iPAS AI 應用規劃師中級 114 年第二次 科二 第 49 題 詳解

114 年第二次 科二 大數據處理分析與應用 · 考點:數據收集與清理

使用銷售資料集(marketing.csv)進行迴歸分析,附圖程式碼展示資料載入與處理,請回答後續48~50題。 下圖顯示資料集的前5筆資料與相關資訊。

參考下圖計算各變數的遺漏值(NaN)個數結果,下列何者正確? 選項A: df.isnull().sum() 選項B: df.isNaN().sum() 選項C: df.isna().sum() 選項D: df.isnan().sum()

  1. A選項D

    只留 isnan(),但 pandas 的 DataFrame 沒有這個方法。

  2. B選項B、選項C、選項D

    isNaN() 與 isnan() 皆不存在,僅 isna() 正確。

  3. C選項A、選項C(正確答案)

    isnull() 與 isna() 為同一功能的別名,兩者皆可。

  4. D選項A、選項B、選項C

    isNaN() 不是 pandas 方法,混入即錯。

正確答案:C

pandas 偵測遺漏值(missing value)的正確語法與其別名關係 先確認該函式在 pandas 是否真實存在,再判斷回傳值需不需要 sum() 才能得到個數。

用刷8題準備 iPAS AI 應用規劃師中級

每天隨手刷 8 題,答錯的題目會自動排回來再考一次。不用註冊,打開就能開始。

開始刷題

數據收集與清理

  1. 115 年第一次 科二 第 2 題下圖為吉尼不純度(Gini Impurity)的計算公式,在決策樹(Decision Tree)中,吉尼不純度用於評估節…
  2. 115 年第一次 科二 第 6 題在AI模型評估的假說檢定框架中,「女士品茶」實驗是理解型一/型二錯誤的經典案例。實驗中某女士宣稱能分辨8杯奶茶中哪4杯先…
  3. 115 年第一次 科二 第 13 題某電商平台正在重構商品資料架構,需同時支援三個系統:商品管理後台需處理結構化與半結構化資料(如巢狀庫存與不同類別商品欄位…
  4. 115 年第一次 科二 第 26 題某電商推薦系統的資料工程師在建構模型特徵時,將使用者的訂單UNIX時間戳記(連續數值)轉換為「早晨(6–12時)、下午(…
  5. 114 年第二次 科二 第 2 題使用Python的pandas套件處理各商品銷售數據(變數為df)時,若需計算「總銷售額」欄位的敘述性統計量(如平均值、…