编程处理数据与可视化 知识点题库

使用Python编程研究一组幂函数的图象问题，程序如下。

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：

小张收集了近段时间要学习的英文单词，存储为“data.txt" 文件，格式如图所示。

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)

函数 pyplot.figure的功能是(     )

以下描述中最适合用计算机编程来处理的是（    ）

将温湿度传感器连接到micro：bit终端获取温湿度数据，代码如下：

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(    )

小刘开发了“留言收集系统”的应用软件。为了实现收集论坛某用户名发表的所有留言，他使用Python外接Requests函数库(爬虫)来采集数据。系统将根据用户输入的关键字采集数据，并将采集到的数据存储到数据库中。

如要编程画出由100个圆组成的图案，比较好的算法是（   ）。

在用Python编程对数据进行分析的时候，代码pandas.DataFrame.sum执行的操作是（   ）

小智在分析应用功能组成后，根据功能需求编写了如下网络应用Python代码：

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.____________

小明参加课外活动小组，对盆栽中某一枝条做好标记，记录28天内该枝条的生长情况，每周日记录一次，四次记录结果分别为8.8cm、10.1cm、10.9cm、11.4cm。他使用Python编码。制作了关于枝条长度(单位:cm)的柱形图，代码及柱形图如下图所示，代码空白处应填。 (       )

下列关于信息编程加工的描述中，错误的是（    ）。

海面波浪实际上是各种不同波高、周期、行进方向的多种波的无规则组合。为了海洋工程设计的方便，实际工程中常采用具有某种统计特征值的波作为代表波，其中有效波（三分之一大波）应用较为广泛。将任一由n个波浪组成的波群的波高由大到小依次排列，其中前面⌊n/3⌋个波的平均波高即为有效波高。编写Python程序，实现有效波高的计算，结果四舍五入保留两位小数并输出，程序运行结果如下图所示：

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)

技术学科一共包含2门学科——信息技术和通用技术，这就需要我们关注学科的平衡，而衡量某位学生学科平衡的重要指标就是学科吻合度，我们采用信息技术与通用技术的得分差来判断（分差每3分为一级：分差0 到3分（不含3分），表示“0级偏差”；分差3到6分（不含6分），表示“1级偏差”，分差6到9分（不含9分），表示“2级偏差”……分差最高为50分，最后一级分差48到50（含50分），表示“16级偏差”），计算每位学生的吻合度偏差值。根据题意，请回答下列问题：

某投资者将一段时间内的证券操作记录保存在文件“table.xlsx”中，部分界面如图a所示。

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 ()

现有一关于2021年某酒店线上销售业绩源数据清单，包括客服、月份、订单金额等相关数据的Excel文件“销售.xlsx”，如“图a”所示。

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( )

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

小明将图1经过如下python程序段处理后，效果为图2所示，他发现处理后图像黑白颜色分布很不均衡，要想将图像处理成图3，下列做法正确的是 （     ）

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()

创意机器⼈⼤赛——捡硬币。⽐赛规则如下：

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：

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。

某微课平台根据点击量给用户自动推荐微课。从平台中获取的部分点击量数据如图所示，为了筛选出点击量前5的微课，程序划线处应填入的代码为：（    ）

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=