2025年統計學期末考試題庫：統計軟件應用與數據預處理實戰試題解析匯編考試時間：______分鐘總分：______分姓名：______一、Excel基本操作與數據處理要求：熟練掌握Excel的基本操作，包括單元格操作、數據排序、篩選、分類匯總等，并能運用Excel進行簡單的數據分析。1.在Excel中，以下哪個操作可以將選定的單元格區域中的數據復制到另一個區域？（）A.使用“剪切”和“粘貼”功能B.使用“復制”和“粘貼”功能C.使用“選擇性粘貼”功能D.使用“移動”和“復制”功能2.在Excel中，以下哪個操作可以將數據按升序排列？（）A.使用“排序”功能B.使用“篩選”功能C.使用“分類匯總”功能D.使用“數據透視表”功能3.在Excel中，以下哪個操作可以快速將選定的單元格區域中的數據篩選出來？（）A.使用“排序”功能B.使用“篩選”功能C.使用“分類匯總”功能D.使用“數據透視表”功能4.在Excel中，以下哪個函數可以計算選中區域中數據的平均值？（）A.SUM()B.AVERAGE()C.MAX()D.MIN()5.在Excel中，以下哪個函數可以計算選中區域中數據的最大值？（）A.SUM()B.AVERAGE()C.MAX()D.MIN()6.在Excel中，以下哪個函數可以計算選中區域中數據的方差？（）A.SUM()B.AVERAGE()C.VAR()D.STDEV()7.在Excel中，以下哪個操作可以將選定的單元格區域中的數據按照降序排列？（）A.使用“排序”功能B.使用“篩選”功能C.使用“分類匯總”功能D.使用“數據透視表”功能8.在Excel中，以下哪個操作可以將選定的單元格區域中的數據篩選出來？（）A.使用“排序”功能B.使用“篩選”功能C.使用“分類匯總”功能D.使用“數據透視表”功能9.在Excel中，以下哪個函數可以計算選中區域中數據的方差？（）A.SUM()B.AVERAGE()C.VAR()D.STDEV()10.在Excel中，以下哪個函數可以計算選中區域中數據的最大值？（）A.SUM()B.AVERAGE()C.MAX()D.MIN()二、Python編程基礎要求：掌握Python的基本語法，包括變量、數據類型、運算符、控制結構等，并能運用Python進行簡單的數據分析。1.以下哪個是Python中的整數類型？（）A.intB.floatC.strD.list2.以下哪個是Python中的浮點數類型？（）A.intB.floatC.strD.list3.以下哪個是Python中的字符串類型？（）A.intB.floatC.strD.list4.以下哪個是Python中的列表類型？（）A.intB.floatC.strD.list5.以下哪個是Python中的布爾類型？（）A.intB.floatC.strD.bool6.以下哪個是Python中的if語句？（）A.if-elseB.forC.whileD.def7.以下哪個是Python中的for循環？（）A.if-elseB.forC.whileD.def8.以下哪個是Python中的while循環？（）A.if-elseB.forC.whileD.def9.以下哪個是Python中的函數定義？（）A.if-elseB.forC.whileD.def10.以下哪個是Python中的變量賦值？（）A.intB.floatC.strD.var=value四、數據分析與可視化要求：運用Python進行數據分析，并使用Matplotlib或Seaborn等庫進行數據可視化。1.使用Python的pandas庫讀取以下數據框（DataFrame），然后計算年齡的平均值。（）```importpandasaspddata={'Name':['Alice','Bob','Charlie','David'],'Age':[25,30,35,40],'Salary':[50000,55000,60000,65000]}df=pd.DataFrame(data)```2.在以下代碼中，使用Matplotlib庫繪制散點圖展示年齡與薪資的關系。（）```pythonimportmatplotlib.pyplotaspltplt.scatter(df['Age'],df['Salary'])plt.xlabel('Age')plt.ylabel('Salary')plt.title('AgevsSalary')plt.show()```3.使用Seaborn庫對以下數據進行可視化，展示薪資的分布情況。（）```pythonimportseabornassnsimportpandasaspddata={'Salary':[50000,55000,60000,65000,70000,75000,80000]}df=pd.DataFrame(data)sns.histplot(df['Salary'],bins=7,kde=True)plt.title('SalaryDistribution')plt.show()```4.使用Python的pandas庫對以下數據框進行數據清洗，刪除空值，并計算年齡的中位數。（）```importpandasaspddata={'Name':['Alice','Bob','Charlie','David','Eve'],'Age':[25,30,None,40,35],'Salary':[50000,55000,60000,None,70000]}df=pd.DataFrame(data)```5.使用Python的pandas庫對以下數據框進行數據合并，假設有兩個數據框df1和df2，其中df1包含列'Name'和'Score'，df2包含列'Name'和'Grade'，合并這兩個數據框并重命名合并后的列'Name'為'Full_Name'。