《期末练习题20190529所有答案.docx》由会员分享，可在线阅读，更多相关《期末练习题20190529所有答案.docx（32页珍藏版）》请在金锄头文库上搜索。
1、一、 单项选择题Df.read_csv()的header=None表示源文件没有索引，read_csv会自动加上列索引1、影响数据质量问题的因素有哪些 ( D )A、准确性、完整性、一致性B、相关性、时效性C、可信性、可解释性D、以上都是2、以下说法错误的是( B ) A、数据预处理的主要流程为数据清理、数据集成、数据变换与数据归约。B、数据清理、数据集成、数据变换、数据归约这些步骤在数据预处理活动中必须顺序使用。C、冗余数据的删除既是一种数据清理形式，也是一种数据归约。D、整个预处理过程要尽量人机结合，尤其要注重和客户以及专家多交流。3、处理噪声的方法一般有( D ) A、分箱B、回归。C、
2、聚类D、以上都是4、数据集成的过程中需要处理的问题有( D ) A、实体识别B、冗余与相关性分析。C、数据冲突和检测D、以上都是5、影响数据质量问题的因素有哪些( D ) A、准确性、完整性、一致性B、相关性、时效性C、可信性、可解释性D、以上都是6、数据归约的方法有( D ) A、维归约B、数量归约C、数据压缩D、以上都是7、以下说法错误的是( C ) A、主成分分析、属性子集选择为维归约方法.B、直方图、聚类、抽样和数据立方体聚集为数量归约方法。C、用于规约的时间可以超过或抵消在规约后的数据上挖掘节省的时间。D、数据归约的目的用于帮助从原有庞大数据集中获得一个精简的数据集合，并使这一精简数
3、据集保持原有数据集的完整性，这样在精简数据集上进行数据挖掘显然效率更高，并且挖掘出来的结果与使用原有数据集所获得结果是基本相同。8、影响数据质量问题的因素有哪些( D )A、准确性、完整性、一致性B、相关性、时效性C、可信性、可解释性D、以上都是9、下列关于为什么要做数据清理描述错误的是( D ) A、 数据有重复B、数据有错误C、数据有缺失D、数据量太大10、下列关于数据清理描述错误的是( A ) A、数据清理能完全解决数据质量差的问题B、数据清理在数据分析过程中是不可或缺的一个环节C、数据清理的目的是提高数据质量D、可以借助Kettle来完成大量的数据清理工作11、下列关于使用参照表清洗数
4、据说法错误的是( B ) A、有些数据无法从内部发现错误，需要结合外部的数据进行参照B、只要方法得当，数据内部是可以发现错误的，不需要借助参照表C、使用参数表可以校验数据的准确性D、使用参照表可以处理数据的一致性12、下列说法错误的是( A )A、数据仓库就是数据库。B、业务键通常来源于业务系统C、事实表加载前，先加载维表D、星型模型的各个维表之间没有依赖关系13、以下说法错误的是( C )A、雪花模型有多个相互依赖的维表，加载时要注意先后顺序B、雪花模型是在基于星型模型之上拓展来的，每一个维度可以再扩散出更多的维度，根据维度的层级拆分成颗粒度不同的多张表C、事实表和维表之间通过业务键关联D、
5、雪花模型的主维表和非维表之间是N对1的关系14、以下说法错误的是( C ) A、时间、日期维属于生成维B、混合维较少用，实现比缓慢变化维中的类型1、类型2、类型3三种类型复杂。C、杂项维的属性通常可以分为特定的几个分类D、类型2缓慢变化维，不会直接覆盖以前的版本，每次更新会生成新的记录15、假定属性income的最小与最大值分别为25000和3000，根据最小最大规范化方法将income 10000映射到0,1范围内，值为( A )A、0.318B、0.3C、1.68D、3.4316、转换创建并保存后的文件后缀名是( A )A、ktrB、kjbC、kbjD、krt17、数据库通常可分为两大类型
6、，一类是基于SQL的 型数据库，另一类被称为NoSQL，属于 型数据库( C )A、非关系、非关系B、非关系、关系C、关系、非关系D、关系、关系二、 填空题1、在下表中，用同类样本属性的中心度量方法填充空缺值，空缺值应为 。 客户编号客户名称风险等级收入1张三350002李四280003王五2100004赵六1150005李木26王权1160003、数列为3,5,10,15,10,13,使用z-score方法映射后为 -1.649 , -1.178 , 0 , 1.178 , 0 , 0.707 （注，均值为10，标准差为：4.243）4、Kettle是一个 程序。5、转换是ETL解决方案中最
