1、to_csv方法用于导出csv文件，导出的路径需要提前创建好。
答案：对
2、关于Python读取Excel文件，说法错误的是
答案：
| read_excel方法属于pandas中的方法，可以直接使用 | 使用Python导出Excel文件，直接调用to_excel方法即可。 |
3、关于Python读取MySQL数据库，以下说明错误的是
答案：用Python读取MySQL数据库，查询结果默认为数据框形式
4、关于merge函数的描述正确的有
答案：
| merge函数表示根据两组数据中的关键字（key）来合并 | merge函数默认是做内连接 | merge函数可以通过参数how设置连接的类型 |
5、关于分组统计函数groupby描述正确的有
| groupby用于分组统计，属于pandas中的方法 | groupby必须与统计函数连用才有意义 | groupby可以按照多个字段进行分组，并且可以对多个字段应用不同的聚合函数 |
6、apply函数既可以按列应用，也可以按行应用，默认按列应用。
答案：对
7、关于Python中缺失值的描述正确的是
| Python中，缺失值的标志是NaN，是not a number的缩写 | 判断缺失值可以用isna方法 | 丢弃缺失值用dropna方法 |
8、关于Python中缺失值的描述正确的有
| 丢弃缺失值用dropna方法 | 填充缺失值可以用fillna方法 | fillna方法可以用指定的值来填充缺失值 |
9、异常值又称为离群点，是指数值明显偏离其余观测值的数据。通过箱线图和模型法（如K-means聚类）均可找出异常值。
答案：对
10、关于数据标准化的描述正确的是
| 数据标准化是指数据缩放，即将数据按比例缩放，使其落入特定区间 | 标准分数是数据标准化的一种方法，是指利用数据的均值与标准差对数据进行标准化 | 对数据做log变换，也是标准化的一种方法 |
11、关于哑变量的描述正确的有
| 哑变量又称虚拟变量，一般指类别变量，例如性别、舱位等级等 | 在数据分析中，类别型的变量一般需要先转换为哑变量，才能引入模型 | pandas中有一个方法get_dummies，可以用于处理哑变量 | sklearn中的OneHotEncoder方法可用于处理哑变量 |
12、关于requests库的描述正确的是
| requests库是一个第三方HTTP库，使用之前需要安装 | 安装命令为：pip install requests | 安装命令：pip install requests –i https://pypi.tuna.tsinghua.edu.cn/simple | requests库通过get方法请求网页对象 |
13、以下HTTP状态码，表示请求成功的是
答案：200
14、urllib和urllib3都是Python内置的库，requests是第三方库，需要安装
答案：对
15、使用XPath之前，需要先安装lxml库，安装命令：pip install lxml
答案：对
16、以下XPath语句，写法有误的是
答案：/bookstore/book[1]/title/text
17、使用XPath获取网页信息时，F12打开调试窗口开到的数据和网页源代码中的数据是一致的。
答案：错
18、关于XPath使用描述正确的有
答案：
| 使用XPath之前，需要设置网页的编码格式 | 同样的数据，可以使用不同的XPath语句获得 | XPath获得的结果为列表格式 |
19、关于正则表达式，描述错误的是
答案：正则表达式中，match与search作用相同，可以替换使用
20、关于正则表达式中常用函数描述正确的是
答案：
| search扫描整个字符串，去匹配 | match从字符串的起始位置匹配，否则返回none。 | findall是全局匹配函数 | 这三个函数都需要导入re模块 |
21、正则表达式中，.可以匹配任意字符。
答案：错
22、关于爬取网页图片的说法正确的是
| 需要先找到网页源码中的图片地址 | 用Python爬虫获取到所有图片的地址 | 根据图片地址，用Python爬虫获取每一张图片 | 用for循环爬取多张图片 |
23、关于爬取网页图片描述错误的是
答案：保存图片时，Python爬虫会自动为图片命名
24、用Python爬虫获取网页图片，前提是需要在网页源代码中找到图片的地址。
答案：对
25、用正则表达式将字符串s1='360人已购买'中的非数字去除，以下写法正确的是
答案：re.sub('\D','',s1)
26、关于正则表达式模式字符串，描述正确的有
| \d表示十进制数字 | \D表示非十进制数字 | [^\d]表示非十进制数字 | {n}表示恰好n次 |
27、正则表达式，匹配非空白字符用\S或者[^\s]都可以。
答案：对
28、关于Ajax数据描述正确的有
| Ajax，Asynchronous JavaScript and XML，中文翻译：异步JavaScript | Ajax数据的特点：从服务器获取信息，网页不需要重新刷新 | Ajax其实有其特殊的请求类型，它叫作xhr | 有些Ajax数据，需要借助于抓包工具进行获取 |
29、在爬取某些网页的时候，有些数据在网页源代码中找不到，这种数据被称为Ajax数据，有些Ajax数据在浏览器中可以找到，有些则需要借助于抓包工具如Fiddler找到。
答案：对
30、关于浏览器模拟描述错误的是
答案：在requests的get方法中，通过参数header可以设置UA
31、关于fake-useragent描述错误的是
答案：
| fake-useragent是一款十分好用的生成UA的工具，使用之前需要安装 | 安装命令：pip install fake-useragent | fake-useragent中，ua.random方法可以随机生成ua |
