下面这段程序是绘制函数图象的，其中plot函数可以绘制线形图 1 2 3 4 5 6 7 8 9 import numpy as np import matplotlip.pyplot as plt x=np.linspace(0,10, 100) y=np.sin(x) plt.title("sin(x)") plt.plot(x,y,color="r",linewindth="2") plt.show( ) 以下图形哪一个是该程序绘制出来的（）

0 返回首页

1. 下面这段程序是绘制函数图象的，其中plot函数可以绘制线形图

import numpy as np

import matplotlip.pyplot as plt

x=np.linspace(0,10, 100)

y=np.sin(x)

plt.title("sin(x)")

plt.plot(x,y,color="r",linewindth="2")

plt.show( )

以下图形哪一个是该程序绘制出来的（）

【考点】

编程处理数据与可视化;

【答案】

您现在未登录，无法查看试题答案与解析。登录

单选题普通

基础巩固

能力提升

变式训练

拓展培优

换一批

1. 在日常生活中，我们常常会碰到许多需要解决的问题，以下描述中最适合用计算机编程来处理的是（）。

A. 确定去某体育场所的路线 B. 计算学校运动会各班级成绩排名 C. 统计10000以内的素数的个数 D. 寻找最近热播电影

单选题容易

2. 使用pandas编程处理数据DF1，下列选项能实现行列转置的操作是（）

A. DF1.T B. DF1.columns C. DF1.values D. DF1.index

单选题容易

1. 有如下Python程序段：

from PIL import Image

img=Image.open("logo.jpg")

i=0

while i<=2:

img.rotate(i*90) #rotate()：逆时针旋转图片,参数为旋转角度

i+=1

img.show()

图logo.jpg原图如右图所示，运行该程序段后，图像显示为（）

单选题普通

2. 小明收集了不同的图书销量信息存储在“图书销量表.xlsx”中，如图所示。

序号	书店名称	图书名称	销量	单位
1	新华书店	三国演义	41	本
2	学仁书店	十万个为什么	32	本
3	学仁书店	红楼梦	36	本
4	联合书店	弟子规	21	本

用Python程序对数据做了整理与分析：

import pandas as pd

import matplotlib.pyplot as plt

plt.rcParams["font.sans-serif"]=["SimHei"] #用于显示中文标签

data=pd.read_excel("图书销量表.xlsx")

data=data.drop(2,axis=0)

s=data.sort_values("销量",ascending=True)

plt.bar(s.图书名称,s.销量,label="销量")

plt.title("各图书销量比较",fontsize=26) #设置图表标题

plt.legend()

plt.show()

上述代码运行后，输出的结果为

单选题普通

1. 统计高一学生选课情况。高一学生要从物理、化学、生物、政治、历史、地理、技术这七门科目中选择3门作为选考科目，“1”表示已选择科目，数据存储在文件“xk.xlsx”中。

⑴根据选课情况完成填充组合列（L列）。

⑵统计组合数量，并将选课组合人数最多的5个组合以柱形图的方式呈现（如图所示）。

import pandas as pd

import matplotlib.pyplot as plt

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

plt.rc('font',**{'family':'SimHei'})

zh=[ ]

n=df.姓名.count()

xk=["物理","化学","生物","政治","历史","地理","技术"]

#处理组合名，将组合名依次存入列表 zh 中 for i in range(n):

a=""

for x in xk:

if df.at[i,x]==1:

if x=="历史":

a=a+"史"

else:

a=a+x[0]

zh.append(a)

df["组合"]=

#将组合名填入 L 列

df1=df.groupby("组合",as_index=False).姓名.count()

df1.rename(columns={"姓名":"人数"},inplace=True) #将列标题”姓名”改成”人数” df1.sort_values("人数",,inplace=True)

df2=df1[0:5]

x=df2["组合"]

y=df2["人数"]

plt. (x,y)

plt.show ()

综合题普通

1. 某校为了支持学生的学习进步，特设补弱支持，每位学生可以根据自身学习情况，从语数英物化生政史地技这10门科目中，选择不超过两门科目作为自己的补弱科目，这些选择的数据已存储于"student.xlsx"文件中，部分数据如1图所示：

1图

2图

(1) 首先，需要对数据进行整理，筛选出那些补弱科目数不符合学校规定（超出两门）的学生记录，以便通知他们重新选择补弱科目，Python程序如下：

import pandas as pd

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['KaiTi','SimHei','FangSong'] #设置中文字体

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

df_err = df[ ▲ ]

请在▲处填入合适的代码。

(2) 数据整理并修正后，分析各班各科目的选择人数，以及各科目选择人数占总人数比例。

km = ["语文","数学","英语","物理","化学","生物","政治","历史","地理","技术"]

df1 = df . groupby( "班级" ) .

print( df1 ) #2图所示

#删除“姓名”和“科目数”列

df2 = df1 . drop(["姓名","科目数"] , axis = 1)

g = df2 . sum() #g为Series对象

#统计各科目的人数占总人数的比例

for k in km:

per = / len( df ) * 100

print(k , "比例为:" , round(per,2) , "%")

x =

y = g . values

plt.bar( x , y ) #3图所示

plt.title("各科补弱比例对比")

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)):

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

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. 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