搜题
章节测试答案
学历考试
继续教育
网课答案
网课答案全集
登录
注册
请在
下方输入
要搜索的题目:
搜 索
立 即 搜 题
导入一个名为df 的数据框(DataFrame)后,删除其缺失值的指令_________
导入
缺失
指令
发布时间:
2024-04-03 08:47:04
首页
知道智慧树
推荐参考答案
(
由 搜题小帮手 官方老师解答 )
联系客服
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。
查看参考答案
相关试题
1.
导入一个名为df 的数据框(DataFrame)后,取出age值大于3的行的指令______
2.
导入一个名为df 的数据框(DataFrame)后,取出age在2,4间的行(不含第2,4行)的指令为_____
3.
若DataFrame对象df存储的数据集中存在不同程度的缺失值NaN,则执行该对象的dropna方法删除这些缺失值时,以下说法正确的是( )。选项: A:对象df中的原数据会始终保持不变 B:若参数axis=0,只要某行中存在缺失值,该行数据将被全部删除 C:若参数axis=0且每行都存在缺失值,df将成为一个空的DataFrame对象 D:若参数axis=1且每列都存在缺失值,df将成为一个空的DataFrame对象
4.
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
5.
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。
6.
以下关于缺失值的处理描述错误的是( )。选项: A:通过dataframe的isnull()方法可直接查询到每一列缺失值的个数 B:通过dataframe的dropna()方法可查删除缺失值 C:通过dataframe的fillna()方法可填充缺失值 D:对于dataframe中具有缺失值的行可以进行删除或填充处理
7.
{ 一个含有NaN数据的数据帧DataFrame: df = pd.DataFrame({'value1':, 'value2':['a','b','c','d','e',np.nan,np.nan,'f','g',np.nan,'g']}) ()给df的缺失值填充} 选项: A、df = df.fillna(axis=0,subset=[0]) B、df = df.fillna(0,inplace=0) C、df =df.fillna(fillna(0)) D、df = df.fillna(0,inplace = False)
8.
(判断题)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
9.
47.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。 ( )(0.25分) 选项: A:正确 B:错误
10.
使用pandas读取文件data.csv中的数据,创建DataFrame对象,并删除其中所有缺失值;
11.
pandas.DataFrame.dropna(axis = 0)表示删除缺失值所在的行。( )
12.
当缺失数据较少时直接删除相应样本,删除缺失数据样本,其前提是缺失数据的比例较少,而且缺失数据是随机出现的,这样删除缺失数据后对分析结果影响不大。( )选项: A:对 B:错
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.
df是数据框类型对象,删除数据框中重复数据的语句是( )。 选项: A、df.drop_duplicates() B、其它均正确 C、df.drop_duplicates(inplace=False) D、df.drop_duplicates(inplace=True)
15.
关于缺失值检测的说法正确的是() A: pandas中的interpolate模块包含了多种插值方法 B: null和notnull可以对缺失值进行处理 C: dropna方法既可以删除观测值,也可以删除特征 D: fillna用来替换缺失值的值只能是数据框
16.
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
17.
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
18.
假设 df = pd.DataFrame({'A':[1,np.nan,np.nan,4],'B':[5,6,np.nan,9]}),若对缺失值处理后返回如下DataFrame: A B 0 1.0 5.0 1 1.0 6.0 2 1.0 6.0 3 4.0 9.0 则正确的是: 选项:A、df.ffill()B、df.bfill()C、df.fillna(df.mean())D、df.fillna(df.min())
19.
关于缺失值检测的说法正确的是()A.pandas中的interpolate模块包含了多种插值方法B.null和notnull可以对缺失值进行处理C.dropna方法既可以删除观测值,也可以删除特征D.fillna用来替换缺失值的值只能是数据框
20.
Spark SQL 中删除一列DATAFRAME数据的命令是( ) 选项: A:df.delete('列名') B:df.dropcolumn('列名') C:df.del('列名') D:df.drop('列名')
21.
要获取名为df的DataFrame的某个数据,下列选项中正确的是() A: df[行索引] B: df[列索引] C: df[行索引][列索引] D: df[列索引][行索引]
22.
pandas.DataFrame.dropna(axis = 0)表示删除缺失值所在的行。( )选项: A:对 B:错
23.
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
24.
Spark SQL 中删除一列DATAFRAME数据的命令是( ) 选项: A、df.delete('列名') B、df.del('列名') C、df.drop('列名') D、df.dropcolumn('列名')
25.
要获取名为df的DataFrame的某个数据,下列选项中正确的是() 选项: A、df[行索引] B、df[列索引] C、df[行索引][列索引] D、df[列索引][行索引]
用户中心
登录
没有账号?
点我注册
热门标签
独裁官
被保险人
技艺高超
工程款
平等
田里
图穷匕现
忽如一夜春风来
识形
判断力
登录 - 搜题小帮手
登录
立即注册
已购买搜题包,但忘记账号密码?
登录即同意
《服务协议》
及
《隐私政策》
注册 - 搜题小帮手
确认注册
立即登录
登录即同意
《服务协议》
及
《隐私政策》
购买搜题卡查看答案
购买前请仔细阅读
《购买须知》
体验
30天体验包
¥
5.99
无赠送,体验一下
查看100次答案
推荐
半年基础包
¥
9.99
畅享300次搜题
查看300次答案
随心用
超值包一年
¥
29.99
超值包,一万次搜题
查看10000次答案
月卡
月卡
¥
19.99
30天无限搜题
查看30天答案
请选择支付方式
已有帐号 点我登陆
微信支付
支付宝扫码
请输入您的手机号码:
点击支付即表示同意并接受了
《服务协议》
和
《购买须知》
填写手机号码系统自动为您注册
立即支付
我们不保证100%有您要找的试题及正确答案!请确保接受后再支付!
联系客服
找回账号密码
微信支付
订单号:
1111
遇到问题请
联系客服
恭喜您,购买搜题卡成功
系统为您生成的账号密码如下:
账号
密码
重要提示:
请勿将账号共享给其他人使用,违者账号将被封禁。
保存账号查看答案
请不要关闭本页面,支付完成后请点击【支付完成】按钮
支付完成
取消支付
遇到问题请联系
在线客服