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
A: 第一维数据
B: 第二维数据
C: 数据对应的索引
D: 标签
举一反三
- 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([1, 2, 3] ,['c', 'd', 'e']) 3. b = pd.Series([9, 8, 7, 6], ['a', 'b', 'c', 'd']) 由于a和b中数据个数不同,哪个关于a+b的说法是正确的? A: 不考虑索引,直接按照左对齐方式运算 B: 根据索引运算,缺项补0 C: 根据索引运算,缺项补NaN D: 不考虑索引,缺少的元素补NaN
- 中国大学MOOC: 如下代码:import pandas as pda = pd.Series([1, 2, 3] ,[c, d, e])b = pd.Series([9, 8, 7, 6], [a, b, c, d])由于a和b中数据个数不同,哪个关于a+b的说法是正确的?
- 如下代码:import pandas as pda = pd.Series([9, 8, 7, 6], [a, b, c, d])其中,a是什么?
- import pandas as pd dt = {'one': [9, 8, 7, 6], 'two': [3, 2, 1, 0]} a = pd.DataFrame(dt)" "阅读上述代码:( ) A: a[1] B: a.ix[1] C: a.index[1] D: a.colums[1]