假设有DataFrame对象df1内容如下图:[img=206x289]17da58bacf6f49c.png[/img]则执行命令df1 = df1.reindex(['广州','深圳','上海','重庆','北京'])的结果是( )
未知类型：{'options': ['DataFrame对象df1没有任何变化', ' 这是一条错误的命令', ' DataFrame对象df1的行序根据新的索引顺序改变了,结果是[img=198x290]17da58bb02066df.png[/img]', ' DataFrame对象df1的行序没有变,但索引变了,结果是[img=200x278]17da58bb12ff846.png[/img]'], 'type': 102}
未知类型：{'options': ['DataFrame对象df1没有任何变化', ' 这是一条错误的命令', ' DataFrame对象df1的行序根据新的索引顺序改变了,结果是[img=198x290]17da58bb02066df.png[/img]', ' DataFrame对象df1的行序没有变,但索引变了,结果是[img=200x278]17da58bb12ff846.png[/img]'], 'type': 102}
C
举一反三
- 假设有DataFrame对象df内容如下图:[img=235x297]17da58bb353176d.png[/img]则对执行代码df1 = df.set_index(['城市'])的结果描述正确是( ) 未知类型：{'options': ['将df中的“城市”列作为新索引创建一个新对象df1', ' df1.shape的值是(5, 2)', " df1.index的值是Index(['北京', '上海', '广州', '深圳', '重庆'], dtype='object', name='城市')", ' df1的内容是[img=211x277]17da58bb4b8b646.png[/img]'], 'type': 102}
- 要获取名为df的DataFrame的某个数据,下列选项中正确的是() A: df[行索引] B: df[列索引] C: df[行索引][列索引] D: df[列索引][行索引]
- 假设有DataFrame对象df,需要导出到文件“data1.csv”中,文件路径是“D:\\python”,正确的命令是( ) 未知类型：{'options': ['', ' [img=433x58]17da58b92750677.png[/img]', ' [img=339x61]17da58b9473bc61.png[/img]', ' [img=353x58]17da58b9673312e.png[/img]'], 'type': 102}
- 已知df为pandas的DataFrame对象，那么df[:10]表示访问df中前10行数据。
- 假设有数据表“data1.csv”存放于路径“D:\\python”,若需要导入此表中数据生成DataFrame对象df,正确的命令是( ) 未知类型：{'options': ['', ' [img=433x58]17da58b92750677.png[/img]', ' [img=339x61]17da58b9473bc61.png[/img]', ' [img=353x58]17da58b9673312e.png[/img]'], 'type': 102}
内容
- 0
要求方程[img=69x27]1802e4da216c9dd.png[/img]的解，应使用命令 A: dsolve('Df=x^2') B: dsolve('Df==x^2') C: dsolve('Df=x^2',x) D: dsolve('Df==x^2',x)
- 1
中国大学MOOC:若已从一个DataFrame对象df中选择了两部分数据（保持数据属性完整）分别存入df1和df2中，代码行如下，请从如下选项中选出可以正确合并这两部分数据的函数/方法补充完整代码。>>>importpandasaspd>>>pd.___________([df1,df2])
- 2
卡方（[img=19x26]18038dc17708105.png[/img]）检验在（ ）的时候，须作连续性矫正。 A: 自由度df=∞ B: 自由度df=1 C: 自由度df=5 D: 自由度df=100
- 3
已知df为pandas的DataFrame对象，那么df[:10]表示访问df中前10列数据。 A: 正确 B: 错误
- 4
中国大学MOOC: 给定df是一个DataFrame对象，对df所有字段进行描述性统计，可以利用的方法为（ ）。