Python数据分析基础 — 数据可视化（第2版）

王斌会 王术 电子工业出版社 2021.1

习题3

一、选择题

1:C 2:A 3:A 4:D 5:D 6:C 7:B 8:D

二、分析题

（请在问题下面的空白框写出代码并执行以输出结果）

1. 请创建下列Python数组，并计算。

（1）创建一个2*2的数组，计算对角线上元素的和。

import numpy as np
a=np.array([[1,2],[3,4]]);a

array([[1, 2],
       [3, 4]])

sum1=a[0][0]+a[1][1];sum1

5

sum2=a[0][1]+a[1][0];sum2

5

（2）创建一个长度为9的一维数据，数组元素0～8，并将它重新变为3*3的二维数组。

b=np.arange(9);b

array([0, 1, 2, 3, 4, 5, 6, 7, 8])

B=b.reshape((3,3));B

array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])

（3）创建两个33的数组，分别将它们合并为36、6*3的数组后，拆分为3个数组。

c=np.arange(9).reshape(3,3);c #该数组内容可自定义

array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])

d=np.ones((3,3));d #该数组内容可自定义

array([[1., 1., 1.],
       [1., 1., 1.],
       [1., 1., 1.]])

e=np.hstack((c,d));e   #合并成3*6的数组

array([[0., 1., 2., 1., 1., 1.],
       [3., 4., 5., 1., 1., 1.],
       [6., 7., 8., 1., 1., 1.]])

f= np.vstack((c,d));f    #合并成6*3的数组

array([[0., 1., 2.],
       [3., 4., 5.],
       [6., 7., 8.],
       [1., 1., 1.],
       [1., 1., 1.],
       [1., 1., 1.]])

np.hsplit(f,3)  #f分拆成3个数组

[array([[0.],
        [3.],
        [6.],
        [1.],
        [1.],
        [1.]]),
 array([[1.],
        [4.],
        [7.],
        [1.],
        [1.],
        [1.]]),
 array([[2.],
        [5.],
        [8.],
        [1.],
        [1.],
        [1.]])]

np.vsplit(e,3) #e分拆成3个数组

[array([[0., 1., 2., 1., 1., 1.]]),
 array([[3., 4., 5., 1., 1., 1.]]),
 array([[6., 7., 8., 1., 1., 1.]])]

2.调查数据。某公司对财务部门人员的抽烟状态进行调查，结果为：

否，否，否，是，是，否，否，是，否，是，否，否，是，是，否，是，否，否，是，是。

（1）请用列表录入该数据。

marriage=['否','否','否','是','是','否','否','是','否','是','否','否','是','是','否','是','否','否','是','是'];
print(marriage)

['否', '否', '否', '是', '是', '否', '否', '是', '否', '是', '否', '否', '是', '是', '否', '是', '否', '否', '是', '是']

（2）请将这组数据输入电子表格，并将其读入Python。

import pandas as pd
pd.set_option('display.max_rows', 8)
marriage1=pd.read_excel('mydata1.xlsx','3.2');marriage1

	抽烟状况
0	否
1	否
2	否
3	是
...	...
16	否
17	否
18	是
19	是

20 rows × 1 columns

1. 对第2章建立的电子表格mydata1.xlsx数据，

（1）将上面的4组数据写入其中的表单。

data21=pd.read_excel('mydata1.xlsx','2.1');data21

	1465
0	1405
1	1355
2	1225
3	1000
...	...
45	2550
46	2520
47	2370
48	2320

49 rows × 1 columns

(2)分别用Python的read_csv和read_excel函数读取

data211=pd.read_csv('2.1.csv',encoding='utf-8');data211

	1465
0	1405
1	1355
2	1225
3	1000
...	...
45	2550
46	2520
47	2370
48	2320

49 rows × 1 columns

data22=pd.read_excel('mydata1.xlsx','2.2');data22

	编号	是否抽烟	每天学习时间
0	1	是	少于5小时
1	2	否	5~10小时
2	3	否	5~10小时
3	4	是	超过10小时
...	...	...	...
6	7	是	5~10小时
7	8	是	少于5小时
8	9	否	超过10小时
9	10	是	5~10小时

10 rows × 3 columns

data221=pd.read_csv('2.2.csv',encoding='GBK');data221 #有时需用utf-8格式

	编号	是否抽烟	每天学习时间
0	1	是	少于5小时
1	2	否	5~10小时
2	3	否	5~10小时
3	4	是	超过10小时
...	...	...	...
6	7	是	5~10小时
7	8	是	少于5小时
8	9	否	超过10小时
9	10	是	5~10小时

10 rows × 3 columns

data23=pd.read_excel('mydata1.xlsx','2.3');data23

	编号	性别	数学	统计学
0	1	M	81	72
1	2	F	90	90
2	3	F	91	96
3	4	M	74	68
...	...	...	...	...
20	21	M	70	82
21	22	M	54	56
22	23	F	93	98
23	24	M	68	76

24 rows × 4 columns

data231=pd.read_csv('2.3.csv',encoding='GBK');data231 #有时需用utf-8格式

	编号	性别	数学	统计学
0	1	M	81	72
1	2	F	90	90
2	3	F	91	96
3	4	M	74	68
...	...	...	...	...
20	21	M	70	82
21	22	M	54	56
22	23	F	93	98
23	24	M	68	76

24 rows × 4 columns

（3）对其中的学生数据，用Python方法获取性别、数学成绩和统计成绩变量，并筛选不同性别学生的成绩。

datastudent=pd.read_excel('mydata1.xlsx','2.3');datastudent

	编号	性别	数学	统计学
0	1	M	81	72
1	2	F	90	90
2	3	F	91	96
3	4	M	74	68
...	...	...	...	...
20	21	M	70	82
21	22	M	54	56
22	23	F	93	98
23	24	M	68	76

24 rows × 4 columns

datastudent[datastudent['性别']=='F']   #筛选性别为女性的学生成绩

	编号	性别	数学	统计学
1	2	F	90	90
2	3	F	91	96
4	5	F	70	82
5	6	F	73	78
...	...	...	...	...
16	17	F	66	58
18	19	F	80	86
19	20	F	85	84
22	23	F	93	98

12 rows × 4 columns

datastudent[datastudent['性别']=='M']    #筛选性别为男性的学生成绩

	编号	性别	数学	统计学
0	1	M	81	72
3	4	M	74	68
6	7	M	88	89
7	8	M	78	82
...	...	...	...	...
17	18	M	84	87
20	21	M	70	82
21	22	M	54	56
23	24	M	68	76

12 rows × 4 columns