武工大邮电院Python大数据与挖掘技术考试重点

"这是一份关于Python在大数据与挖掘技术中的应用的期末考试习题，主要涵盖数据挖掘的目的、Python科学计算及数据可视化相关的库、数据类型操作、NumPy数组属性和操作、Pandas数据结构及其操作以及Matplotlib的图形元素等知识。" 1. 数据挖掘的目的在于从丰富的数据中提取出有价值的信息，因为现实世界中数据通常是丰富的，但信息贫瘠（A.datarichinformationpoor）。 2. Numpy是Python进行科学计算的基础包，提供了高效的多维数组操作（A.Numpy）。 3. Matplotlib是Python进行绘制数据图表的主要包，支持各种图形和绘图功能（C.Matplotlib）。 4. 元组是不可变数据类型，一旦创建就不能修改（B.元组）。 5. L2[1:3]会截取列表L2的第二个到第三个元素，结果为[2, 'HE']（B）。 6. NumPy的ndarray数组中，dtype属性描述了数组元素的类型（B.dtype）。 7. arr=np.arange(10)创建了一个从0到9的数组，arr[-1]表示获取最后一个元素，即9（C.9）。 8. arr[0,3:5]选取了二维数组arr第一行的第3到第4个元素，结果为[3, 4]（C.[34]）。 9. arr[1:-1:2]在步长为2的情况下，选取了从第二个元素到倒数第二个元素的奇数索引值，即[1, 3, 5]（B.[135]）。 10. 题目缺失arr1和arr2的具体内容，无法给出具体答案（A/B/C/D）。 11. 序列和数据框是Pandas包下的数据结构，用于高效的数据操作和分析（B.Pandas）。 12. 可以通过列表、元组、数组等多种类型创建Pandas的序列（D.以上类型都可以）。 13. Pandas能够读取包括Excel、txt、csv等多种格式的外部文件（D.以上文件都可以）。 14. Pandas中创建序列的函数是Series（A.Series）。 15. Pandas中创建数据框的函数是DataFrame（B.DataFrame）。 16. Matplotlib的plt.legend()函数用于指定当前图形的图例（D.legend）。 这些题目涵盖了Python在大数据处理中的基础知识，包括数据挖掘的理论、Numpy和Pandas的数据操作以及Matplotlib的数据可视化。学习者需要理解数据类型、数组操作、数据结构（如序列和数据框）以及基本的绘图概念，这些都是Python在大数据与挖掘技术领域中的核心技能。