数据预处理习题库2020 VIP免费

一、单项选择题(每小题2分，共30分)1.影响数据质量问题的因素有哪些？（）A.准确性、完整性、一致性B.相关性、时效性C.可信性、可解释性D.以上都是2.假设有这么一组排序后的数据：4,8,15,21,21,24,25,28,34，划分为等频的箱：箱1：4,8,15；箱2：21,21,24；箱3：25,28,34，要求：箱1用平均值，箱2用中位值，箱3用箱边界三种方法来光滑噪声数据，下面哪个选项是正确的？（）A.9,9,9；22,22,22；25,25,34B.8,8,8；22,22,22；25,25,34C.9,9,9；21,21,21；25,25,34D.4,4,15；21,21,21；25,25,253.下面有关转换描述错误的是？（）A.转换是ETL解决方案中最主要的部分，主要负责处理抽取、转换、加载各阶段对数据行的各种操作B.转换中的步骤通过跳来连接，定义了一个单向通道C.转换中的跳传递的是一个结果对象D.转换中的图形化组件被称为步骤4.下面哪一项不是属于数据归约的策略？（）A．维归约B．数量归约C．数据压缩D．属性构造5.下面有关步骤描述错误的是？（）A．步骤需要有一个唯一的名字B．步骤之间通过跳进行数据行的单向传输C．大多数的步骤都可以有多个输出跳D．可以影子复制6.基于CDC的数据变更有两种：侵入性和非侵入性的。下面哪一项是属于非侵入性的？（）A.基于源数据的CDCB.基于日志的CDCC.基于触发器的CDCD.基于快照的CDC7.下面哪一项描述的正确？（）A.拆分字段和拆分字段成多行是一样的B.合并字段是拆分字段的逆运算C.拆分字段步骤支持正则表达式D.使用拆分字段成多行步骤，被拆分的字段将不复存在8.以下说法错误的是？（）A.主成分分析、属性子集选择为维归约方法。B.直方图、聚类、抽样和数据立方体聚集为数量归约方法。C.用于规约的时间可以超过或抵消在规约后的数据上挖掘节省的时间。D.数据集成有助于减少结果数据集的冗余和不一致，这有助于提高其后挖掘过程的准确性和速度。9.下列说法不正确的是？（）A数据集成时一般会用到数据仓库B.业务键通常来源于业务系统C.事实表加载前，先加载维表D.雪花模型的各个维表之间没有依赖关系10.以下说法错误的是？（）A.可能通过pymysql.connect(host,user,password,database)连接到mysql数据库B.cursor.execute(sql)执行SQL语句C.cursor.fetchall()获取一行执行结果D.若改变了数据库里的数据，需要调用commit()来提交11.转换创建并保存后的文件后缀名是？（）A.ktrB.kjbC.kbjD.krt12.下列合并多个数据集说法错误的是？（）A.pandas.merge基于一个或多个键连接多个DataFrame中的行B.pandas.concat按行或按列将不同的对象叠加到一起C.pandas.merge默认的合并操作使用的是innerjoin，通过传递how参数修改为outerjoinD.concat函数的axis参数值为0，表示沿着横轴串接，生成一个新的Series对象13.以下说法错误的是？（）A．去除重复数据时若需要保留最后一个值需要keep=’last’参数B．调用duplicated方法可以对重复数据去除C．使用去除重复数据步骤必须先排序D．Kettle提供了去除不完全重复数据的步骤14.有关Kettle设计原则说法不正确的是？（）A．易于开发B．运行状态透明化C．只映射需要的字段D．命名必须用汉字或英文15.以下说法错误的是？（）A．一个作业包含一个或多个作业项B．作业项可以是转换也可以是作业C．作业执行顺序是由跳和每个作业执行结果来决定的D．作业和转换都可以并行执行16.下列有关变量的说法错误的是？（）A.系统变量包括Java虚拟机和Kettle的内部变量B.可以使用kettle.properties文件来设置变量C.可以使用${变量}或%%变量%%来调用变量D.作业中的每个作业项中都可以使用所有的变量17.在数据预处理阶段，数据类型被统一，使得挖掘过程可能更有效，挖掘的模式可能更容易理解，这个过程被称为？（）A.数据清理B.数据集成C.数据规约D.数据变换18.以下说法正确的是？（）A．事实表中，数据粒度很细，这类通常是事务型事实表B．周期快照事实表，通常是汇总的数据C．累积快照事实表，数据生成后，后续经常有变化D．以上都正确19.下面有关SQL说法不正确的是？（）A．删除表可用dropB．修改表结构可用updateC．增加数据可用insertintoD．切换数据库可用use20.下列关于为什么要做数据清理描述错误的是？（）A.数据有...