ExamCrush
前台
收藏
错题本
后台
Python数据分析与应用
第6章 数据可视化
本章共 25 题，可按题型筛选。
返回课程
全部
单选
填空
简答
编程
从第一题开始
#1
单选
数据可视化过程的核心是将数据转化为视觉结构。根据材料，以下关于可视化处理流程的 排序正确的是：
#2
单选
在探索数据特征时，如果你需要识别一组数据中的异常值（Outliers）并观察数据的对称 性，最适合的图表是：
#3
单选
关于直方图（Histogram）与柱形图（Bar Chart）的区别，以下描述错误的是：
#4
单选
在 Matplotlib 中，如果需要在同一张图中绘制两条折线，以下哪种方式是可行的？
#5
单选
Seaborn 库相比 Matplotlib 的主要优势在于：
#6
单选
在 Seaborn 中，如果想要观察双变量（Bivariate）数据之间的关系，且当数据量极大导致 点位重叠严重时，建议使用以下哪种 jointplot 的 kind 参数值？
#7
单选
Pyecharts 库的 set_global_opts 方法主要用于配置：
#8
单选
词云图（WordCloud）中，每个词的大小通常代表：
#9
单选
在使用 Pyecharts 渲染图表时，如果希望在 Jupyter Notebook 环境中直接显示图像，应调 用哪个方法？
#10
单选
箱形图（Boxplot）利用五个统计量描述数据，其中不包括：
#11
填空
数据可视化是指将大型数据集中的数据以图形、图像形式表示，并利用数据分析和开发工 具发现其中________的处理过程。
#12
填空
在 Matplotlib 中，调用 plt.plot() 时，可以通过参数________设置标记的大小，通过参数 ________设置标记的形状。
#13
填空
散点图又称 ________ 图，主要用于判断两个变量之间是否存在某种关联。
#14
填空
箱形图中的五个核心统计量分别是最小值、 ________ 、中位数、 ________ 和最大值。
#15
填空
在 Seaborn 中，displot() 函数默认用于绘制 ________。
#16
填空
小提琴图结合了箱形图与 ________ 的特征，用于展示多组数据的分布状态以及概率密 度。
#17
填空
Pyecharts 库中，所有图表类都继承自 ________ 基类。
#18
填空
Pyecharts 提供的配置项分为全局配置项和 ________ 配置项。
#19
填空
在 Pyecharts 的直角坐标系图表中，添加
x
x
x
轴数据通常使用 ________ 方法，添加
y
y
y
轴数据使用 add_yaxis()。
#20
填空
为了解决 Matplotlib 绘图时中文显示乱码的问题，通常需要设置 plt.rcParams['font.sans- serif'] = ['________']。
#21
简答
请简述数据可视化的意义，并列举数据可视化的三个核心步骤。
#22
简答
比较并说明 Seaborn 中 stripplot() 和 swarmplot() 在处理分类数据散点图时的异同点。
#23
简答
什么是核密度估计（KDE）曲线？它在数据分布观察中有什么作用？
#24
简答
请解释 Pyecharts 中“链式调用”的概念及其优点。
#25
编程
Matplotlib 实战： 现有一组北京未来 5 天的高温数据
y
m
a
x
=
[
28
,
30
,
29
,
27
,
31
]
y_{max} = [28, 30, 29, 27, 31]
y
ma
x
=
[
28
,
30
,
29
,
27
,
31
]
，请补全代码，使用 Matplotlib 绘制带数据标记的折线图，并添加标题“5日高温趋势”及
x
,
y
x, y
x
,
y
轴标签。 import matplotlib.pyplot as plt import numpy as np x = np.arange( 1 , 6 ) y_max = np.array([ 28 , 30 , 29 , 27 , 31 ]) # 设置中文显示 plt.rcParams[ 'font.sans-serif' ] = [ 'SimHei' ] # 1. 补全绘图代码，要求：标记为圆点 'o'，标记大小为 8 ____________________________________________________ # 2. 补全添加标题和轴标签的代码 ____________________________________________________ ____________________________________________________ ____________________________________________________ plt.show() Seaborn 实战： 假设 tips 是一个包含消费数据的数据集，其中 total_bill 表示账单总额。请编写核心代码，使用 Seaborn 展示该变量的概率分布情况，要求同时显示直方图和核密度估计曲线，并将直方图的分 箱数（bins）设为 15。 import seaborn as sns import matplotlib.pyplot as plt # 假设数据已加载 # tips = sns.load_dataset('tips') # 请在下方写出绘制分布图的核心函数调用 ____________________________________________________