单选题 在代码中，设置坐标轴负号显示的语句是（）【仅支持A-H选项，选项超出支持范围】
A、df['公司铁精粉销售价格'] = price_pred
B、plt.ylabel("价格", fontsize=16)
C、import matplotlib.pyplot as plt
D、df=pd.read_excel('企业销售分析与预测/价格预测数据_清洗后.xlsx')
E、plt.rcParams['axes.unicode_minus'] = False
F、plt.plot(x_index, Y_test, linestyle='-', marker='s', color='orangered', label="真实值", linewidth=2)
G、plt.figure(figsize=(16, 9), dpi=80)
H、X = df.drop(columns=['日期', '公司铁精粉销售价格']) 【I. I.Y = df['公司铁精粉销售价格']】 【J. J.lr.fit(X_train, Y_train)】 (正确答案: E, 以此为准)
单选题 在代码中，训练线性回归模型的语句是（）【仅支持A-H选项，选项超出支持范围】
A、df['公司铁精粉销售价格'] = price_pred
B、plt.ylabel("价格", fontsize=16)
C、import matplotlib.pyplot as plt
D、df=pd.read_excel('企业销售分析与预测/价格预测数据_清洗后.xlsx')
E、plt.rcParams['axes.unicode_minus'] = False
F、plt.plot(x_index, Y_test, linestyle='-', marker='s', color='orangered', label="真实值", linewidth=2)
G、plt.figure(figsize=(16, 9), dpi=80)
H、X = df.drop(columns=['日期', '公司铁精粉销售价格']) 【I. I.Y = df['公司铁精粉销售价格']】 【J. J.lr.fit(X_train, Y_train)】 (正确答案: J, 以此为准)
单选题 在代码中，绘制真实值曲线的语句是（）【仅支持A-H选项，选项超出支持范围】
A、df['公司铁精粉销售价格'] = price_pred
B、plt.ylabel("价格", fontsize=16)
C、import matplotlib.pyplot as plt
D、df=pd.read_excel('企业销售分析与预测/价格预测数据_清洗后.xlsx')
E、plt.rcParams['axes.unicode_minus'] = False
F、plt.plot(x_index, Y_test, linestyle='-', marker='s', color='orangered', label="真实值", linewidth=2)
G、plt.figure(figsize=(16, 9), dpi=80)
H、X = df.drop(columns=['日期', '公司铁精粉销售价格']) 【I. I.Y = df['公司铁精粉销售价格']】 【J. J.lr.fit(X_train, Y_train)】 (正确答案: F, 以此为准)
单选题 利用Python进行企业销售分析与预测，完成以下Python代码填空：
#导入Python库
import pandas as pd
import numpy as np
____1____
plt.rcParams['font.sans-serif'] = ['simhei']
____2____
from sklearn.model_selection import train_test_split
from sklearn import metrics
from sklearn.linear_model import LinearRegression
#获取数据
____3____
df=pd.read_excel('企业销售分析与预测/价格预测数据_清洗后.xlsx')
print(df.head(n=1))
#数据预处理
____4____
column_name = X.columns
____5____
#数据建模
X_train, X_test, Y_train, Y_test = train_test_split(X, Y, train_size=0.8, test_size=0.2, random_state=123)
lr = LinearRegression()
____6____
Y_pred = lr.predict(X_test)
mse_value = metrics.mean_squared_error(Y_test, Y_pred)
print('均方误差MSE:', mse_value)
r2_score_value = metrics.r2_score(Y_test, Y_pred)
print('决定系数R2:', r2_score_value)
____7____
x_index = range(1, len(Y_test) + 1)
____8____
plt.plot(x_index, Y_pred, linestyle='-', marker='o', color='dodgerblue', label="预测值", linewidth=2)
____9____
plt.legend(loc="best")
plt.xticks([])
plt.savefig('预测值与测试值的关系.png')
plt.show()
df_weight = pd.DataFrame({'特征': column_name, '系数': np.round(lr.coef_, 3)})
df_weight.to_excel('回归系数.xlsx', index=False, encoding='utf-8-sig')
print(df_weight)
#模型预测