7、主要的部分，它负责处理 、 、 各阶段对数据行的各种操作。6、转换里的步骤通过 来连接。7、跳定义了一个 ，允许数据从一个步骤向另一个步骤流动。8、在Kettle里，数据的单位是 ，数据流就是数据行从一个步骤到另一个步骤的移动。9、数据流的另一个同义词就是 。10、 是转换里的基本组成部分。它是一个图形化的组件，可以通过配置步骤的参数，使得它完成相应的功能。11、 步骤可以从指定的数据库中读取指定关系表的数据。12、步骤需要有一个 性的名字。13、一个跳，相对于输出数据的步骤而言，为 跳；相对于输入数据的步骤而言，为 跳。14、一个步骤的数据发送可以被设置为 和 。15、 是将数据行依次发给每
8、一个输出跳， 是将全部数据行发送给所有输出跳。16、在运行转换时，一个线程运行一个步骤，所有步骤的线程几乎 运行。17、从程序执行的角度看， 实际上是两个步骤线程之间进行数据行传输的缓存。这个缓存被称为 。18、Kettle使用图形化的方式定义复杂的ETL程序和工作流，所以被归类为 编程语言。19、Kettle的参数配置分为 和 两类。20、环境变量具有 性质，配置后的环境变量对所有转换、作业都可用、有效；命名参数具有 性质，仅对当前转换、作业有效。21、文本文件主要分为 和 两大类。22、CSV文件是一种用 分割的文本文件。23、Excel的数据可分为 的表格数据和 的表格数据。24、Ket
9、tle提供了 和 步骤从Web上获取数据。25、查询类的步骤，需要一个 类的步骤来激活。26、基本上CDC可以分为两种，一种是 的，另一种是 的。27、基于源数据的CDC要求源数据中相关的属性列。最常见的两种属性列是 和 。28、当INSERT、UPDATE、DELETE等SQL进行执行时，可以触发数据库自有的 ，并执行某些动作。29、Kettle里的 步骤就可以用来比较两个表的差异。30、基于 的具有侵入性的CDC操作,可以实时监测到源数据的变化。31、基于 的CDC操作是非侵入性的。32、基于源数据的CDC操作，不能捕获 删除的数据，可以捕获 删除的数据。33、基于源数据的CDC不适用于实
10、时数据捕获，适用于 操作。34、XML文件不是普通的文本文件，而是一种遵循规范的 的文本文件。35、对于JSON文件，Kettle可以用 和 步骤完成文件的读取与输出。36、重复数据分为哪两类： 、 。37、Kettle目前的版本中提供了三个关于字符串清洗的步骤，分别是 步骤、 步骤和字符串剪切步骤。38、Kettle提供的字符串替换步骤的功能非常强大，主要是因为该步骤支持 。39、需要将一个行记录拆分成多行记录时，可以选择 步骤；需要将一个字段拆分成多个字段时，可以选择 步骤。40、在Kettle中，提供了两个可以比较相似度的步骤，它们分别是 、 。41、作业有 作业项 、 跳 、 注释 组
11、成。42、作业创建并保存后的文件后缀名是 kjb 。43、作业执行顺序由作业项之间的 跳 和每个作业项的 执行结果 来决定。44、作业的 跳 是作业之间的连接线，它定义了作业的 执行路径 。45、跳的两种状态分别是 可用/Enabled 与 不可用/Disabled 。46、kettle使用一种 回溯 算法来执行作业里的所有作业项。47、会速算法的两个特征是：作业运行结果不是 唯一的 、运行结果保存在 内存 里。48、作业的并行执行是指：两组作业项几乎 同时启动 ，且每组作业项独立运行在两个 线程 中，互不影响。49、 START 作业项是一个作业的起点。它的作用是设置作业的 定时调度 。50
12、、如果定义了变量“hostname”，那么在程序中引用的格式是 $hostname/%hostname% 。51、作业的监控有2种： 日志 和 邮件 。52、pandas提供了两种主要的数据结构： Series 和 DataFrame 。53、Series是一种类似于 数组 的一维数据结构，包含了一系列的 元素 以及元素对应的 标签 。54、Series对象没有指定index时，默认创建的index是从 0 到 N-1的整数值，其中N是Series对象的元素个数。55、获取Series对象s的index值的写法是 s.index ，获取元素值的写法是 s.values 。56、s2 = Series(3, 8, -5, 1, index=d, b, a, c)， s23返回的是 1 ，s2a返回的值是 -5 ，s20返回的元素是 bool 类型。57、DataFrame是一种带标签的 二 维数据结构，其中各列可以存储 不同 的数据类型。58、pandas提供了 read_csv 函数，用于导入csv文件，并得到一个 DataFrame 对象。59、read_csv函数中参数names=a, b, c, d，表示指定Data
