import matplotlib.pyplot as plt
import numpy as np
# numpylinspace(start, stop, num=50)
#产生从start到stop的等差数列,num为元素个数,默认50个
x = np. linspace(-1,1,50)
forn in [1/3,1/2,1,2,3]:
y=x**n
plt. show( )
请回答下面问题:
data. txt 记事本
他处理“data.txt”文件中英文单词的Python程序段如下:
file='data.txt'
word_ c=[]
n=0
for word in open(file):
if word[0:1]=='c':
word_c. append(word)
print(word)
print('字母c开头的单词个数:',n)
from microbit import sleep #导入microbit函数库
import dht11
while True:
temp, hum= <dht11.read(2) #获取传感器的温度和湿度数据
print("temp = %d C" %temp)
print("bum = ", hum)
sleep(100) #等待
下列说法正确的是( )
字段名 |
数据类型 |
备注 |
|
||
|
||
|
请完善横线处的代码,实现将resut数据表中字段key值为txt(网页表单输入的关键字字符)的记录保存到列表变量rec中,并统计数量保存到sum中。
from flask import Flask, render_template
import sqlite3
#打开Flask网页模板和打开数据库并建立conn对象等代码略
app= Flask(_ name_ )
app.config['SECRET_KEY']='xxx_Sss_ 1276589'
bootstrap = Bootstrap(app)
class NameForm(FlaskForm):
txt = StringField('查询:', validators=[DataRequired( )])
submit = SubmitField('搜索')
@app.route(/)
@app.route('/cx', methods=['GET', 'POST'])
def index_cx( ):
rec=[ ]
sum= 0
cu = conn.cursor( ) #建立游标对象
rec = #使用fetchall( )函数将结果保存到列表rec中 sum = #统计列表变量rec的数量 conn.commit( ) #执行数据库语句 ru.close#关闭游标对象 conn.close |
return render_ template('t4.html', form-myform, txt=sum)
if _name_ ='_main_':
app.run( )
from flask import Flask,render_template,request
app = _____________
@app.route("/")
def index():
#显示“主页”页面,代码略
@app.route("/introduce")
def introduce():
#显示“介绍”页面,代码略
@app.route("/exercise",methods=["GET","POST"])
def exercise():
#显示“练习”页面,代码略
@app.route("/top")
def toplist():
#显示“排行榜”页面,代码略
if __name__ == "__main__":
app.____________
A.//127.0.0.1:5000/top toplist() |
a.@app.route("/top") |
B.//127.0.0.1:5000/ exercise() |
b.@app.route("/exercise",methods=["GET","POST"]) |
C.//127.0.0.1:5000/exercise introduce() |
c.@app.route("/introduce") |
D.//127.0.0.1:5000/instance index() |
d.@app.route("/") |
、、、
请在划线处填入合适的代码。
s=input("请输入波群(m)")
a=[]
s=s+","
for j in range(len(s)):
if s[j] == ",":
t = float(s[i:j])
a.append(t) #append方法用于在列表末尾添加新元素
a.sort(reverse = True) #将a列表中的元素从大到小排列
sumbg=0
for k in range(len(a)//3):
sumbg = sumbg + a[k]
print("有效波高(m):",aver)
students={'0901':[50,82],'0902':[50,95],……} #(以前两条记录为例)
for i in students.keys():
xx=
ty=
print(i,':',f(xx,ty))
图 a
图 b |
该投资者为了总结投资经验,编写如下程序, 对数据进行分析。请在划线处填入合适代码。
import pandas as pd
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei'] #使图形中的中文正常编码显示
df = pd.read_excel ("table.xlsx")
print( ) print( )
#筛选出所有盈利的证券操作记录。
