【译】技能测试解决方案：Python中的数据科学（二）

摘要：比较折中的解决方案是，另外建立二分类变量，当变量为缺失值时，该变量取值，否则取值。一种方案是创建变量变量的数据透视表，并求变量的值。一种解决办法是加载指定数目的行数到内存中。

本文是译文，可以转载，但需注明出处，点击这里可以获取原文，有删减。
本系列博文包含四篇文章：
【译】技能测试解决方案：Python中的数据科学（一）——Q1-Q15
【译】技能测试解决方案：Python中的数据科学（二）——Q16-Q30
【译】技能测试解决方案：Python中的数据科学（三）——Q31-Q45
【译】技能测试解决方案：Python中的数据科学（四）——A1-A45及其解释

Q16

在上述数据集中， “Cabin”变量5个样本中就有3个是缺失值，如果某个变量含有较高比例的缺失值，我们可以删除该类变量，但这样做又会损失一定的信息量。
比较折中的解决方案是，另外建立二分类变量 “Missing_Cabin”，当“Cabin”变量为缺失值时，该变量取值1，否则取值0。
下列哪行代码可以实现这个需求？

A - train["Missing_Cabin"] = train.Cabin.apply(lambda x: x == "")
B - train["Missing_Cabin"] = train.Cabin.isnull() == False
C - train["Missing_Cabin"] = train.Cabin.isnull().astype(int)
D - 以上选项都不能

Q17

上述数据集是出口产品的属性数据，但是在原始数据中，没有列名。我们怎样读入包含指定列名的数据框的数据集？

A - pd.read_csv("train.csv", header=None, columns=["Item_Identifier", "Item_Weight", "Item_Fat_Content", "Item_Visibility" ])
B - pd.read_csv("train.csv", header=None, usecols=["Item_Identifier", "Item_Weight", "Item_Fat_Content", "Item_Visibility"])
C - pd.read_csv("train.csv", header=None, names=["Item_Identifier" ,"Item_Weight" ,"Item_Fat_Content", "Item_Visibility"])
D - 以上选项都不能    

Q18

当我们使用pandas读入数据集时，变量的类型可能解析得不对。为此，我们需要在读入数据集时，指定每个变量的数据类型，或者读入数据集后，转换指定变量的数据类型。
下列哪行代码可以把“Item_Fat_Content” 变量由“object”类型改变成“category”类型？

A - train["Item_Fat_Content"] = train["Item_Fat_Content"].asdtype("categorical")
B - train["Item_Fat_Content"] = train["Item_Fat_Content"].astype("category")
C - train["Item_Fat_Content"] = train["Item_Fat_Content"].asdtype("category")
D - 以上选项都不能 

Q19

上述数据集中， “Item_Identifier”变量似乎和“Item_Type”变量存在一些关系：当“Item_Identifier”变量首字母发生变化时， “Item_Type” 变量随即也发生变化。当“Item_Identifier”变量以字母“F”开头时，对应的“Item_Type” 变量取值都是可以吃的物品，而“D”则对应的是饮料。
为了检验这个假设，下列哪行代码可以查询出所有“Item_Identifier” 变量以“F”开头的样本？

A - train.Item_Identifier.str.starts_with("F")
B - train.Item_Identifier.str.startswith("F")
C - train.Item_Identifier.str.is_start("F")
D - 以上选项都不能 

Q20

下列哪行代码可以把 “Item_MRP”变量由“浮点型”改变成“整型”？

A - train["Item_MRP"] = train.Item_MRP.astype(real)
B - train["Item_MRP"] = train.Item_MRP.astype(int)
C - train["Item_MRP"] = train.Item_MRP.astype(float)
D - 以上选项都不能

Q21

我们现在还有另外一个假设：在超市里，对于新顾客而言，一个物品越容易看到，它的销量就会越好。
下列哪行代码可以计算 “Item_Outlet_Sales”变量和 “Item_Visibility”变量之间的皮尔逊相关系数？

A - train.Item_Visibility.corr(train.Item_Outlet_Sales, method="pearson")
B - train.Item_Visibility.corr(train.Item_Outlet_Sales)
C - train.Item_Visibility.corrwith(train.Item_Outlet_Sales, method="pearson")
D - A和B都可以

