project 4 Pandas【拓展阅读】大数据预测广泛应用于各领域.docx

《project 4 Pandas【拓展阅读】大数据预测广泛应用于各领域.docx》由会员分享，可在线阅读，更多相关《project 4 Pandas【拓展阅读】大数据预测广泛应用于各领域.docx（5页珍藏版）》请在第一文库网上搜索。

1、Project 4 Pandas【拓展阅读】大数据预测广泛应用于各领域在数字经济时代，数据呈爆炸式产生，数据成为重要战略资源，从数据中获得有价值信息的能力，包括采集和获取数据、分析和加工数据、应用和挖掘数据的能力，成为了新时代人才未来的必备能力。大数据预测是大数据技术最重要的应用。在军事领域,大数据技术能够将军事活动中产生的大量关联数据进行相关关系分析，从中发现和掌握作战行动中的规律，进行科学研判和预测，甚至拓展到现测。大数据与云计算、人工智能技术深度融合，将极大程度地提高军事预测的精确性和作战决策的科学性。未来，通过构建基于大数据的网络入侵信息监测模型，将有利于提高网络入侵检测的准确性，提升

2、数据安全和网络安全等保障能力。在制造领域,数字经济同样成为世界经济发展的新动力和全球新一轮产业变革的核心力量，促进制造业智能化高质量发展。制造业充分发扬工匠精神和推崇企业家精神，积极学习和使用大数据、云计算、人工智能等新技术，将其用于产业结构升级调整，培育数字赋能的制造业生态；积极引导制造业与互联网、大数据、新兴服务业等各方面要素融合共生，为数字经济与制造业的协同发展铺就道路，给予制造业转型迅捷动力，推进数字经济多维融合制造业；发挥云计算在海量数据优化处理中的作用，提升制造业数字化、智能化发展水平，探索数字赋能的制造业新模式，坚定不移推动制造业高质量发展。在保险领域，大数据技术被广泛应用于甄别

3、欺诈风险。以泰康为例，充分利用大数据、人工智能等创新科技，提升数据分析、风险挖掘水平，从源头杜绝恶意骗保行为的发生。采用机器学习式的风控模式，在海量数据中提取15大维度、4000个以上风险特征，并通过不断学习，更加全面、准确地预测个人诈骗风险；泰康在线智能风控系统通过隐私计算方式，在保证用户数据隐私安全的情况下，引入海量外部数据，解决了在单一领域内进行数据分析的片面性问题和数据孤岛困境，通过挖掘多领域、多维度、深层次的潜在风险因子，分析客户是否有骗保动机。大数据技术成为有效防范欺诈风险，降低损失的利器。在水利建设上，大数据被广泛应用于水文自动化测报，不断提升水旱灾害防御能力。近年来，水利部大力

4、推进智慧水利建设，强化5G、物联网、大数据、人工智能等与水利工作深度融合。数字挛生技术结合河流的自然地理状况、历史数据、水利模型等，构建数字化场景，在此基础上开展洪水预报和调度方案推演,为流域防汛提供预报、预警、预演、预案支撑。水文监测、预报预警是收集、处理、分析数据的过程。物联网、遥感、视频系统等技术能收集数量更大、要素更丰富的数据，大数据挖掘、预报调度融合等让洪水预测预报更准确，真正实现了预报预警在防汛链条的前端，为后续水库的精细调度、群众的及时转移，以及人员伤亡和财产损失的减少提供有效保障。资料来源：学习强国题目1 .【单选】pandas读取excel文件内容的方法使用正确的是：A. p

5、d.readExcel()B. pd.read-excel()C. pd.read_excel()D. pd.excel_read()2 .【单选】假设一份excel表学生信息.xlsx有三个sheet,若要读取第二个sheet的内容，以下写法正确的是：A. pd.read_excel（学生信息.xlsx, sheet_name=O）B. pd.read_excel（学生信，息.xlsx”, sheet_name=l）C. pd.read_excel（学生彳言，息.xlsx”, sheet_name=2）D. pd.read_excel（学生信息.xisx”，sheet_name=3）3 .【

6、单选】以下文件读操作正确的语句是：A. pd.read_excel （学生信息.xlsx”）B. pd,read_excel（学生信息.xisx”）C. pd.read_excel（学生信息.xlsx）D. pd.read_excel（学生信息.xlsx”）4 .【单选】pd是pandas的别名，df是DataFrame数据结构结果的变量名，下面写操作书写正确的是：A. pd.to_excel（学绩.xlsx）B. df.to_excel（学生成绩.xlsx, sheet_name=O）C. pd.to_excel（学生成绩.xlsx”，sheet_name=n 成绩）D. df.to_exc

7、el（学生成绩.xlsx”）5 .【判断】pandas的读写操作只能操作excel :A.正确B.错误6 .【单选】下列说法正确的是：A. concat可以操作两张表，merge可以操作多张表B. concat只能单纯的表拼接,merge可以过滤进行拼接C. concat只能横向连接merge可以实现横向/纵向拼接D. concat合并方式有四种,merge连接方式有两种7 .【单选】pd是pandas的别名，现在要对stulnfo和score两个DataFrame的数据结构进行横向合并，下列写法正确的是：A. pd.concat（stulnfo/scorezaxis=l）B. pd.merg

8、e（stulnfo,score/axis=l）C. pd.concat（stulnfo/score/axis=l）D. pd.concat（stuInfo,scorezaxis=0）8 .【单选】两张表进行连接，要获取他们交集的部分，应该使用哪种连接方式:A. innerB. leftC. rightD. outer9 .【单选】pd是pandas的别名,df是dataFrame数据结构结果的变量，下列数据透视函数使用正确的是：A. pd.pivot_table（index=考试科目）B. pd.pivot_table（index=考试科目，学生姓名）C. df.pivot_table（ind

9、ex二考试科目，学生姓名）D. df.pivot_table（index=考试科目，学生姓名）10 .【单选】下列写法哪个是透视考试科目各科成绩的总和：A. df.pivot_table（index二考试科目values=”成绩aggfunc二”总和”）B. df.pivot_table（index二考试科目，values=成绩aggfunc=min）C. df.pivot_table（index=考试科目values=成绩aggfunc=mean）D. df.pivot_table（index二考试科目 values=成绩aggfunc=sumn）11 .【单选】透视需要进行汇总的参数调用正

10、确的是：A. df.pivot_table（index=学生姓名columns二厂考试科目”,aggfunc=sum,margins = False,margins_name=”总成绩”）B. df.pivot_table（index=学生姓名”,columns考试科目 ”,aggfunc=sumz margins_name二”总成绩”）C. df.pivot_table（index二学生姓名”,columns二考试科目”,aggfunc=mean”,margins二Ture,margins_name=总成绩”）D. df.pivot_table（index二学生姓名”,columns=考试科目aggfunc=meanmargins=True）