Question 1

Tại sao cần xóa dữ liệu trùng trong DataFrame?

Accepted Answer

Tất cả các lựa chọn trên.

Answer

Để giảm kích thước của DataFrame và tiết kiệm không gian lưu trữ.

Answer

Để làm cho DataFrame trở nên sạch sẽ và dễ quản lý.

Answer

Tránh gây nhiễu loạn trong phân tích và xử lý dữ liệu.

Question 2

Cho dataframe student như sau:

Sinh viên có điểm thi chưa đạt sẽ được thi lại lần 2. Bạn xóa dữ liệu trùng lắp trên cột ID, với các dòng trùng ở cuối sẽ được giữ lại. Câu lệnh nào sau đây là đúng?

Accepted Answer

student.drop_duplicates(subset='ID', keep='last')

Answer

student.drop_duplicates(subset='ID')

Answer

student.duplicated(subset='ID', keep='last')

Answer

student.drop_duplicates(subset='ID', keep=False)

Question 3

Cho dataframe student như sau:

Dữ liệu có một số dòng trùng. Bạn cần dữ liệu trùng lắp (trên tất cả các cột), với các dòng trùng ở đầu sẽ được giữ lại. Câu lệnh nào sau đây là đúng?

Accepted Answer

student.drop_duplicates()

Answer

student.drop_duplicates(keep=False)

Answer

student.duplicated()

Answer

student.drop_duplicates(keep='last')

Question 4

Tại sao cần phải xử lý giá trị không hợp lệ trong dữ liệu?

Accepted Answer

Tất cả các lựa chọn trên.

Answer

Để giảm độ nhiễu loạn và duy trì tính chính xác của dữ liệu.

Answer

Đảm bảo rằng dữ liệu phản ánh đúng thực tế và không chứa thông tin sai lệch.

Answer

Hạn chế ảnh hưởng của giá trị nhiễu đối với các phương pháp thống kê và phân tích.

Question 5

Cho dataframe student như sau:

Hãy thay thế giá trị -2 trong mỗi cột bằng giá trị trung bình của côt đó.

Accepted Answer

student.replace({'Tuổi': {-2: round(student['Tuổi'].mean())}, 'Điểm': {-2: round(student['Điểm'].mean())}})

Answer

student.replace(-2, np.nan, inplace=True)

Answer

student.fillna({'Tuổi': student['Tuổi'].mean(), 'Điểm': student['Điểm'].mean()}, inplace=True)

Answer

student.fillna({'Tuổi': -2, 'Điểm': -2}, {'Tuổi': student['Tuổi'].mean(), 'Điểm': student['Điểm'].mean()})

Question 6

Cho dataframe student như sau:

Hãy thay thế giá trị -2 trong dataframe thành NaN (Not a Number).

Accepted Answer

student.replace(-2, np.nan)

Answer

student.replace(-2, 'nan')

Answer

student.replace(-2, NaN)

Answer

student.replace(-2, 'np.nan')

Question 7

Tác động của giá trị thiếu đến phân tích dữ liệu là gì?

Accepted Answer

Tất cả các lựa chọn trên.

Answer

Dẫn đến đầu ra không chính xác và không đầy đủ.

Answer

Tạo ra biểu đồ và thống kê không chính xác.

Answer

Ảnh hưởng đến độ tin cậy của các kết quả thống kê.

Question 8

Bạn có thể phát hiện dữ liệu thiếu trong dataframe df bằng cách nào?

Accepted Answer

Cả 4 cách trên đều đúng

Answer

Sử dụng df.info()

Answer

df.isnull().sum()

Answer

df.isnull()

Answer

df.isnull().any()

Question 9

Cho dataframe student như sau:

Cho biết tuổi của học viên Trần Thị Bình khi điền giá trị thiếu bằng câu lệnh

student.fillna(method = 'ffill')

Accepted Answer

20.0

Question 10

Cho dataframe student như sau:

Cho biết điểm của học viên Trần Thị Bình khi điền giá trị thiếu bằng câu lệnh

student.fillna(method = 'bfill')

Accepted Answer

78

Question 11

Cho dataframe student như sau:

Cho biết điểm của học viên Ngô Thị An khi thực hiện câu lệnh

student.interpolate()

Accepted Answer

88

Question 12

Cho dataframe student như sau:

Để xóa bỏ các dòng dữ liệu có chứa NaN, bạn sử dụng câu lệnh nào dưới đây?

Accepted Answer

student.dropna()

Answer

student.dropna(axis= 1)

Related quizzes

Related quizzes