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（）。

0 返回首页

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

【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

单选题容易

基础巩固

能力提升

变式训练

拓展培优

换一批

1. 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

3. 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（）

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