Questões de Programação da FGV

Pesquise questões de concurso nos filtros abaixo

Listagem de Questões de Programação da FGV

#Questão 1047160 - Programação, XML (Extensible Markup Language), FGV, 2022, PC-AM, Perito Criminal - 4ª Classe - Processamento de Dados

Considere um trecho XML onde o elemento passaporte possui um atributo denominado origem.
Imagem associada para resolução da questão

No contexto de uma eventual definição desse atributo, por meio de um XML Schema, analise as sugestões a seguir.
Imagem associada para resolução da questão

Está correto o que é sugerido somente em

#Questão 1047162 - Programação, Linguagens de programação, FGV, 2022, PC-AM, Perito Criminal - 4ª Classe - Processamento de Dados

Considere o código Python a seguir.
L=[0,1,1,2,3,5,8,13,21] for k in range(0,len(L),2):      print (L[k])
Assinale o resultado exibido pela execução desse código, na IDLE Shell 3.9.9. 

#Questão 1047237 - Programação, Linguagens de programação, FGV, 2022, TCU, Auditor Federal de Controle Externo

A tabela presente no código em R abaixo apresenta a quantidade de processos analisados por três analistas (denotados por A1, A2 e A3) em diferentes anos.
dados = tibble::tibble(Analista=c(“A1”, “A1”, “A1”, “A2”, “A2”, “A3”, “A3”, “A3”),
Ano=c(2018,2019,2020,2019,2020,2018,2019,2020), Processos=c(10,15,20,25,20,8,7,12))
Um programador roda o código abaixo em R.
tidyr::pivot_wider(data=dados, names_from=”Analista”, values_from=”Processos”)

Os valores esperados na primeira linha do objeto resultante do comando acima são: 

#Questão 1047238 - Programação, Linguagens de programação, FGV, 2022, TCU, Auditor Federal de Controle Externo

Natasha, uma cientista de dados, está trabalhando com um conjunto de dados sobre carros para fazer um modelo preditivo para uma companhia de seguros. A primeira versão do modelo utiliza apenas informações básicas sobre os carros: a marca e a cor.
Como esses dados são categóricos, Natasha faz um pré-processamento usando a biblioteca scikit-learn. Em um ambiente interativo, ela executa os comandos a seguir. 
>>> from sklearn.preprocessing import OneHotEncoder >>> enc = OneHotEncoder() >>> X = [['Toyota', 'vermelho'], ['Toyota', 'verde'], ['BMW', 'vermelho']]
>>> enc.fit(X) >>> enc.get_feature_names() array(['x0_BMW', 'x0_Toyota', 'x1_verde', 'x1_vermelho'], dtype=object)
>>> X_prime = enc.transform(X).toarray() >>> X_prime array([[0., 1., 0., 1.], [0., 1., 1., 0.], [1., 0., 0., 1.]]) 

Para contar o número de carros da marca Toyota no conjunto de dados, obtendo corretamente o resultado 2, Natasha pode usar a seguinte linha de código:

#Questão 1047239 - Programação, Linguagens de programação, FGV, 2022, TCU, Auditor Federal de Controle Externo

Considere o código Python a seguir.
Imagem associada para resolução da questão

A execução desse código na IDLE Shell produz, na ordem e exclusivamente, os números: 

Navegue em mais matérias e assuntos

{TITLE}

{CONTENT}

{TITLE}

{CONTENT}
Estude Grátis