Q22

我们想查看“Hours.Per.Week”变量相对于用户的“Marital.Status”变量和“Occupation”变量的分布。一种方案是创建“Marital.Status”变量vs“Occupation”变量的数据透视表，并求“Hours.Per.Week”变量的值。
下列哪行代码可以实现这个需求？（聚合函数设定为“Sum”）

A - train.pivot(index="Marital.Status", columns="Occupation", values="Hours.Per.Week", aggfunc="sum")
B - train.pivot_table(index="Marital.Status", columns="Occupation", values="Hours.Per.Week", aggfunc="sum")
C - train.pivot_table(index="Marital.Status", columns="Hours.Per.Week", values="Occupation", aggfunc="sum")
D - 以上选项都不能

Q23

上述数据集中，假设前两行都不是我们想要的，我们想从第三行开始读入数据，在pandas 中如何操作？

A - train = pd.read_csv("train.csv", startrow=2)
B - train = pd.csvReader("train.csv", startrow=2)
C - train = pd.read_csv("train.csv", skiprows=2)
D - 以上选项都不能

Q24

假设数据集太大而不能加载到本地机器中，但是我们仍然想把它加载到内存中。一种解决办法是加载指定数目的行数到内存中。
下列哪行代码可以只读取前500行数据到内存中？

A - train = pd.read_csv("train.csv", nrows=500)
B - train = pd.read_csv("train.csv", numrows=500)
C - train = pd.read_csv("train.csv", rows=500)
D - 以上选项都不能

Q25

我们现在想要知道“Relationship”变量在数据集中的分布。 为此，我们可以发现用户数与“Relationship”变量的百分比分布。
要做到这一点，需要找到“Relationship”变量所有取值的样本量，然后将其除以总样本数，得到百分比并将其映射到每一列即可。
下列哪行代码可以实现这个需求？

A - train["Relationship_Percentage"] = train.Relationship.map(train.Relationship.value_count/train.shape[0])
B - train["Relationship_Percentage"] = train.Relationship.map(train.Relationship.value_counts()/train.shape[0])
C - train["Relationship_Percentage"] = train.Relationship.map(train.Relationship.value_counts/train.shape[0])
D - 以上选项都不能

Q26

上述数据集中，“Date_time_of_event”变量被解析成“分类型”变量，因此，一些有关日期的操作不能作用于该变量。
下列哪行代码可以把 “Date_time_of_event”变量由“分类型”变量转换成“时间型”变量？

A - train["Date_time_of_event"] = pd.to_datetime(train.Date_time_of_event, date_format="%d-%m-%Y")
B - train["Date_time_of_event"] = pd.to_datetime(train.Date_time_of_event, format="%d-%m-%Y %H:%M")
C - train["Date_time_of_event"] = pd.to_datetime(train.Date_time_of_event, date_format="%d-%m-%Y %h:%m")
D - 以上选项都不能

Q27

上述数据集中，我们想根据“Date_time_of_event” 变量衍生出 “Date”变量，下列哪行代码可以提取出“Date_time_of_event” 变量中的日期？

A - train.Date_time_of_event.dt.days
B - train.Date_time_of_event.dt.day
C - train.Date_time_of_event.dt.Day
D - 以上选项都不能

Q28

下列哪行代码可以提取“Date_time_of_event” 变量中的工作日？

A - train.Date_time_of_event.dt.weekdayname
B - train.Date_time_of_event.dt.weekday_name
C - train.Date_time_of_event.dt.Weekday_name
D - 以上选项都不能

Q29

“时间型”变量可能被解析成unix格式，在抽取有用信息之前，我们必须把它转换成可用的格式，下列哪行代码可以实现？

A - pd.to_datetime(train["TIMESTAMP"],unit="s")
B - pd.to_datetime(train["TIMESTAMP"],unit="second")
C - pd.to_datetime(train["TIMESTAMP"],unit="unix")
D - 以上选项都不能

Q30

下列哪行代码可以找出“现在”与 ‘Date_time_of_event’变量之间的时间差？

A - pd.datetime.now - train.Date_time_of_event.dt
B - pd.datetime.now() - train.Date_time_of_event.dt
C - pd.datetime.now() - train.Date_time_of_event
D - 以上选项都不能

友情链接：
【译】技能测试解决方案：Python中的数据科学（一）——Q1-Q15
【译】技能测试解决方案：Python中的数据科学（三）——Q31-Q45
【译】技能测试解决方案：Python中的数据科学（四）——A1-A45及其解释