← 返回列表

4.6.4-数据类型转换.md

4.6.4 数据类型转换（问答库）

  1. 【单选题·易】课程中进行数据类型转换时，通常采用的方法是？ A. fillna() B. astype() C. dropna() D. duplicated() 答案：B 解析： 语料明确：通常采用 astype() 方法，可以将序列、数据框指定列或者数据框对象转换为指定的数据类型。A、C 属于缺失值处理，D 属于重复值检测。
  2. 【单选题·易】之所以要进行数据类型转换，是因为？ A. 转换后可以自动删除重复行 B. 转换后缺失值会变成 0 C. 不同的分析方法需要特定的数据类型 D. 只有转成字符串才能参与运算 答案：C 解析： 语料原句：因为不同的分析方法需要特定的数据类型，数据类型转换是处理和清洗数据的常见操作。A、B 分别是重复值、缺失值处理的效果，不是类型转换的目的。
  3. 【判断题·易】astype() 可以将序列、数据框的指定列或者整个数据框对象转换为指定的数据类型。 答案：√ 解析： 课程说明：astype() 可将序列、数据框指定列或数据框对象转为指定类型。整表转换与单列转换都是合法用法。
  4. 【判断题·易】执行 df['北方通信'].astype('float32') 后，原数据框中「北方通信」列会立刻变成 float32。 答案：× 解析： 只转换一列时生成一个新的序列对象，不会改写原数据框。要写入原始对象，必须赋值：df['北方通信'] = df['北方通信'].astype('float32')。
  5. 【多选题·中】关于 astype()，下列说法正确的有： A. 可以对整个数据框调用，把所有列转成目标类型 B. 可以对数据框的一列调用，生成一个新的序列对象 C. 默认会原地修改原始数据框 D. 要把单列转换结果写回原对象，需要赋值 答案：ABD 解析： 课程给出整表 df.astype('float32') 与单列 df['北方通信'].astype('float32') 两种用法，并强调「以下命令可以将新生成的对象写入原始对象」。astype() 返回新对象，默认不原地修改，故 C 错误。
  6. 【单选题·中】执行下列代码后，df2 各列的 dtype 是？
import numpy as np
from pandas import DataFrame
a = np.array([[163, 113, 132],
              [175, 129, 119],
              [193, 127, 125],
              [189, 126, 110]])
df = DataFrame(a, index=['一月', '二月', '三月', '四月'],
               columns=['美好集团', '北方通信', '广东科技'])
df2 = df.astype('float32')
print(df2.dtypes)

A. 三列都是 int64 B. 三列都是 float32 C. 只有「北方通信」是 float32，其余为 int64 D. 三列都是 float64 答案：B 解析： df.astype('float32') 将数据框的所有列都转换成目标数据类型。课程示例转换后各列显示为 163.0、113.0 等形式，dtype 为 float32。

  1. 【单选题·中】执行下列代码后，打印的 dtype 分别是？
import numpy as np
from pandas import DataFrame
a = np.array([[163, 113, 132],
              [175, 129, 119],
              [193, 127, 125],
              [189, 126, 110]])
df = DataFrame(a, index=['一月', '二月', '三月', '四月'],
               columns=['美好集团', '北方通信', '广东科技'])
s = df['北方通信'].astype('float32')
print(s.dtype)
print(df['北方通信'].dtype)

A. float32 与 float32 B. int64 与 int64 C. float32 与 int64 D. float64 与 float32 答案：C 解析： 单列 astype('float32') 生成新序列，s.dtype 为 float32（课程输出含 Name: 北方通信, dtype: float32）。未赋值回 df，原列仍为整数类型（如 int64）。

  1. 【多选题·中】要把「北方通信」列转为 float32 并写进原数据框，下列写法正确的有：
import numpy as np
from pandas import DataFrame
a = np.array([[163, 113, 132],
              [175, 129, 119],
              [193, 127, 125],
              [189, 126, 110]])
df = DataFrame(a, index=['一月', '二月', '三月', '四月'],
               columns=['美好集团', '北方通信', '广东科技'])

