使用Pandas庫對以下數(shù)據(jù)框進行操作：```pythonimportpandasaspddata={'Name':['Alice','Bob','Charlie','David','Eve'],'Age':[25,30,35,40,45],'City':['NewYork','LosAngeles','Chicago','Houston','Phoenix']}df=pd.DataFrame(data)```a.將“City”列中的所有城市名稱轉(zhuǎn)換為小寫。b.添加一個新列“AgeCategory”，根據(jù)“Age”列的值將年齡分為三個類別：“Young”(Age<30),“Middle-aged”(30<=Age<40),“Senior”(Age>=40)。c.刪除“Name”列。d.對“AgeCategory”列進行排序。e.打印排序后的數(shù)據(jù)框。五、Python機器學習與Scikit-learn庫應用要求：熟練運用Python中的Scikit-learn庫進行機器學習，掌握數(shù)據(jù)預處理、模型訓練和評估等基本操作。1.編寫一個Python腳本，使用Scikit-learn庫對以下數(shù)據(jù)集進行操作：```pythonfromsklearnimportdatasetsfromsklearn.model_selectionimporttrain_test_splitfromsklearn.preprocessingimportStandardScalerfromsklearn.linear_modelimportLogisticRegression#加載數(shù)據(jù)集iris=datasets.load_iris()X=iris.datay=iris.target#劃分訓練集和測試集X_train,X_test,y_train,y_test=train_test_split(X,y,test_size=0.3,random_state=42)#數(shù)據(jù)標準化scaler=StandardScaler()X_train_scaled=scaler.fit_transform(X_train)X_test_scaled=scaler.transform(X_test)#訓練模型model=LogisticRegression()model.fit(X_train_scaled,y_train)#評估模型accuracy=model.score(X_test_scaled,y_test)print(f"Modelaccuracy:{accuracy}")```a.在上述腳本中，添加代碼以計算模型的混淆矩陣。b.在上述腳本中，添加代碼以可視化訓練集和測試集的決策邊界。c.在上述腳本中，添加代碼以計算模型的ROC曲線和AUC值。d.在上述腳本中，嘗試使用不同的分類器（如支持向量機、決策樹）重新訓練模型，并比較它們的性能。e.在上述腳本中，添加代碼以進行交叉驗證，評估模型的泛化能力。六、Python數(shù)據(jù)挖掘與Scrapy庫應用要求：熟練運用Python中的Scrapy庫進行數(shù)據(jù)挖掘，掌握爬蟲的基本原理和操作。1.編寫一個Python腳本，使用Scrapy庫爬取以下網(wǎng)頁內(nèi)容：a.確定目標網(wǎng)頁的URL。b.創(chuàng)建一個Scrapy項目。c.在項目配置文件中設置下載延遲。d.編寫一個Spider類，定義如何提取網(wǎng)頁中的數(shù)據(jù)。e.在Spider類中，定義一個Item類，用于存儲提取的數(shù)據(jù)。f.運行Scrapy爬蟲，提取目標網(wǎng)頁中的數(shù)據(jù)。g.將提取的數(shù)據(jù)保存為CSV文件。本次試卷答案如下：一、Python編程基礎與數(shù)據(jù)分析1.解析：```pythonimportrandomimportmathdefcalculate_average():random_numbers=[random.randint(1,100)for_inrange(10)]average=sum(random_numbers)/len(random_numbers)returnmath.ceil(average)result=calculate_average()print(result)```解析思路：首先，使用`random.randint(1,100)`生成10個隨機整數(shù)，然后計算這些數(shù)的平均值，并使用`math.ceil()`函數(shù)向上取整。2.解析：```pythondefsort_string():characters='abcdefg'sorted_characters=''.join(sorted(characters))returnsorted_charactersresult=sort_string()print(result)```解析思路：定義一個字符串，使用`sorted()`函數(shù)對字符串中的字符進行排序，然后使用`join()`函數(shù)將排序后的字符連接成一個新的字符串。3.解析：```pythondefdouble_list_elements():numbers=[1,3,5,7,9]doubled_numbers=[x*2forxinnumbers]returndoubled_numbersresult=double_list_elements()print(result)```解析思路：定義一個列表，使用列表推導式將列表中的每個元素乘以2，得到一個新的列表。二、Python數(shù)據(jù)可視化1.