Python3エンジニア認定データ分析試験 模試

次の計算結果として正しいものを選べ
log2+log5

階層的クラスタリングの結果の解釈に用いられる樹形図の説明として正しいものを選べ

以下のコードのXXXに当てはまるものとして正しいものを選べ

#必要なモジュールのimport
import numpy as np
from sklearn.linear_model import LinearRegression
from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split

boston = load_boston()
x, y = boston.data, boston.target
# 学習データとテストデータに分割
XXX
# 線形回帰をインスタンス化
lr = LinearRegression()
lr.fit(x_train, y_train)

以下の関数のxに関する微分として正しいものを選べ

$$logx$$

A = (1,2,3), B = (4,5,6)のそれぞれ3成分からなる2つのベクトルがある。この2つのベクトルの内積として正しいものを選べ

scikit-learnのLogisticRegressionクラスを用いてモデルを構築した場合のラベルの予測確率を取得する関数として正しいものを以下の中から選べ

以下のようなグラフを描画するために、コードのXXX の部分に記述されるコードとして正しいものを選べ

import pandas as pd
import matplotlib.pyplot as plt 

df = pd.DataFrame({"国名":["日本","アメリカ","イタリア","フランス", "ロシア", "ブラジル", "イギリス"],  
"人口/万人":[12700, 32800, 6000, 6700, 14500, 20900, 6600]})

plt.rcParams["font.family"] = "AppleGothic"
XXX
plt.xlabel("人口(万人)")
plt.show()

plt.pie(df["人口/万人"], labels=df["国名"], counterclock=False, startangle=90, autopct="%1.1f%%", pctdistance=0.8) 
①

plt.pie(df["人口/万人"], labels=df["国名"], autopct="%1.2f%%", pctdistance=0.8) 
②

plt.pie(df["人口/万人"], autopct="%1.2f%%", pctdistance=0.8) 
③

plt.pie(df["人口/万人"], labels=df["国名"], counterclock=False, startangle=90, autopct="%1.1f%%", pctdistance=1.2) 
④

以下のコードを実行した際に、Aについて述べているものとして、間違っているものを選べ

import numpy as np

A = np.random.rand(10,1)

以下のコードを実行した場合の出力として、正しいものを選べ。

import numpy as np

A = np.array([[0, 1, 2, 3, 4]])
B = np.full((1, 5), 1)
A[A>=B]

matplotlibのグラフ描画に関する以下の説明のうち、間違っているものを選べ

添付写真のようなpandasデータフレームから、以下のデータが格納されたcsvファイル(example.csv)を出力するためのコードとして正しいものを選べ

name of country,area
日本,380000
アメリカ,9834000
中国,959700
イタリア,301300

pandasデータフレームA ,Bを列方向にインデックスをキーに用いてデータを連結する方法として、正しいものを選べ

以下のようなデータが格納されたexample.csvというファイルをpandasデータフレームとして読み込むためのコードとして正しいものを選べ。

国名,面積
日本,380000
アメリカ,9834000
中国,959700
イタリア,301300

import pandas as pd

df = pd.read_csv("example.csv")
①

import pandas as pd

df = pd.read_excel("example.csv")
②

import pandas as pd

df = pd.read_pickle("example.csv")
③

import pandas as pd

df = pd.load_csv("example.csv")
④

以下のようなデータフレームdfがある。このデータフレームから国名カラムのみのデータフレームを抽出する際のコードとして正しくないものを選べ

以下の配列の形状として正しいものを選べ。
array([[1,2,3], [4,5,6]])

確率密度関数と確率の関係として正しいものを以下の中から選べ。

以下の行列の掛け算の答えとして正しいものを選べ

$$\left(\begin{array}{c}1\\ 0\end{array}\right)\left(\begin{array}{cc}0& 1\end{array}\right)$$

以下のコードを実行した場合のBとCに格納されているデータの組み合わせとして、正しいものを選べ。選択肢は(B, C)の順に記載されている。

import numpy as np

A = np.eye(3)
B = np.count_nonzero(A)
C = np.sum(A)

以下のコードの出力として正しいものを選べ

A = [x for x in range(10)]
B = {x for x in range(20)}

if len(A)==10:
    print("A")
elif len(A)==10&len(B)==20:
    print("A,B")
else:
    print("None")

以下のような、ユーザーごとのサービス利用状況が格納されたデータフレームdfがある。
性別ごとの利用回数のヒストグラムを別々に（※）描画するコードとして正しいものを選べ

※１つのグラフ内ではなく、男性のヒストグラム、女性のヒストグラムをそれぞれ別のグラフオブジェクトとして描画するという意味です

df["利用回数"].hist(by=df["性別"])
plt.show()
①

df["性別"].hist(by=df["利用回数"])
plt.show()
②

df["利用回数"].hist()
plt.show()
③

df.groupby("性別")["利用回数"].hist()
plt.show()
④