请在 下方输入 要搜索的题目：
推荐参考答案 (
由 搜题小帮手 官方老师解答 )
答案：
以下文字与答案无关
提示：有些试题内容 显示不完整,文字错误 或者 答案显示错误等问题，这是由于我们在扫描录入过程中 机器识别错误导致,人工逐条矫正总有遗漏，所以恳请 广大网友理解。
相关试题
- 1.若df是pandas中的DataFrame对象，使用df.dropna(axis = 1)可以删除缺失值所在的列。 选项： A:正确 B:错误
- 2.语句 dataframe.dropna(thresh=len(df)*0.9,axis=1)表示如果某列的缺失值超过90%,则删除该列。
- 3.语句dataframe.dropna(thresh=len(df)*0.9,axis=1) 表示如果某列的缺失值超过90%则删除该列。 （ ） 选项： A:正确 B:错误
- 4.pandas中的DataFrame对象在做丢弃缺失值处理时，关键字参数how=( )表示只要该行或该列存在一个缺失值时，就丢弃该行或该列。
- 5.pandas.DataFrame.dropna(axis = 0)表示删除缺失值所在的行。（ ）
- 6.【单选题】设df是一个DataFrame对象，下列选项中，哪个可以用于筛选包含缺失值的行（） 选项： A: df np.any(df.isna(), axis=1) ] B: df df.columnsnp.any(df.isna(),axis=0)] ] C: np.sum(df.isna()) D: dfdf.isna()]
- 7.pandas.DataFrame.dropna(axis = 0,how = "all")表示所有值均为缺失值才删除该行。（ ）选项： A:对 B:错
- 8.若DataFrame对象df中存在重复数据，执行该对象的drop_duplicates方法，则以下说法不正确的是（ ）。选项： A:可以将df中所有的重复数据真正删除 B:只能删除df中行完全重复的所有数据 C:可以删除df中指定列完全重复的所有数据 D:删除重复数据后，行索引保持不变
- 9.若DataFrame对象df中存在重复数据，以下说法正确的是（ ）。 A: 执行df. drop_duplicates()语句，将真正删除df中原有的重复数据 B: 使用df. drop_duplicates()方法仅可以删除重复的行数据 C: 使用df. drop_duplicates()方法将删除所有重复的数据 D: 使用df. drop_duplicates()方法可以删除指定列的全部重复数据
- 10.若DataFrame对象df中存在重复数据，以下说法正确的是（ ）。 选项： A、执行df. drop_duplicates()语句，将真正删除df中原有的重复数据 B、使用df. drop_duplicates()方法仅可以删除重复的行数据 C、使用df. drop_duplicates()方法将删除所有重复的数据 D、使用df. drop_duplicates()方法可以删除指定列的全部重复数据
- 11.若要填充DataFrame中的缺失值为特定值，以下哪个方法是正确的？ 选项：A、 `df.remove_na()`B、 `df.fillna()`C、 `df.dropna()`D、 `df.fill_missing()`
- 12.假设有一个名为"df"的Pandas DataFrame对象，要将其中的空值(NaN)替换为0，应该使用以下哪个语句？ 选项： A: df.replace(0, np.nan) B: df.dropna() C: df.interpolate() D: df.fillna(0)
- 13.假设有一个名为"df"的Pandas DataFrame对象，要将其中的空值(NaN)替换为0，应该使用以下哪个语句？ 选项： A: df.replace(0, B: df.dropna() C: df.interpolate() D: df.fillna(0)
- 14.关于DataFrame数据对象的添加和删除操作，_______是正确的描述。选项： A:DataFrame对象不能直接添加新的列数据; B:可以设置axis的值删除DataFrame指定行或列的数据; C:DataFrame对象不能直接添加新的行数据; D:DataFrame中数据元素的值不能修改
- 15.关于DataFrame数据对象的添加和删除操作，_______是正确的描述。选项： A:DataFrame对象不能直接添加新的列数据; B:DataFrame对象不能直接添加新的行数据; C:可以设置axis的值删除DataFrame指定行或列的数据; D:DataFrame中数据元素的值不能修改
- 16.在针对西尼罗河病毒预测过程中数据预处理用到了处理缺失值的手段。若数据集中仅存在少量的缺失值，则处理缺失值的一般方法有：（ ）。选项： A:删除缺失值所在的整列 B:删除缺失值所在的整行 C:使用中位数插补 D:使用众数插补
- 17.名为df的DataFrame求每一列的均值，可以使用： 选项： A、df.mean() B、df.mean(axis=1) C、df.mean(axis=0) D、df.average(axis=0)
- 18.DataFrame.dropna()中的参数how取值为 时表示行/列的全部值都为缺失值才会进行移除。
