Questão de Programação — Linguagens de programação — IF-SP 2022
ProgramaçãoLinguagens de programação
- Código
- qq760125
- Banca
- IF-SP
- Órgão
- IF-SP
- Ano
- 2022
- Nível
- Superior
- Cargo
- Analista de Tecnologia da Informação - Ciência de Dados
Uma tarefa muito comum durante a etapa de pré-processamento de dados é o tratamento de valores ausentes. A linguagem Python possui uma biblioteca muito utilizada pelos cientistas de dados, denominada Pandas, que permite realizar o processo de transformação dos dados de maneira bem prática. Considere os dados exibidos pela figura abaixo:
Fonte: IFSP, 2022.Pela figura, é possível observar que existem diversos valores ausentes, identificados por NaN. Ao analisar essasinformações, o cientista de dados decide substituir os valores ausentes em cada coluna, da seguinte forma:• Gravidez: substituir NaN pelo valor 0; • Pressão Sanguínea: substituir NaN pela média dos valores da coluna; • Espessura da Pele: substituir NaN pela moda dos valores da coluna; • IMC: substituir NaN pela mediana dos valores da coluna; • Resultado: substituir NaN pelo valor 0. O cientista de dados armazenou os valores dentro de um dataframe do Pandas, chamado df. Para realizar a substituição dos valores ausentes, ele decide executar o seguinte comando: df.fillna(value=valores, inplace=True) Observe que o argumento “value” recebe um dicionário do Python. Esse dicionário contém as instruções para atualizar os valores das colunas, tal como o cientista de dados deseja. Assinale a alternativa correta, que indica o trecho de código relacionado a esse dicionário de dados.
Fonte: IFSP, 2022.Pela figura, é possível observar que existem diversos valores ausentes, identificados por NaN. Ao analisar essasinformações, o cientista de dados decide substituir os valores ausentes em cada coluna, da seguinte forma:• Gravidez: substituir NaN pelo valor 0; • Pressão Sanguínea: substituir NaN pela média dos valores da coluna; • Espessura da Pele: substituir NaN pela moda dos valores da coluna; • IMC: substituir NaN pela mediana dos valores da coluna; • Resultado: substituir NaN pelo valor 0. O cientista de dados armazenou os valores dentro de um dataframe do Pandas, chamado df. Para realizar a substituição dos valores ausentes, ele decide executar o seguinte comando: df.fillna(value=valores, inplace=True) Observe que o argumento “value” recebe um dicionário do Python. Esse dicionário contém as instruções para atualizar os valores das colunas, tal como o cientista de dados deseja. Assinale a alternativa correta, que indica o trecho de código relacionado a esse dicionário de dados.- Avalores = { Gravidez: 0, Pressão Sanguínea: df[‘Pressão Sanguínea’].mean(), Espessura da Pele: df[‘Espessura da Pele’].mode()[0], IMC: df[‘IMC’].median(), Resultado: 0 }
- Bvalores = { ‘Gravidez’: 0, ‘Pressão Sanguínea’: df[‘Pressão Sanguínea’].mean(), ‘Espessura da Pele’: df[‘Espessura da Pele’].mode(), ‘IMC’: df[‘IMC’].median(), ‘Resultado’: 0 }
- Cvalores = { ‘Gravidez’: 0, ‘Pressão Sanguínea’: df[‘Pressão Sanguínea’].mean(), ‘Espessura da Pele’: df[‘Espessura da Pele’].mean(), ‘IMC’: df[‘IMC’].mean(), ‘Resultado’: 0 }
- Dvalores = { ‘Gravidez’: 0, ‘Pressão Sanguínea’: df[‘Pressão Sanguínea’].mean(), ‘Espessura da Pele’: df[‘Espessura da Pele’].mode()[0], ‘IMC’: df[‘IMC’].median(), ‘Resultado’: 0 }