2025年大学《数据计算及应用》专业题库——数据计算及应用专业的实践教学与实验演示

考试时间：______分钟总分：______分姓名：______

一、

简述在分布式计算环境中进行数据处理时，配置和优化HDFS或类似文件系统的重要性和主要考虑因素。

二、

假设你需要使用Python的Pandas库处理一个包含大量缺失值的CSV数据文件。请简述你会采用哪些方法来识别、处理这些缺失值，并说明选择这些方法的原因。

三、

编写一段Python代码，使用SparkSQL或PySpark，从一个模拟的DataFrame中查询出部门编号为“D01”的员工姓名和薪水，并将查询结果按照薪水