二、多项选择题（共25题，每题有至少一个正确选项3.假如我们有名为df的Series类型的数据，但是df中的标签不是按顺序排列的，如果我们想要令df的标签按升序进行排列，我们不应 该用以下哪一代码？ A.Sorted_df= df.sort_values () B.sorted_df= df.sort_values (ascending=False) C.sorted_df= df.sort_values (ascending=True) D.sorted_df= df.reindex()

正确答案是 B. `sorted_df = df.sort_values(ascending=False)`。

`sort_values()` 方法可以用来对 Series 或 DataFrame 中的数值进行排序，按照指定的排序方式进行排序，默认是按照升序排序。如果想要按照降序排序，应该将参数 `ascending` 设置为 `False`，而不是 `True`。因此，选项 B 中的代码是错误的。

正确的选项是 A、C 和 D，它们可以按照升序对 df 的标签进行排序。其中：

- A. `sorted_df = df.sort_values()` 可以按照升序对 df 进行排序，返回一个新的按标签排序后的 Series；
- C. `sorted_df = df.sort_values(ascending=True)` 和 A 的效果相同，可以按照升序对 df 进行排序；
- D. `sorted_df = df.reindex()` 可以对 df 进行重新索引，如果不指定索引顺序，则会按照升序对标签进行排序。

相关问题

3.假如我们有名为df的Series类型的数据，但是df中的标签不是按顺序排列的，如果我们想要令df的标签按升序进行排列，我们不应 该用以下哪一代码？ A.Sorted_df= df.sort_values() B.sorted_df= df.sort_values (ascending=False) C.sorted_df= df.sort_values (ascending=True) D.sorted_df= df.reindex()

正确答案是 B. sorted_df = df.sort_values(ascending=False)。

sort_values() 方法可以用来对 Series 或 DataFrame 中的数值进行排序，按照指定的排序方式进行排序，默认是按照升序排序。如果想要按照降序排序，应该将参数 `ascending` 设置为 `False`，而不是 `True`。因此，选项 B 中的代码是错误的。

正确的选项是 A、C 和 D，它们可以按照升序对 df 的标签进行排序。其中：

- A. Sorted_df = df.sort_values() 可以按照升序对 df 进行排序，返回一个新的按标签排序后的 Series；
- C. sorted_df = df.sort_values(ascending=True) 和 A 的效果相同，可以按照升序对 df 进行排序；
- D. sorted_df = df.reindex() 可以对 df 进行重新索引，如果不指定索引顺序，则会按照升序对标签进行排序。

4.假设df为有缺失值的一个DataFrame，如果想平均数填充k2列的缺失值，我们不可以用以下哪一代码？ A.df.fillna(df.mean())['k2'] B.df.fillna(df.mode())['k2'] C.df.fillna(df.average())['k2'] D.df.fillna(df.median())请回答这个多选题

正确答案是 C. `df.fillna(df.average())['k2']`。

`fillna()` 方法可以用来填充缺失值，其中参数可以是一个常数或某种规则。对于 DataFrame，可以使用 `fillna()` 方法加上列名来对某列进行填充。如果想要用平均数填充缺失值，应该使用 `df.fillna(df.mean())['k2']`，而不是选项 C 中的 `df.fillna(df.average())['k2']`。因为 DataFrame 对象没有 `average()` 方法。

选项 B 中的 `df.fillna(df.mode())['k2']` 可以用众数填充缺失值，但是对于数值类型的列可能不适用，因为数值型的列可能不存在众数；

选项 D 中的 `df.fillna(df.median())['k2']` 可以用中位数填充缺失值，比较适用于数值类型的列，但是可能存在多个中位数的情况，需要根据具体情况做出选择。

因此，选项 C 中的代码是错误的。