32、不使用工具fake-useragent，也可以构建浏览器代理池，网上搜集一些UA，放到一个列表中，构成浏览器代理池。
答案：对
33、关于设置代理IP描述正确的有
答案：
| 本机真实的IP地址可以通过第三方网站检测出来 | 在get方法中通过proxies参数设置代理IP | ip的格式为ip+端口号 |
34、关于超时异常描述错误的是
答案：超时异常很少遇见，其实可以不用处理
35、免费的代理IP不靠谱，时效快，付费的代理IP比较靠谱，但是会有使用限制，比如IP限制，或者账户、密码限制。
答案：对
36、关于BeautifulSoup描述正确的有
| BeautifulSoup，美味的汤，是一个可以从网页中提取信息的Python库 | BeautifulSoup使用前需要安装，安装命令：pip install beautifulsoup4 | BeautifulSoup使用前需要导入，from bs4 import BeautifulSoup |
37、BeautifulSoup对象表示的是一个文档的全部内容，通过prettify()方法可以将文档内容按照标准的缩进格式的结构输出。
答案：对
38、利用BeautifulSoup查找class属性的div标签，写法正确的有
| house_tag=soup.find_all('div',class_='f-list-item ershoufang-list') | house_tags=soup.find_all('div',{'class':'f-list-item ershoufang-list'}) |
39、BeautifulSoup中的函数find_all表示搜索当前tag的所有tag子节点，返回一个符合给定条件的列表。
答案：对
40、以下哪一个不是BeautifulSoup中的三大常见节点？
答案：根节点
41、关于selenium描述正确的有
| Selenium 是一个用于Web应用程序测试的工具，自动化测试工具。 | 支持多种主流浏览器，包括IE，Mozilla Firefox，Safari，Google Chrome等 | 安装命令：pip install selenium |
42、Selenium元素查找，按照class属性名称查找为
答案：find_element_by_class_name
43、Selenium安装好之后，还需要下载浏览器驱动（webdriver），下载后的浏览器驱动放到本机任意目录下即可。
答案：错
44、关于等待页面加载描述正确的有
答案：
| 等待页面加载是由于浏览器解析页面需要时间，比如执行css、js等 | 等待页面加载有两种方式：隐式等待和显式等待 | 显式等待在browser.get（‘xxx’）前就设置，针对所有元素有效，例如 browser.implicitly_wait(3) |
45、元素交互操作，以下表示模拟输入回车键的是
答案：driver.find_element_by_id('kw').send_keys(Keys.ENTER)
46、Selenium中，find_element_by_xxx
表示查找单个元素，查找多个元素，将element变成elements即可。
答案：对
47、关于post方法描述正确的有
| post表示向服务器发送信息 | post方法通过参数data设置 | 参数data格式为字典格式 |
48、关于Session与Cookie描述错误的是
答案：cookie和session都是在服务器端记录信息确定用户身份
49、要想发送cookies到服务器，可以使用 cookies 参数,用法为：
requests.get(url,cookies=r.cookies)
答案：对
50、关于Scrapy描述正确的有
答案：
| Scrapy是一个爬虫框架 | Scrapy使用前，需要安装，安装命令：pip install Scrapy | 在命令窗口中，可以通过在命令行窗口中输入“scrapy”确定Scrapy是否安装成功 |
51、关于Scrapy爬虫项目，以下文件需要在settings文件中启用的是
答案：pipelines.py
52、Scrapy爬虫项目，spiders目录下的爬虫文件需要通过命令行生成。
答案：对
53、关于Scrapy爬虫项目，爬虫文件编写描述正确的是
答案：Scrapy中使用正则表达式，不用导入re模块
54、创建Scrapy爬虫项目后，需要通过cd命令进入到该项目目录，再使用genspider命令为该项目创建爬虫文件
答案：对
55、关于Python连接MySQL数据库描述正确的有
答案：
| 需要安装PyMySQL这个库 | 调用pymysql中的connect方法 | connect方法中的参数user、passwd为自己的用户名和密码 |
56、关于Python向MySQL数据库插入记录说法有误的是
答案：插入数据库的表可以不存在，插入过程自动创建
57、Python向MySQL数据库插入数据，用for循环+execute方法也可以插入多条记录。
答案：对
58、关于Scrapy爬虫项目描述有误的是
答案：Request方法可以直接调用，不需要导入任何模块
59、关于Scrapy爬虫项目，将数据导入MySQL数据库说法正确的有
答案：
| 在pipelines文件中编写相关代码，需要导入PyMySQL模块 | 在open_spider方法中，编写连接MySQL数据库的代码 | 在process_item方法中，编写插入数据的相关代码 | 在close_spider方法中，编写关闭数据库连接的相关代码 |