（）```pythonimportpandasaspddf1=pd.DataFrame({'Name':['Alice','Bob','Charlie','David'],'Score':[90,85,80,75]})df2=pd.DataFrame({'Name':['Alice','Bob','Charlie','David'],'Grade':['A','B','C','D']})result=pd.merge(df1,df2,on='Name')result.rename(columns={'Name':'Full_Name'},inplace=True)```6.使用Python的pandas庫對以下數據框進行數據分組，按'Age'分組并計算每個年齡組中'Salary'的平均值。（）```importpandasaspddata={'Name':['Alice','Bob','Charlie','David','Eve'],'Age':[25,30,25,30,25],'Salary':[50000,55000,60000,65000,70000]}df=pd.DataFrame(data)```本次試卷答案如下：一、Excel基本操作與數據處理1.C解析：在Excel中，使用“選擇性粘貼”功能可以將選定的單元格區域中的數據復制到另一個區域，并可以選擇性地粘貼特定的數據類型，如數值、文本、格式等。2.A解析：在Excel中，使用“排序”功能可以將數據按升序或降序排列。通過點擊數據區域，然后選擇“排序”選項，可以設置排序規則。3.B解析：在Excel中，使用“篩選”功能可以快速將選定的單元格區域中的數據篩選出來。通過點擊數據區域，然后選擇“篩選”選項，可以設置篩選條件。4.B解析：在Excel中，使用AVERAGE()函數可以計算選中區域中數據的平均值。該函數會忽略文本和錯誤值。5.C解析：在Excel中，使用MAX()函數可以計算選中區域中數據的最大值。該函數會忽略文本和錯誤值。6.C解析：在Excel中，使用VAR()函數可以計算選中區域中數據的方差。該函數計算的是樣本方差。7.A解析：在Excel中，使用“排序”功能可以將選定的單元格區域中的數據按降序排列。通過點擊數據區域，然后選擇“排序”選項，可以設置排序規則。8.B解析：在Excel中，使用“篩選”功能可以快速將選定的單元格區域中的數據篩選出來。通過點擊數據區域，然后選擇“篩選”選項，可以設置篩選條件。9.C解析：在Excel中，使用VAR()函數可以計算選中區域中數據的方差。該函數計算的是樣本方差。10.D解析：在Excel中，使用MIN()函數可以計算選中區域中數據的最大值。該函數會忽略文本和錯誤值。二、Python編程基礎1.A解析：在Python中，整數類型使用int表示。2.B解析：在Python中，浮點數類型使用float表示。3.C解析：在Python中，字符串類型使用str表示。4.D解析：在Python中，列表類型使用list表示。5.D解析：在Python中，布爾類型使用bool表示。6.A解析：在Python中，if-else語句用于條件判斷。7.B解析：在Python中，for循環用于遍歷序列（如列表、元組、字符串）。8.C解析：在Python中，while循環用于重復執行代碼塊，直到條件為假。9.D解析：在Python中，def關鍵字用于定義函數。10.D解析：在Python中，變量賦值使用賦值運算符=。四、數據分析與可視化1.30解析：使用pandas的mean()函數可以計算年齡的平均值。由于有一個空值，平均值計算為(25+30+35+40)/4=30。2.正確的代碼如下：```pythonimportmatplotlib.pyplotaspltplt.scatter(df['Age'],df['Salary'])plt.xlabel('Age')plt.ylabel('Salary')plt.title('AgevsSalary')plt.show()```解析：這段代碼使用Matplotlib庫的scatter()函數繪制散點圖，x軸表示年齡，y軸表示薪資。通過設置xlabel、ylabel和title，可以添加軸標簽和標題。3.正確的代碼如下：```pythonimportseabornassnsimportpandasaspdsns.histplot(df['Salary'],bins=7,kde=True)plt.title('SalaryDistribution')plt.show()```解析：這段代碼使用Seaborn庫的histplot()函數繪制薪資的直方圖，bins參數設置直方圖的柱子數量，kde參數設置是否顯示核密度估計曲線。4.正確的代碼如下：```pythonimportpandasaspddata={'Name':['Alice','Bob','Charlie','David','Eve'],'Age':[25,30,None,40,35],'Salary':[50000,55000,60000,None,70000]}df=pd.DataFrame(data)df.dropna(inplace=True)median_age=df['Age'].median()```解析：使用dropna()函數刪除包含空值的數據行，然后使用median()函數計算年齡的中位數。5.正確的代碼如下：```pythonimportpandasaspddf1=pd.DataFrame({'Name':['Alice','Bob','Charlie','David'],'Score':[90,85,80,75]})df2=pd.DataFrame({'Name':['Alice','Bob'