扫描下方二维码关注公众号：

关闭

×

作业辅导
扫码关注
论文指导
轻松解决学习难题!

数据采集与预处理 - 第四次形考作业（占总成绩10％）

课程名称：数据采集与预处理 发布教师：李海波 作业来源：第8学习单元 数据清洗工具实战 作业满分：100.0分 发布时间：2025-07-10 作业要求：学习完第6、7、8单元内容之后必须完成本次作业，并请在规定时间内提交，本次作业占考核总成绩的10%。

单选题

1. 下列选项中，关于groupby()方法说法不正确的是（ ）。 （分值：2.0分）

A. 分组键可以是列表或数组，但长度不需要与待分组轴的长度相同

B. 可以使用函数进行分组

C. 可使用series或字典分组

D. 可以通过DataFrame中的列名的值进行分组

2. 下列选项中，关于agg()方法使用不正确是（ ）。 （分值：2.0分）

A. agg()方法不能对产生的标量值进行广播

B. agg()方法中func参数可以传入自定义函数

C. agg()方法中func参数只能传入一个函数

D. agg()方法中func参数可以传入多个函数

3. 下列选项中，关于transform()方法说法正确的是（ ）。 （分值：2.0分）

A. func参数可以传入多个内置函数

B. 会对产生的标量值进行广播操作

C. 不会与原数据保持相同形状

D. func参数只能传入内置函数

4. 请阅读下面一段程序： import pandas as pd (pd.DataFrame([[2, 3],] * 3, columns=['A', 'B'])).apply(lambda x: x + 1) 执行上述程序后，最终输出的结果为（ ）。 （分值：2.0分）

A. A B 0 2 3 1 2 3 2 2 3

B. A B 0 3 2 1 3 2 2 3 2

C. A B 0 4 3 1 4 3 2 4 3

D. A B 0 3 4 1 3 4 2 3 4

5. 下列选项中，关于apply()说法不正确的是（ ）。 （分值：2.0分）

A. 可以接收多个函数

B. 返回的结果一定与原数据的形状相同

C. 可以使用广播功能

D. 可以使用自定义函数

6. 下列选项表述错误的是（ ）。 （分值：2.0分）

A. 通过专有的操作语句，可以对数据库中的数据进行操作

B. 数据库通常分为关系型数据库和非关系型数据库

C. 关系型数据库具有高扩展性和高性能的优点

D. 数据库可以通过降低数据的冗余度减小数据的存储空间

7. 下列选项表述错误的是（ ）。 （分值：2.0分）

A. 在数据量较大的情况下，关系型数据库在查询速度上通常不及非关系型数据库

B. 关系型数据库具有容易理解、使用方便、安全性能高等优点

C. 非关系型数据库具有读写性能高、存储数据格式多样等优点

D. 非关系型数据库比关系型数据库安全性能高，而且提供多种数据存储格式

8. 以下关于MySQL的说法错误的是（ ）。 （分值：2.0分）

A. MySQL是一个开源软件。

B. MySQL⾮常灵活，适⽤于⼩到中型的数据处理。

C. MySQL是一个跨平台的数据库系统： Windows ， Mac O 成人学历 tps://www.yuyue-exam.com" title="渝粤教育">渝粤教育 n" title="广东开放大学 渝粤文库 ">广东开放大学 S ， Linux 和 Unix 均适⽤。

D. MySQL是没有服务器的，不需要服务器进程或系统来操作。

9. 关于MySQL中的数据类型，下列选项表述不正确的是（ ）。 （分值：2.0分）

A. VARCHAR(length)表示最大长度 为length的可变长度字符串。

B. CHAR(length)表示最大长度为length的可变长度字符串。

C. TEXT表示最大长度为64KB的可变长度字符串。

D. DATE和TIME都可以作为日期型数据。

10. 下列哪个⼯具不能实现数据清洗功能？（ ） （分值：2.0分）

A. OpenRefine

B. Excel

C. Weka

D. photoshop

11. Weka使⽤什么编程语⾔进⾏开发？（ ） （分值：2.0分）

A. C

B. Python

C. C++

D. Java

12. 下列哪个选项不属于Weka 渝粤题库 "https://211tiku.com" title="国家开放大学">国家开放大学 集合的数据挖掘功能？（ ） （分值：2.0分）

A. 数据预处理

B. 数据可视化

C. 搭建神经⽹络

D. 关联规则挖掘

13. OpenRefine的⼯作⽅式是？（ ） （分值：2.0分）

A. 矩阵

B. 列和字段

C. 图

D. 单元格

14. OpenRefine不⽀持下列那种⽂件格式？（ ） （分值：2.0分）

A. json⽂件

B. tsv⽂件

C. py⽂件

D. csv⽂件

15. 在OpenRefine界⾯，下列哪个变量不属于 GREL 语⾔？（ ） （分值：2.0分）

A. grad

B. row

C. cell

D. value

16. 在OpenRefine界⾯，下列哪个选项能够查看数据集data中是否含有缺失值？（ ） （分值：2.0分）

A. data.index

B. data.cell

C. isNull(data)

D. data.value

17. 下列选项表述不正确的是（ ）。 （分值：2.0分）

A. OpenRefine使用的是计算机的3333端口

B. 可以在OpenRefine界面的Language Settings 选项处进行语言的选择

C. OpenRefine使用的是计算机的8000端口

D. 可以在命令行使用ctrl+c命令退出OpenRefine软件

18. 下列选项表述不正确的是（ ）。 （分值：2.0分）

A. GREL为OpenRefine的内建语言，不能与正则表达式结合进行数据转换

B. OpenRefine支持多种数据导入方式

C. OpenRefine支持撤销操作

D. OpenRefine支持多种格式的数据文件

19. 在openrefine的内建语言中，能将string s转换为小写的是（ ）。 （分值：2.0分）

A. endsWith(string s, string sub)

B. toLowercase(string s)

C. toUppercase(string s)

D. startsWith(string s，string sub)

简答题/计算题

1. 请简述常用的分组方式。 （分值：12.0分）

2. 现有表douban,表内有若干条出版社数据信息。 id为出版社编号，publish_ name列为出版社名称，book_number列为出版书籍数量，publish_ link为出版社链接网址。 请使用select和like语句查询出名字以北京开头的出版社名称( publish_ name)。并提交与判定SQL语句。 （分值：12.0分）

3. 现有如下图所示的学生信息，请根据图中的信息完成以下操作： （1）根据年级信息为分组键，对学生信息进行分组，并输出大一学生信息。（18分） （2）分别计算出四个年级中身高最高的同学。（10分） （3）计算大一学生与大三学生的平均体重。（10分） 请将程序写在下面的文本框内。 （分值：38.0分）