注意：此页面搜索的是所有试题
国家开放大学大数据预处理复习题
对data数据采用等宽分箱，分组数为5组，结果保存在result中：
result=pd. (data,bins=5)
对数据data计算标准差，结果保存在result中：
result=data. ()
使用截断方法，将大于data_mean+5*data_std赋值为data_mean+5*data_std ：
data[data. (data_mean+5*data_std)] = data_mean+5*data_std
将数据集data中的变量v1的缺失值使用其均值进行填补，将填补完的变量保存在v1_fill中：
v1_fill = data["v1"]. (data["v1"]. )
截取addr的前三个字，并查看唯一值：
addr. (0, 3).unique()
对数据集data中的所有变量进行Robust缩放，结果保存在data_scale中：
rob_scaler = ()
data_scale = rob_scaler. (data)
计算变量y与x的Spearman相关系数：
Spearman_xy = (y, x)
找出data中3000到10000的值，结果保存在result中：
result=data. &data.
计算离散化变量的各类频数，结果保存在result中：
data.
对group_a组和group_b组样本进行方差分析的F检验：
anova = (group_a, group_b)
请写出下方代码的功能
scaler = StandardScaler()
new_data = scaler.fit_transform(mydata)
print(pd.DataFrame({"Scale":scaler.scale_,"Mean":scaler.mean_}, index= mydata.columns))
请写出下方代码的功能
train, test = train_test_split(data, test_size=0.3)
请写出下方代码的功能
car_data = pd.read_csv(r"d:cardata.csv",header=0)
v1_fill = car_data["v1"].fillna(car_data["v1"].median())
请写出下方代码的功能
data_1 = copy.deepcopy(data)
请写出下方代码的功能
dt_example = pd.Series("")
dt_example[0] = "2020/01/20"
dt_example[1] = "2020/02/20"
dt_example = pd.to_datetime(dt_example, format = "%Y/%m/%d")
result=pd. (data,bins=5)
对数据data计算标准差，结果保存在result中：
result=data. ()
使用截断方法，将大于data_mean+5*data_std赋值为data_mean+5*data_std ：
data[data. (data_mean+5*data_std)] = data_mean+5*data_std
将数据集data中的变量v1的缺失值使用其均值进行填补，将填补完的变量保存在v1_fill中：
v1_fill = data["v1"]. (data["v1"]. )
截取addr的前三个字，并查看唯一值：
addr. (0, 3).unique()
对数据集data中的所有变量进行Robust缩放，结果保存在data_scale中：
rob_scaler = ()
data_scale = rob_scaler. (data)
计算变量y与x的Spearman相关系数：
Spearman_xy = (y, x)
找出data中3000到10000的值，结果保存在result中：
result=data. &data.
计算离散化变量的各类频数，结果保存在result中：
data.
对group_a组和group_b组样本进行方差分析的F检验：
anova = (group_a, group_b)
请写出下方代码的功能
scaler = StandardScaler()
new_data = scaler.fit_transform(mydata)
print(pd.DataFrame({"Scale":scaler.scale_,"Mean":scaler.mean_}, index= mydata.columns))
请写出下方代码的功能
train, test = train_test_split(data, test_size=0.3)
请写出下方代码的功能
car_data = pd.read_csv(r"d:cardata.csv",header=0)
v1_fill = car_data["v1"].fillna(car_data["v1"].median())
请写出下方代码的功能
data_1 = copy.deepcopy(data)
请写出下方代码的功能
dt_example = pd.Series("")
dt_example[0] = "2020/01/20"
dt_example[1] = "2020/02/20"
dt_example = pd.to_datetime(dt_example, format = "%Y/%m/%d")