import pandas as pd

import matplotlib.pyplot as plt

plt.rcParams["font.sans-serif"] = ["Simhei"]

df=pd.read_excel ("空气质量.xlsx")

df=df.head(24*7)

df_ave=df.groupby("日期",as_index=False).        #日平均 AQI df_sort=df_ave.sort_values("AQI",ascending= ) 

plt.bar( ,df_sort["AQI"],label="日均空气质量指数")  

plt.legend( )

plt.xlabel("日期")

plt.ylabel("AQI 值")

plt.title("湖州市 11 月第 1 周日均空气质量指数对比")

plt.show ()

① 采用pandas 模块中的（单选：填字母：A .Series / B .DataFrame）

数据结构存储全部数据会比较高效。

② 全部数据保存于变量df 中，为筛选出订单日期为2021 年第一季度内的所有记录，

可以执行Python 语句df1 =  ，则df1 中保存筛选结果。（单选，填字母。

提示：多条件筛选时，条件之间用“&”连接，表示需要同时满足这多个条件）

A．df[ (df['订单日期'] <= '2021-1-1' ) & (df ['订单日期'] <= '2021-3-31') ]

B．df [ (df ['订单日期'] >= '2021-1-1') & (df ['订单日期'] >= '2021-3-31') ]

C．df [(df ['订单日期'] >= '2021-1-1') & (df ['订单日期'] <= '2021-3-31')]

编写如下Python 程序段：

#数据整理结果保存于变量df1中，代码略

g = df1.groupby('所在地市', as_index = False).sum()

print           )

则划线处的代码可为（   ）（多选，填字母）

实现上述功能的Python程序部分代码如下：

#按“所在地市”对第一季度数据分组并求和，再按“订购数量”升序排序

#选取最后10条数据，存入变量s，代码略

import matplotlib.pyplot as plt

x = s['所在地市']

y =

plt.barh(x, y, color = 'r')

plt.show( )

程序中划线处代码应为。

应用该分析结果可能提供的数据服务是（列举一条即可）。