60、Scrapy爬虫项目中，在middlewares文件中设置UA及代理IP，需要在settings文件中取消参数DOWNLOADER_MIDDLEWARES的注释
答案：对
61、关于Python多线程与多进程描述有误的是
答案：Python的多线程受GIL限制，无法实现多线程。
62、关于Python多线程描述正确的有
答案：
| Python是支持多线程的，主要是通过thread和threading这两个模块来实现的 | threading模块是对thread做了一些封装，可以更加方便的使用 | Python通过start方法启动子线程，通过join方法保持子线程 | 通过多线程会节省多个任务执行的时间 |
63、多线程爬虫可以提高Python爬虫的效率，多进程爬虫无法提高Python爬虫的效率！
答案：错
64、关于pandas描述正确的有
答案：
| pandas基于Numpy构建，因此安装前需要先安装Numpy | 安装pandas的命令：pip install pandas | pandas有两大数据结构：Series和DataFrame | pandas使用前需要导入，导入方式：import pandas as pd |
65、关于Series和DataFrame描述有误的是
答案：无法创建一个空的DataFrame
66、DataFrame中获取某一列的值有两种写法，一种是通过括号+引号，例如jobInfo['职位名']，另一种是.获取，例如jobInfo.职位名
答案：对
67、关于pandas中的常用方法描述正确的有
答案：
| 通过loc方法可以获取某一行的值 | 通过drop方法可以丢弃某一列的值 | 通过unique方法可以获取唯一值 |
68、关于pandas中透视表函数pivot_table描述有误的是
答案：参数aggfunc用于指定统计函数，不能指定多个
69、pandas中的函数value_counts可以统计频率，默认为降序排列，通过参数ascending=True可以指定按升序排列。
答案：对
70、调用read_csv读取csv文件时，可以通过参数index_col指定index。
答案：对
71、关于数据集合并函数merge和concat描述正确的有
| merge：根据两组数据中的关键字（key）来合并 | concat：轴向连接，不管列名，直接加到一起 | merge和concat都是pandas中的函数，调用时需要导入pandas |
72、关于分组统计函数groupby与apply描述有误的是
答案：apply函数不能跟groupby结合使用
73、ETL是下面哪几个单词的缩写？
答案：Extract-Transform-Load
74、ETL是将业务系统的数据经过抽取、清洗转换之后加载到数据仓库的过程。
答案：对
75、一般ETL工具只能处理来自关系数据库的数据，不能处理文件数据。
答案：错
76、ETL做数据抽取时，要考虑的主要因素不包括：
答案：抽取人员
77、ETL在做数据抽取时应该尽量选择源数据系统使用的（）时段。
答案：低频时段
78、数据清洗的目的就是选择出有缺陷的数据，然后再将它们正确化和规范化，从而达到数据分析或数据挖掘需要的数据质量标准。
答案：对
79、ETL进行数据处理的时候，认为不同数据源中的对性别的描述有的用“男女”有的用字母“M、F”，这种情况属于：
答案:数据错误
80、数据清洗主要清洗“脏”数据，其他数据缺陷不需要处理。
答案：错
81、国家数据质量标准中对下面哪一项没有要求？
答案:数据可移植性
82、数据采集与预处理中，数据库数据、文本文件，表格文件、网页文件属于异构数据。
答案：对
83、ETL中数据转换主要进行数据的整合和集成、数据粒度的转换，以及一些商务规则的计算。
答案：对
84、Kettle是一款免费开源的、可视化的、功能强大的ETL工具。
答案：对
85、现在用的Kettle实际上是指PDI的开源版。
答案：对
86、Datastage是IBM公司的开发一款非常专业的ETL处理工具，适合大规模的ETL应用。
答案：对
87、PowerCenter是Informatica公司开发的世界级的企业数据集成平台，也是业界领先的ETL工具。
答案：对
88、Kettle是纯Java编写的ETL工具，需要在JDK环境下运行。
答案：对
89、在Kettle中要连接mysql数据库和Oracle数据库，只要配置其种任意一种数据库驱动就可以了。
答案：错
90、Spoon是Kettle用于编辑作业和转换的图形界面接口。
答案：对
91、Pentaho Data Integration（PDI）分为商业版与开源版 。在中国，一般人仍习惯把Pentaho Data Integration的开源版称为Kettle。
答案：对
92、Kettle中，转换由step和hop构成。
答案：对
93、关于Kettle中的作业，下列说法正确的是：
答案：转换中的步骤是并发执行的
94、关于kettle中的作业和转换的关系，下列说法错误的是：
答案：一个作业包含一个或者多个作业项，这些作业项以某种顺序来执行
95、下面哪项工作不属于ETL的工作范畴？
答案：数据报表分析
96、Kettle安装后不能正常启动有可能是以下哪种原因？
答案：没有安装JDK或JDK环境变量没有配置好
97、Kettle中不能正确访问数据库可能是哪种原因？
| 没有配置数据库驱动 | 数据库服务器主机IP错误 | 访问数据库的用户名和密码错误 | 以上都有可能 |
98、如何判断JDK是否正确安装和配置？
答案：在program files下面有java文件夹存在说明安装配置成功
99、启动kettle图形化操作界面需要运行下面哪个文件？
答案：spoon.bat
100、下面哪一项不是kettle的组成模块？
答案：Table(桌子）