A. df['北方通信'] = df['北方通信'].astype('float32') B. df['北方通信'].astype('float32') C. df.astype('float32')（不赋值）就能改掉原 df 的这一列 D. 赋值后可用 df['北方通信'].dtype 确认已是 float32 答案：AD 解析： 语料给出的写回命令正是 A。B、C 只产生新对象，原 df 不变。写回后该列 dtype 为 float32，可用 D 检查。

  1. 【判断题·中】df.astype('float32') 会把原数据框的所有列都改成 float32，因此不必再赋值。 答案：× 解析： 整表 astype() 同样返回新数据框。课程写法是直接展示 df.astype('float32') 的结果，并未说明它会原地修改。不赋值则原对象类型不变；要保留转换结果应写成 df = df.astype('float32')。
  2. 【单选题·难】执行下列代码后，三列的 dtype 依次最接近哪一项？
import numpy as np
from pandas import DataFrame
a = np.array([[163, 113, 132],
              [175, 129, 119],
              [193, 127, 125],
              [189, 126, 110]])
df = DataFrame(a, index=['一月', '二月', '三月', '四月'],
               columns=['美好集团', '北方通信', '广东科技'])
df['北方通信'] = df['北方通信'].astype('float32')
print(df.dtypes)

A. float32、float32、float32 B. int64、float32、int64 C. float32、int64、float32 D. int64、int64、int64 答案：B 解析： 只对「北方通信」赋值转换，因此该列为 float32，美好集团、广东科技仍为原来的整数类型（如 int64）。A 是整表 astype 的结果；D 是完全未转换。

  1. 【简答题·中】结合课程示例数据框（行标签一月至四月，列标签美好集团、北方通信、广东科技），分别写出：（1）把整个数据框转为 float32 并保留结果；（2）只把「北方通信」转为 float32 并写回原对象。说明两段代码各影响哪些列。 答案：
import numpy as np
from pandas import DataFrame
a = np.array([[163, 113, 132],
              [175, 129, 119],
              [193, 127, 125],
              [189, 126, 110]])
df = DataFrame(a, index=['一月', '二月', '三月', '四月'],
               columns=['美好集团', '北方通信', '广东科技'])
# （1）整表转换，三列都变为 float32
df_all = df.astype('float32')
# （2）单列转换并写回，只有「北方通信」变为 float32
df['北方通信'] = df['北方通信'].astype('float32')

（1）影响美好集团、北方通信、广东科技全部列。（2）只影响「北方通信」，其余两列仍为整数类型。 解析： 评分要点：① 整表用 df.astype('float32') 且用变量接收；② 单列必须赋值写回；③ 能说明整表改所有列、单列只改一列。漏掉赋值或把两种范围写反应扣分。

  1. 【简答题·难】阅读下列代码，回答：（1）print(s) 中「北方通信」四个值及 dtype 是什么？（2）两行 print 中 df['北方通信'].dtype 是否相同？为什么？（3）若要把整张表都变成 float32，应如何修改？
import numpy as np
from pandas import DataFrame
a = np.array([[163, 113, 132],
              [175, 129, 119],
              [193, 127, 125],
              [189, 126, 110]])
df = DataFrame(a, index=['一月', '二月', '三月', '四月'],
               columns=['美好集团', '北方通信', '广东科技'])
s = df['北方通信'].astype('float32')
print(s)
print(df['北方通信'].dtype)
df['北方通信'] = s
print(df['北方通信'].dtype)

答案： （1）s 为一月至四月：113.0、129.0、127.0、126.0，Name: 北方通信, dtype: float32。 （2）不相同。第一处仍是原列的整数类型（如 int64），因为 astype() 只生成新序列 s，尚未写回；第二处在 df['北方通信'] = s 之后，已是 float32。 （3）应对整个数据框调用并赋值，例如 df = df.astype('float32')，这样三列都会变成 float32，而不是只改「北方通信」。 解析： 评分要点：① 四个浮点值与 dtype: float32 与课程输出一致；② 能区分「生成新序列」与「写入原始对象」；③ 整表转换要用 df.astype('float32') 并接收返回值。只背 API 名称、说不清赋值前后差异可酌情扣分。

下载此文件