Библиотеки Python

Какой тип возвращает pd.crosstab(...)?

1. Series
2. DataFrame
3. dict
4. int

Как получить название страны с минимальной младенческой смертностью?

1. df['Infant mortality'].min()
2. df.loc[df['Infant mortality'].idxmin(), 'Country']
3. min(df)
4. df['Country'].min()

Как правильно записать условие «A > 5 И B < 10» для фильтра pandas?

1. df['A'] > 5 and df['B'] < 10
2. (df['A'] > 5) & (df['B'] < 10)
3. df['A'] > 5 & df['B'] < 10
4. df[A>5, B<10]

Что делает df['col'].quantile(0.5)?

1. берёт половину строк
2. возвращает медиану столбца
3. возвращает среднее, делённое на 2
4. удаляет половину данных

Excel-формула =МАКСЕСЛИ(B:B; "Европа"; C:C) на Python:

1. df[df['B']=='Европа']['C'].max()
2. max(df['B'])
3. df.max()
4. df['C'].max()

Excel-формула =СЧЁТЕСЛИ(A:A; "Азия") на Python записывается как:

1. df.count()
2. len(df[df['A']=='Азия'])
3. df.groupby('A').count()
4. df['A'].sum()

Excel-формула =СУММЕСЛИ(B:B; "Европа"; C:C) на Python записывается как:

1. df['C'].sum()
2. df[df['B']=='Европа']['C'].sum()
3. df.groupby('B').sum()
4. df['B']=='Европа'.sum()

Как правильно отобрать страны из Европы ИЛИ Азии?

1. df[(df['R']=='Европа') | (df['R']=='Азия')]
2. df[df['R'] in ('Европа','Азия')]
3. df['R'].europe_or_asia()
4. df[df['R']=='Европа' or df['R']=='Азия']

Что вернёт выражение df[df['Region'] == 'ASIA'].shape[0]?

1. пару чисел (строки, столбцы)
2. количество строк (стран Азии)
3. количество столбцов таблицы
4. ошибку

На испытательном стенде расположена сетка из \(n\times m\) датчиков. В каждой ячейке — целое показание датчика. Вычислите:

• максимумы по строкам \(r_i = \max_j a_{ij}\);

• минимумы по столбцам \(c_j = \min_i a_{ij}\).

Формат ввода

Первая строка: \(n\) и \(m\) (\(1\le n,m\le 500\)). Следующие \(n\) строк по \(m\) целых чисел.

Формат вывода

Строка 1: \(n\) чисел — максимумы по строкам. Строка 2: \(m\) чисел — минимумы по столбцам.

3 3
5 12 8
3 7 15
10 6 4

12 15 10
3 6 4

Подсказка. np.max(axis=1) и np.min(axis=0).

Выполните Z-нормализацию (стандартизацию) массива: \(z_i = \frac{a_i - \bar{a}}{\sigma},\)  где \(\bar{a}\) — среднее, \(\sigma\) — стандартное отклонение (ddof=0). После стандартизации среднее \(\approx 0\), стандартное отклонение \(\approx 1\).

Формат ввода

Первая строка — \(n\) (\(2\le n\le 10^5\)). Вторая строка — \(n\) вещественных чисел. Гарантируется \(\sigma>0\).

Формат вывода

Одна строка — \(n\) чисел, каждое округлено до 4 знаков, через пробел.

5
10.0 20.0 30.0 40.0 50.0

-1.4142 -0.7071 0.0000 0.7071 1.4142

Подсказка. np.mean(), np.std() и поэлементные операции NumPy.

В физической лаборатории проведена серия измерений ускорения свободного падения \(g\) (м/с\(^2\)). Дан массив из \(n\) вещественных чисел. С помощью NumPy вычислите пять характеристик.

Формат ввода

Первая строка — \(n\) (\(1\le n\le 10^5\)). Вторая строка — \(n\) вещественных чисел через пробел.

Формат вывода

Пять строк (значение округлено до 4 знаков после запятой):

• count — количество элементов \(n\);

• sum — сумма: \(S=\sum a_i\);

• mean — среднее: \(\bar{a}=S/n\);

• range — размах: \(\max(a)-\min(a)\);

• variance — дисперсия: \(D=\frac{1}{n}\sum(a_i-\bar{a})^2\).

5
9.78 9.82 9.81 9.79 9.80

count: 5
sum: 49.0000
mean: 9.8000
range: 0.0400
variance: 0.0002

В матрице \(n\times m\) записаны результаты серий экспериментов (строка — серия, столбец — параметр). Вычислите:

• максимумы по строкам \(r_i = \max_j a_{ij}\);

• минимумы по столбцам \(c_j = \min_i a_{ij}\).

Формат ввода

Первая строка: \(n\) и \(m\) (\(1\le n,m\le 500\)). Следующие \(n\) строк по \(m\) целых чисел.

Формат вывода

Строка 1: \(n\) чисел — максимумы по строкам. Строка 2: \(m\) чисел — минимумы по столбцам.

3 3
5 12 8
3 7 15
10 6 4

12 15 10
3 6 4

Подсказка. np.max(axis=1) и np.min(axis=0).

Выполните Z-нормализацию (стандартизацию) массива: \[z_i = \frac{a_i - \bar{a}}{\sigma},\] где \(\bar{a}\) — среднее, \(\sigma\) — стандартное отклонение (ddof=0). После стандартизации среднее \(\approx 0\), стандартное отклонение \(\approx 1\).

Формат ввода

Первая строка — \(n\) (\(2\le n\le 10^5\)). Вторая строка — \(n\) вещественных чисел. Гарантируется \(\sigma>0\).

Формат вывода

Одна строка — \(n\) чисел, каждое округлено до 4 знаков, через пробел.

5
10.0 20.0 30.0 40.0 50.0

-1.4142 -0.7071 0.0000 0.7071 1.4142

Подсказка. np.mean(), np.std() и поэлементные операции NumPy.

В лаборатории проведена серия измерений концентрации раствора. Дан массив из \(n\) вещественных чисел. С помощью NumPy вычислите пять характеристик.

Формат ввода

Первая строка — \(n\) (\(1\le n\le 10^5\)). Вторая строка — \(n\) вещественных чисел через пробел.

Формат вывода

Пять строк (значение округлено до 4 знаков после запятой):

• count — количество элементов \(n\);

• sum — сумма: \(S=\sum a_i\);

• mean — среднее: \(\bar{a}=S/n\);

• range — размах: \(\max(a)-\min(a)\);

• variance — дисперсия: \(D=\frac{1}{n}\sum(a_i-\bar{a})^2\).

5
1.98 2.02 2.00 1.95 2.05

count: 5
sum: 10.0000
mean: 2.0000
range: 0.1000
variance: 0.0012

1. методы класса предназначены для работы с атрибутами класса и переданными аргументами, а статические - только с переданными им аргументами
2. методы класса способны обращаться и к атрибутам класса и к локальным атрибутам объекта, из которого они были вызваны, а статические методы работают только с переданными им аргументами
3. статические методы предназначены для работы с атрибутами класса и переданными аргументами, а методы класса - только с переданными им аргументами
4. статические методы предназначены для работы с локальными атрибутами объектов класса, а методы класса не имеют такой возможности

1. это просто обязательный (зарезервированный) параметр для методов класса, через который можно передавать произвольные данные
2. это ссылка на класс, которому принадлежит метод
3. это ссылка на объект класса, из которого был вызван метод
4. это ссылка на текущий метод класса