小明搜集了某网络购物平台2021年1月1日至2021年9月30日时间段内的日用化妆品销售数据，原始数据如下图a所示。

1. 小明搜集了某网络购物平台2021年1月1日至2021年9月30日时间段内的日用化妆品销售数据，原始数据如下图a所示。

(1) 小明对数据进行了整理，下列操作不恰当的是（）（单选，填字母）。 A. 发现记录中有6 条重复，对这6 条记录进行了删除 B. 发现记录中有38 处数据项缺失，直接删除相关记录 C. 将某条记录中订单日期“2050-6-9”订正为“2021-6-9” D. 将某条记录中订单日期“2021#3#11”修改为“2021-3-11”

(2) 小明发现数据中仍有极少量时间段外的记录混杂其中，利用Python 及pandas 模块进行处理。请回答问题：

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')]

(3) 经过以上两步处理之后，为了解“所在地市”第一季度“订购数量”前10 名的情况，

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）

A. g.sort_values('订购数量',ascending = False) [0:10] B. g.sort_values('订购数量',ascending = True).tail(10) C. g.sort_values('订购数量',ascending = True)[0:10] D. g.sort_values('订购数量',ascending = False).head(10)

(4) 根据以上数据整理结果，小明对第一季度所在地市的“订购数量”进行可视化处理，如图b所示。

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。

(5) 小明借助大数据技术，对近几年来该网络购物平台的日用化妆品销售数据进行了分析。

应用该分析结果可能提供的数据服务是（列举一条即可）。

【考点】

编程处理数据与可视化; 表格数据的图表呈现; 数据表、字段、记录的编辑;

【答案】

您现在未登录，无法查看试题答案与解析。登录

综合题困难

1. 学校气象社团的小丽同学收集了当地 2023 年全年的天气数据，数据存储在“天气数据.xlsx”文件中，部分数据如图a所示。

图a

为分析该年部分气温情况，编写 Python程序，请回答下列问题：

(1) 计算 2023年的日均气温，输出全年日均气温的最高值及出现日均气温最高值的所有日期，输出结果如图b所示。

图b

实现该功能的程序如下，请在划线①处填入合适的代码。

划线②处应选填入的代码为（单选，填字母）。

A ．df1 B ．df1.values C ．df1.index

import pandas as pd

df=pd.read_excel(" ① ")

df["日均温"]=(df["最高气温℃"]+df["最低气温℃"])/2

df1=df.sort_values("日均温",ascending=False).日均温.head(1)

Max= ②

date=[ ]

for i in range(len(df)):

if df.at[i,"日均温"]==Max:

date.append(df.at[i,"日期"])

print("日均温最高值："Max,"℃")

print("日期：",date)

(2) 统计月平均气温（当月每天日均气温的平均），并绘制如图c所示的线形图，实现该功能的程序如下，请在划线③、④处填入合适的代码。

图c

df["月份"]=""

for j in range(len(df)):

df.at[j,"月份"]=df.at[j,"日期"][5:7]

df2=df.groupby("月份",as_index=True).③

plt.plot(④,df2["日均温"],label="月均温" )

plt.xlabel("月份")

plt.ylabel("温度℃")

plt.legend()

plt.show()

综合题普通

2. 某省2023年全年气象灾害预警数据保存在文件“qxyj.xlsx”中，部分数据如图a所示，编写Python程序，统计全年发布次数最多的5种气象预警。

图a

#导入模块略

df=pd.read_excel("qxyj.xlsx") #读取文件中的数据

(1) 整理数据，删除多余列，划线处代码正确的是：（）（单选，填字母）

df=df.drop(["预警发布单位","预警发布时间"],____)#删除列

A. ascending=True B. index=True C. axis=0 D. axis=1

(2) 为统计每种气象的预警次数，划线处代码正确的是：____

df_g=df.groupby("预警名称",as_index=False).____ #分组并统计预警次数

df_s= df_g.sort_values("次数"ascending=False) #按"次数"降序排序

A. sum( ) B. count( ) C. min( ) D. mean( )

(3) 排序后给数据增加“预警等级”列，按照预警名称中的“红橙黄蓝”分别设置等级1234，输出结果如图 b 所示。划线处代码正确的是：（）

图b

df_s["预警等级"]=0#插入新的"预警等级"列，默认值为0

for i in range(len(df_s)):

s=

if s[2]=="红":

df_s.at[i,"预警等级"]=1

elif s[2]=="橙":

df_s.at[i,"预警等级"]=2

elif s[2]=="黄":

df_s.at[i,"预警等级"]=3

elif s[2]=="蓝":

df_s.at[i,"预警等级"]=4

print(df_s)

df_s=df_s.head(5)

A. df_s[i,"预警名称"] B. df_s.at[i,"预警名称"] C. df[i,"预警名称"] D. df.at[i,"预警名称"]

(4) 统计全年发布次数最多的5种气象预警，建立图表，如图c所示。请在程序划线处填写合适的代码。

图c

x=df_s.预警名称

y=

plt.bar(x,y) #绘制柱形图

plt.title('发布次数最多的 5 种气象预警')

plt.show() #显示图表

综合题普通

3. 某地气象站每3小时记录一次数据，现收集了该地区2022年全年的天气数据，数据按时间日期顺序存储在“weather.xlsx”文件中，部分数据如图a所示。

图 a

图 b

统计全年每月降水天数(当日总降水量大于 0 即计入降水天数)，编写 Python 程序，回答下列问题：

(1) 求每日总降水量并输出，结果如图b所示，部分程序代码如下，则划线处可行的是 (单选，填字母) 。

import pandas as pd

df=pd.read_excel ("weather.xlsx")

df1=

print(df1)

A. df.groupby("降水量",as_index= True). 日期.sum() B. df.groupby("降水量",as_index=False). 日期.sum() C. df.groupby("日期",as_index=False).降水量.sum() D. df.groupby("日期",as_index=True).降水量.sum()

(2) 统计每月降水天数，绘制柱形图如图 c 所示。程序代码如下，请在划线处填入合适的代码。

import matplotlib.pyplot as plt

plt.rcParams['font.family']='SimHei' #设置图表中的中文字体

days=[31,28,31,30,31,30,31,31,30,31,30,31] #2022 年每月天数

rain_days=[0]*12

begin=0

for m in range(12):

for d in range(begin, ):

if df1.at[d,"降水量"]>0:

begin+=days[m]

x=[i+1 for i in range(12)]

y=rain_days

plt.bar ( , label="降水天数") plt.xticks(x) #设置横坐标刻度

plt.legend()

plt.show ()

(3) 已知全国月均降水天数约为11天，则超过全国月均降水天数的月份共有个。

图 c

综合题困难