解析：```pythonimportmatplotlib.pyplotaspltimportnumpyasnprandom_numbers=np.random.randint(1,101,10)plt.bar(range(len(random_numbers)),random_numbers)plt.xlabel('Index')plt.ylabel('Value')plt.title('BarChartofRandomNumbers')plt.show()```解析思路：使用`numpy`生成10個隨機整數(shù)，使用`matplotlib.pyplot`的`bar()`函數(shù)創(chuàng)建柱狀圖，并設置坐標軸標簽和標題。2.解析：```pythonimportmatplotlib.pyplotaspltimportnumpyasnprandom_numbers=np.random.rand(10)plt.plot(random_numbers)plt.xlabel('Index')plt.ylabel('Value')plt.title('LineChartofRandomNumbers')plt.show()```解析思路：使用`numpy`生成10個隨機浮點數(shù)，使用`matplotlib.pyplot`的`plot()`函數(shù)創(chuàng)建折線圖。3.解析：```pythonimportmatplotlib.pyplotaspltimportnumpyasnprandom_numbers=np.random.randint(1,101,10)plt.scatter(range(len(random_numbers)),random_numbers)plt.xlabel('Index')plt.ylabel('Value')plt.title('ScatterPlotofRandomNumbers')plt.show()```解析思路：使用`numpy`生成10個隨機整數(shù)，使用`matplotlib.pyplot`的`scatter()`函數(shù)創(chuàng)建散點圖。三、Python數(shù)據(jù)處理與Pandas庫應用1.解析：```pythonimportpandasaspd#讀取CSV文件df=pd.read_csv('data.csv')#選擇列df_selected=df[['Age','Salary']]#計算平均值average_age=df_selected['Age'].mean()average_salary=df_selected['Salary'].mean()#篩選記錄filtered_df=df_selected[(df_selected['Age']>30)&(df_selected['Salary']>50000)]#保存為新的CSV文件filtered_df.to_csv('filtered_data.csv',index=False)```解析思路：使用`pandas`讀取CSV文件，選擇特定的列，計算平均值，篩選記錄，并將篩選后的數(shù)據(jù)保存為新的CSV文件。2.解析：```pythonimportpandasaspd#創(chuàng)建數(shù)據(jù)框data={'Name':['Alice','Bob','Charlie','David','Eve'],'Age':[25,30,35,40,45],'City':['NewYork','LosAngeles','Chicago','Houston','Phoenix']}df=pd.DataFrame(data)#轉(zhuǎn)換城市名稱為小寫df['City']=df['City'].str.lower()#添加年齡類別df['AgeCategory']=pd.cut(df['Age'],bins=[0,30,40,50],labels=['Young','Middle-aged','Senior'])#刪除Name列df.drop('Name',axis=1,inplace=True)#排序AgeCategory列df.sort_values('AgeCategory',inplace=True)#打印數(shù)據(jù)框print(df)```解析思路：使用`pandas`創(chuàng)建數(shù)據(jù)框，轉(zhuǎn)換城市名稱為小寫，根據(jù)年齡添加類別，刪除不需要的列，對類別列進行排序，并打印數(shù)據(jù)框。四、Python機器學習與Scikit-learn庫應用1.解析：```pythonfromsklearnimportdatasetsfromsklearn.model_selectionimporttrain_test_splitfromsklearn.preprocessingimportStandardScalerfromsklearn.linear_modelimportLogisticRegressionfromsklearn.metricsimportconfusion_matriximportmatplotlib.pyplotaspltimportnumpyasnp#加載數(shù)據(jù)集iris=datasets.load_iris()X=iris.datay=iris.target#劃分訓練集和測試集X_train,X_test,y_train,y_test=train_test_split(X,y,test_size=0.3,random_state=42)#數(shù)據(jù)標準化scaler=StandardScaler()X_train_scaled=scaler.fit_transform(X_train)X_test_scaled=scaler.transform(X_test)#訓練模型model=LogisticRegression()model.fit(X_train_scaled,y_train)#評估模型accuracy=model.score(X_test_scaled,y_test)pri