上海人工智能训练师三级python代码填空最新题库_在线真题试卷与模拟练习_上海人工智能训练师三级python代码填空最新题库

更新时间：试题数量：购买人数：提供作者：

有效期：个月

章节介绍：共有个章节

我的练习

我的错题
(0道)

我的收藏
(0道)

我的斩题
(0道)

我的笔记
(0道)

专项练习

顺序练习 0 / 0

随机练习 自定义设置练习量

题型乱序 按导入顺序练习

模拟考试 仿真模拟

题型练习 按题型分类练习

易错题 精选高频易错题

学习资料 考试学习相关信息

搜索

题库预览

# 读取数据集

data = pd._______________________

# 创建新列'RiskLevel'，根据住院天数判断风险等级 3分

data['RiskLevel'] =___.________________, '高风险患者', '低风险患者')

# 统计不同风险等级的患者数量 2分

risk_counts = ________________________

# 计算高风险患者占比 1分

high_risk_ratio = risk_counts['高风险患者'] / ______

# 计算低风险患者占比 1分

low_risk_ratio = risk_counts['低风险患者'] / _______

# 输出结果

print(高风险患者数量:, ________ ['高风险患者'])

print(低风险患者数量:, ________ ['低风险患者'])

print(高风险患者占比:, ________ )

print(低风险患者占比:,_________)

# 根据BMI值划分指定区间 4分

data['BMIRange'] = ____.__________________________________, right=False) # 使用左闭右开区间

# 计算每个BMI区间中高风险患者的比例 2分

bmi_risk_rate = ____________________['RiskLevel'].apply(lambda x: (x == '高风险患者').mean())

# 统计每个BMI区间的患者数量 1分

bmi_patient_count = data____________

# 输出结果

print("BMI区间中高风险患者的比例和患者数:")

print(________________)

# 根据年龄值划分指定区间 4分 data['AgeRange'] = ______.__________________________,right=False) # 使用左闭右开区间)

# 计算每个年龄区间中高风险患者的比例 2分 age_risk_rate = _________________________ ['RiskLevel'].apply(lambda x: (x == '高风险患者').mean())

# 统计每个年龄区间的患者数量 1分 age_patient_count = data______.________

# 输出结果 print(年龄区间中高风险患者的比例和患者数:) print(_________________) print(_________________)

# 读取数据集 data =___________________________

# 对传感器类型进行分组，并计算每个组的数据数量和平均值 sensor_stats = ___________________['Value'].___________________)

# 筛选出温度和湿度数据，然后按位置和传感器类型分组，计算每个组的平均值 location_stats = data[data['SensorType']._____________________________['Value'].mean().unstack()

# 标记异常值 data['is_abnormal'] = _____________( ((__________________)＆ ((data['Value'] ＜ -10) | (data['Value'] > 50))) | ((__________________) ＆ ((data['Value'] ＜ 0) | (data['Value'] > 100))), True, False )

# 输出异常值数量 print("异常值数量:", data['is_abnormal'].________)

# 使用前向填充和后向填充的方法填补缺失值 data['Value'].___________________, inplace=True) data['Value'].___________________, inplace=True)

# 删除用于标记异常值的列，并将清洗后的数据保存到新的CSV文件中 cleaned_data = ______________________=['is_abnormal']) __________________('cleaned_sensor_data.csv',____________)

# 1. 数据完整性审核 missing_values = data.________________ # 数据缺失值统计 duplicate_values = data.________________ # 数据重复值统计