iPAS 考題解析
分析師在載入vgsales.csv資料後（欄位包含Name、Platform、Year、Genre、Publisher、NA_Sales、EU_Sales、JP_Sales、Other_Sales、Global_Sales），檢視Year欄位的資料型態，發現它是float64，而非一般年份常用的整數。下列哪些原因可能導致這種狀況？ 原因A：CSV檔中Year欄位有缺失值（NaN），導致Pandas自動將整欄轉為浮點數。 原因B：CSV檔中的年份資料原本是字串（如"2006"），Pandas轉換時出錯而變成浮點數。 原因C：Pandas預設會將所有數值型態讀取為float64，不論資料是否為整數。 原因D：CSV檔中的年份資料可能包含小數點（例如2006.0），因此被視為浮點數。
中級 大數據處理分析與應用
難度：中等 ★★☆ 114 年考題
考試範圍定位
- 考試等級
- 中級能力鑑定
- 考試科目
- 大數據處理分析與應用
- 知識主題
- 大數據處理技術
- 能力指標
- 數據收集與清理（L22201）
本題屬於 iPAS AI 應用規劃師中級能力鑑定「大數據處理分析與應用」科目中的「大數據處理技術」範疇， 對應的能力指標為「數據收集與清理」，涵蓋數據預處理、特徵提取等核心知識點。 考生在準備這個範疇時，需要掌握相關的理論基礎與實務應用。
題目與選項
分析師在載入vgsales.csv資料後（欄位包含Name、Platform、Year、Genre、Publisher、NA_Sales、EU_Sales、JP_Sales、Other_Sales、Global_Sales），檢視Year欄位的資料型態，發現它是float64，而非一般年份常用的整數。下列哪些原因可能導致這種狀況？ 原因A：CSV檔中Year欄位有缺失值（NaN），導致Pandas自動將整欄轉為浮點數。 原因B：CSV檔中的年份資料原本是字串（如"2006"），Pandas轉換時出錯而變成浮點數。 原因C：Pandas預設會將所有數值型態讀取為float64，不論資料是否為整數。 原因D：CSV檔中的年份資料可能包含小數點（例如2006.0），因此被視為浮點數。
- A. 原因B、原因C
- B. 原因A、原因D ✓ 正確答案
- C. 原因A、原因B、原因D
- D. 原因C、原因D
詳細解析
正確答案：B. 原因A、原因D
pandas中整數欄位若含有NaN（缺失值）會自動升級為float64（因為int無法表示NaN）；若原始CSV中年份寫為2006.0等浮點格式，pandas也會讀為float64。原因B（字串轉換出錯）和原因C（預設全讀float）均為不正確描述。
各選項逐一解析
理解每個選項為什麼對或錯，是真正掌握這個知識點的關鍵。以下逐一分析每個選項的含義與判斷依據。
A. 原因B、原因C （不正確）
原因B描述不正確，字串"2006"讀入後pandas能正確辨識，且不會造成float64；原因C也不正確，pandas不是預設全讀float64。
B. 原因A、原因D （正確）
原因A（NaN導致升級為float64）和原因D（原始資料含小數點）均為正確原因。
C. 原因A、原因B、原因D （不正確）
原因B不正確，pandas可正確解析純整數字串，不會出錯變成float64。
D. 原因C、原因D （不正確）
原因C不正確，pandas不是預設將所有數值讀為float64。
延伸學習
本題尚未連結特定術語，你可以從以下常見主題開始探索相關知識。
中等題備考建議
- ▶ 本題屬於中等難度，需要理解概念之間的關聯與應用情境，不能只靠死背定義。
- ▶ 中等難度的題目常考「為什麼」和「怎麼用」，建議整理各技術的優缺點比較表。
- ▶ 練習時注意錯誤選項的陷阱設計，很多時候錯誤選項只有一兩個字的差異，需要仔細辨別。
- ▶ 建議用「費曼學習法」，嘗試向別人解釋這道題的解題思路，能講清楚就代表真正理解了。
同主題考題練習
以下題目與本題屬於相同的考試範疇，建議一併練習以加強對該主題的掌握程度。
研究團隊接下來想要將Year欄位轉換為整數型態，以便後續進行年份趨勢分析。考慮到資料中可能包含缺失值（NaN），請選出最合適的轉換方式。 A) data['Year'] = data['Year'].astype(int) B) data['Year'] = data['Year'].fillna(0).astype(int) C) data['Year'] = data['Year'].fillna(1).astype(int) D) data['Year'] = data['Year'].astype('Int64')
中級 大數據處理分析與應用 難度 ★★☆ 114 年
在圖形資料庫（Graph Database）中建模社群平台資料時，若每筆「按讚」行為都包含時間戳記（Timestamp）與裝置類型（Device Type）等資訊。若希望同時保留使用者與貼文之間的互動關係，並能有效查詢「按讚」的行為屬性，下列哪一種設計方式最為合適？
中級 大數據處理分析與應用 難度 ★★☆ 114 年
某串流影音平台運用關聯規則學習（Association Rule Learning）分析用戶的觀影行為，發現若使用者觀看了科幻影集，則有較高機率接著觀看超級英雄電影。分析顯示，同時觀看這兩種類型的使用者約佔全部觀影紀錄的12%，而觀看科幻影集的使用者中，有50%也觀看了超級英雄電影，該規則的提升度（Lift）為1.8。根據上述資訊，下列哪一項推論最為正確？
中級 大數據處理分析與應用 難度 ★★☆ 114 年
iPAS AI 應用規劃師認證簡介
iPAS AI 應用規劃師能力鑑定是經濟部產業發展署推動的國家級 AI 證照制度， 分為「初級」與「中級」兩個等級。初級考試包含「人工智慧基礎概論」和「生成式 AI 應用與規劃」兩個科目， 著重基本概念的理解與應用。中級考試涵蓋「AI 技術應用與規劃」「大數據處理分析與應用」「機器學習技術與應用」三個科目， 要求考生具備更深入的技術知識與實務能力。 本題來自中級考試範圍，需要具備紮實的技術基礎才能正確作答。
開始準備 iPAS 考試
本題來自 114 年 AI 應用規劃師中級考試。 想通過 iPAS 認證？從完整題庫練習開始，搭配術語詞典與備考攻略，系統化提升你的 AI 知識。