df = pd.read_excel('企业销售分析与预测/价格预测数据_下期因素数据.xlsx')
print(df)
data = df[['国内市场铁精粉价格', '下游钢材产量', '下游钢材价格', '政策影响']]
price_pred = lr.predict(data)
____10____
print(df)
df.to_excel('价格预测数据结果.xlsx', index=False, encoding='utf-8-sig')【仅支持A-H选项，选项超出支持范围】
A、df['公司铁精粉销售价格'] = price_pred
B、plt.ylabel("价格", fontsize=16)
C、import matplotlib.pyplot as plt
D、df=pd.read_excel('企业销售分析与预测/价格预测数据_清洗后.xlsx')
E、plt.rcParams['axes.unicode_minus'] = False
F、plt.plot(x_index, Y_test, linestyle='-', marker='s', color='orangered', label="真实值", linewidth=2)
G、plt.figure(figsize=(16, 9), dpi=80)
H、X = df.drop(columns=['日期', '公司铁精粉销售价格']) 【I. I.Y = df['公司铁精粉销售价格']】 【J. J.lr.fit(X_train, Y_train)】 (正确答案: C, 以此为准)
单选题 在代码中，处理特征数据（删除日期和销售价格列）的语句是（）【仅支持A-H选项，选项超出支持范围】
A、df['公司铁精粉销售价格'] = price_pred
B、plt.ylabel("价格", fontsize=16)
C、import matplotlib.pyplot as plt
D、df=pd.read_excel('企业销售分析与预测/价格预测数据_清洗后.xlsx')
E、plt.rcParams['axes.unicode_minus'] = False
F、plt.plot(x_index, Y_test, linestyle='-', marker='s', color='orangered', label="真实值", linewidth=2)
G、plt.figure(figsize=(16, 9), dpi=80)
H、X = df.drop(columns=['日期', '公司铁精粉销售价格']) 【I. I.Y = df['公司铁精粉销售价格']】 【J. J.lr.fit(X_train, Y_train)】 (正确答案: H, 以此为准)
单选题 在代码中，获取目标变量（公司铁精粉销售价格）的语句是（）【仅支持A-H选项，选项超出支持范围】
A、df['公司铁精粉销售价格'] = price_pred
B、plt.ylabel("价格", fontsize=16)
C、import matplotlib.pyplot as plt
D、df=pd.read_excel('企业销售分析与预测/价格预测数据_清洗后.xlsx')
E、plt.rcParams['axes.unicode_minus'] = False
F、plt.plot(x_index, Y_test, linestyle='-', marker='s', color='orangered', label="真实值", linewidth=2)
G、plt.figure(figsize=(16, 9), dpi=80)
H、X = df.drop(columns=['日期', '公司铁精粉销售价格']) 【I. I.Y = df['公司铁精粉销售价格']】 【J. J.lr.fit(X_train, Y_train)】 (正确答案: I, 以此为准)
单选题 在代码中，设置图表大小的语句是（）【仅支持A-H选项，选项超出支持范围】
A、df['公司铁精粉销售价格'] = price_pred
B、plt.ylabel("价格", fontsize=16)
C、import matplotlib.pyplot as plt
D、df=pd.read_excel('企业销售分析与预测/价格预测数据_清洗后.xlsx')
E、plt.rcParams['axes.unicode_minus'] = False
F、plt.plot(x_index, Y_test, linestyle='-', marker='s', color='orangered', label="真实值", linewidth=2)
G、plt.figure(figsize=(16, 9), dpi=80)
H、X = df.drop(columns=['日期', '公司铁精粉销售价格']) 【I. I.Y = df['公司铁精粉销售价格']】 【J. J.lr.fit(X_train, Y_train)】 (正确答案: G, 以此为准)
单选题 在代码中，读取清洗后的数据的语句是（）【仅支持A-H选项，选项超出支持范围】
A、df['公司铁精粉销售价格'] = price_pred
B、plt.ylabel("价格", fontsize=16)
C、import matplotlib.pyplot as plt
D、df=pd.read_excel('企业销售分析与预测/价格预测数据_清洗后.xlsx')
E、plt.rcParams['axes.unicode_minus'] = False
F、plt.plot(x_index, Y_test, linestyle='-', marker='s', color='orangered', label="真实值", linewidth=2)
G、plt.figure(figsize=(16, 9), dpi=80)
H、X = df.drop(columns=['日期', '公司铁精粉销售价格']) 【I. I.Y = df['公司铁精粉销售价格']】 【J. J.lr.fit(X_train, Y_train)】 (正确答案: D, 以此为准)
2025-11-11
共73道
