1.存在一组DataFrame类型数据df，如下所示，需要删除数据中的索引标签为’b’和’d’的行，以下选项中操作有误的是哪个（B）。
| Index/columns |
X | Y | Z |
| a | 0 | 5 | 10 |
| b | 1 | NaN |
11 |
| c | 2 | 7 | 12 |
| d | 3 | 8 | NaN |
| e | 4 | 9 | 14 |
A.df.drop(['b',’d’])
B.df.drop(df.index[[2,4]])
C.df.drop(['b','d'],axis=0)
D.df.dropna()
解析：
drop()函数用来数据清洗的一种操作，删除dataFrame中的行或者列，dropna()函数是用来删除数据中存在空缺值的行或者列。
A选项是根据索引名的方式对数据行的删除操作，A描述正确；
B选项是采用索引值的的方式对数据进行删除，但是在DataFrame数据中行的索引号是从0开始计数，因此正确写法应该是.df.drop(df.index[[1,3]])，因此B项描述错误；
C选项和A选项描述的是一种意思，drop()函数默认axis参数就为0，因此C描述正确；
D选项是是删除含有空缺值的行，因此D选项描述正确。
2.在相关性分析中需要相关的两个变量（A）。
A.因变量是随机的量，自变量也是随机的量
B.因变量是随机的量，自变量是控制的量
C.因变量是控制的量，自变量是随机的量
D.因变量是控制的量，自变量也是控制的量
解析：
进行相关性分析时，不必事先确定两个变量中哪个是自变量哪个是因变量，相关性分析中两个变量都是随机的变量。
3.存在一组numpy.ndarrry类型数据a=np.array([1,2,3,4])和各个数值的权重w=np.array([4,3,2,1])，以下哪种方法可以求得权重平均值（C）
A.np.mean()
B.np.nanmean()
C.np.average()
D.np.std()
解析：
A. mean()的功能是求取平均值；
B. nanmean()的功能是计算忽略NaN值的数组平均值。如果数组具有NaN值，我们可以找出不受NaN值影响的均值；
C. mean() 和 average(）都有取平均数的意思， 在不考虑加权平均的前提下，两者的输出是一样的 ,但是考虑权重的情况下， np.average(a,weights=w) 还可以计算加权平均值；
D.std()计算矩阵或者数组的标准差；
故正确答案选C。
4.进行数据预处理时，使用pandas模块中去重函数drop_duplicates，代码如下，选项中说法不正确的是（B）
df.drop_duplicates(subset=['A','B','C'],keep= ,inplace= )A.参数subset用于指定要去重的列名
B.keep指定要保留行，有两个可选参数first和last
C.inplace表示是否要在原数据操作或者存为副本
D.去重后行标签不变，如需改变可使用df.reset_index()重置索引
解析：
subset：表示要进行去重的列名，A项正确；
keep：有三个可选参数，分别是 first、last、False，默认为 first，表示只保留第一次出现的重复项，删除其余重复项，last 表示只保留最后一次出现的重复项，False 则表示删除所有重复项；B项错误；
inplace：布尔值参数，默认为 False 表示删除重复项后返回一个副本，若为 Ture 则表示直接在原数据上删除重复项；C项正确；
重置索引函数为reset_index()，因此D正确；
故正确答案选B。
5.下列关于sklearn中的train_test_split函数说法正确的是（D）。
A.数据集划分的比例是固定不变的
B.从样本中随机的按比例选取训练集、验证集和测试集
C.train_test_split函数是随机选取样本，所以无法保证每次数据一样
D.设置stratify参数，可以处理数据不平衡问题
解析：
A项，数据集划分的比例可以通过test_size样本占比参数进行指定；
B项，通过train_test_split函数只能划分训练集和测试集两个集合；
C项，虽然train_test_split函数是从样本中随机的按比例选取训练数据和测试数据，但是可以通过random_state随机数的种子参数进行固定划分；
D项，参数stratify可以处理数据类型不平衡问题，依据标签y，按原数据y中各类比例，分配给train和test，使得train和test中各类数据的比例与原数据集一致；
故正确答案选D。