import pandas as pd 后,下列定义Series的方式,正确的有? A: pd.Series([1, 2, 3, 4, 5]) B: pd.Series({'a':1,'b':2,'c':3,'d':4,'e':5}) C: pd.Series("12345") D: pd.Series([i for i in range(5)])

下列选项中，不能创建一个Series对象的是（ ） A: ser_obj = pd.Series([1, 2, 3, 4, 5]) B: ser_obj = pd.Series({2001: 17.8, 2002: 20.1, 2003: 16.5}) C: ser_obj = pd.Series((1,2,3,4)) D: ser_obj = pd.Series(1,2)

import pandas as pd 后,下列定义Series的方式,正确的有?

使用等宽法对连续特征进行离散化处理，将离散化后的类别数目设为3，请补全以下代码：series = pd.Series([1,6,7,8,9,15])series1 = ______ print("离散化前的数据为：\n",series)print("离散化后的数据为：\n",series1)

如下代码：import pandas as pd a = pd.Series([9, 8, 7, 6], ['a', 'b', 'c', 'd'])其中，'a'是什么？ A: 第一维数据 B: 数据对应的索引 C: 第二维数据 D: 标签

如下代码： 1. import pandas as pd 2. a = pd.Series([9, 8, 7, 6], ['a', 'b', 'c', 'd']) 其中，'a'是什么？ A: 第一维数据 B: 第二维数据 C: 数据对应的索引 D: 标签

The time series is mainly divided into absolute number time series, relative number time series and ( ). A: Period series B: Time-point series C: Chronological series D: Average time series

如果定义函数计算调和级数之和;series::Int-Float用series n表示[img=242x25]1803c461290438b.png[/img]，那么如何用series 表示[img=191x25]1803c46130ff710.png[/img]？ A: series n-1 B: series (n-1) C: series 1 + series 2 + ... + series (n-1) D: series (1+1/2+..+ 1/n-1)

有代码如下: import pandas as pd a = pd.Series({'1':1,'2':2,'3':3,'4':4,'d':5}) 则a['1']和a[1]的值分别是什么? A: 1, 2 B: 1, 1 C: 2, 2 D: 2, 1

下列药物与受体亲和力最小的是（）。 A: pD=1 B: pD=3 C: pD=4 D: pD=6 E: pD=9