#输出表格中所有操作的总盈亏。
#以下代码功能为找出盈利最大的 10 只证券, 并呈现如图 b 所示的图表。
g = df.groupby("证券名称",as_index = False)
df1 = g.盈亏.sum()
df1 =
print(df1[:10])
plt.figure(figsize = (8,4))
plt.title('盈利前十的证券对比分析图')
plt. (df1[:10].证券名称,df1[:10].盈亏,label = "盈亏")
plt.xlabel('证券名称')
plt.ylabel("盈亏金额")
plt.legend() #显示图例
plt.show ()
图a
使用Python读取表格中的数据,代码如下,根据题意填写划线部分:
import pandas as pd
df=pd.read_excel("销售.xlsx")
print() #筛选出商品原价大于等于1000的记录。
df1=df.groupby("客服",as_index=False)["订单金额"].sum()
df1.rename(columns={"订单金额":"订单总额"},inplace=True)
df2=
print( df2 ) #按“订单总额”降序排序后输出前10条记录
#以下代码功能为:绘制“各月份销售额”的折线图,结果如图b所示。
图 b
import matplotlib.pyplot as plt
df3=df.groupby("月份",as_index=False)["订单金额"].sum()
plt.figure(figsize=(10,5))
plt.title('各月份销售额')
plt. (df3["月份"],df3["订单金额"])
plt.xlabel('各月份')
plt.ylabel("订单金额")
plt.show( )
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
图 1 |
图 2 |
图 3 |
from PIL import Image
1 import numpy as np
2 import matplotlib.pyplot as plt
3 img=np.array(Image.open('dog.jpg').convert('L'))
4 row,cols=img.shape
5 for i in range(row):
6 for j in range(cols):
7 if img[i,j]>188:
8 img[i,j]=1 #1表示白色
9 else:
10 img[i,j]=0 #0表示黑色
11 plt.figure('dog')
12 plt.imshow(img,cmap='gray') 13 plt.axis('off')
14 plt.show()
1)在⽐赛场地上放置了n个硬币,每个硬币的位置均不相同,各位置坐标(x,y)保存在⽂本⽂件中(如图所示,放置了5个硬币,⽂本中坐标按x,y升序排列);
2)机器⼈在两个硬币位置间⾛直线,从起点(0,0)出发,按硬币x坐标从⼩到⼤去捡,若x坐标相同,则按y坐标从⼩到⼤捡;取⾛其中的n-1个硬币,总⾏⾛距离最短的机器⼈将获得⽐赛的冠军。
例:如图a所示,p2直接到p4则代表p3处硬币未取。
图a
图b
图c
完成该项⽬分以下⼏个步骤:
从⽂本⽂件中读取硬币的坐标(x、y),分别存储在列表 x 和y 中。请在划线处填⼊合适的代码。
f=open("position.txt",'r') #从⽂件中读取坐标位置
x=[0]; y=[0] #将原点坐标分别存储在x、y 列表中
line=f.readline() #取出一⾏数据
#从⽂本⽂本中读取硬币的位置,并存储在 x、y 列表中
while line:
data=line.split(",") #以逗号为分隔符转换成列表
x.append(int(data[0]))
line=f.readline( )
f.close() #关闭⽂件
from math import sqrt
def dist(x1,y1,x2,y2): #计算(x1,y1)到(x2,y2)的距离
d=
return d
机器⼈取⾛n-1个硬币经过的最短距离公式可以描述为:
其中:为机器⼈取⾛n-1个硬币⾛的最短距离;为机器⼈取⾛n个硬币经过的距离之和;为机器⼈未取第i个硬币少⾛的路程;Max为求中的最⼤值。
根据上述算法编写的Python程序如下,请在划线处填⼊合适的代码。
n=len(x) : long=0
for i in range(1, n):
long=long+dist(x[i-1], y[i-1], x[i], y[i])
ansi=n-1
for i in range(2, n):
d1=dist(x[i-2],y[i-2],x[i-1],y[i-1])
d2=dist(x[i-1],y[i-1],x[i],y[i])
d3=dist(x[i-2],y[i-2],x[i],y[i])
dx= #计算未取第i-1 个硬币少⾛的路程。
if dx>maxd:
maxd=dx
ansi=i-1
print("机器⼈⾏⾛的最短距离为:"+str(round(, 4))) print("未取⾛的硬币的位置为:(",x[ansi],",",y[ansi],")")
当最后一个硬币未取为最短距离时,上述程序运⾏结果不正确。加框处代码有误,请修改。
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)。
import pandas as pd
df=pd. read_excel ('微课点击量.x1sx')
df1=df. group by("科目", as_index=False). sum()
df2=