编程处理数据与可视化 知识点题库

import matplotib. pyplot as plt

def track(file)：     #绘制GPS坐标轨迹

     jd=[ ]      #经度

     wd=[ ]       #纬度

     for line in open(file)：

         #切分行数据生成列表

         line_data=line. split('，')

         #取轨迹坐标

         jd. append(x)

         wd. append(y)

     plt. plot(jd, wd)

filename='Taxi_ 105. txt'

track(filename)

plt. show( )

txt = open('chjfc. txt', 'r', encoding='utf-8'). read( )

words-txt. split( )

word_ counts={ }

for word in words：

    if len(word)==1：

    continue

else：

          ①            #可以为1行或多行代码

    #使用word_counts计算词语word在words中出现的次数

word_ list=list(word_counts. items( ))      #返回所有键值对信息，生成列表

word_ list. sort(key-lambda x：x[1], reverse=True)     #按词语出现次数降序排序

for i in range(20)：

    word, times=      ②       

    print(word, times)

程序中划线①处应填写的代码是

程序中划线②处应填写的代码是

import pandas as pd

def cleantext( )：

    txt = open("textbook.txt"，"r"). read( )

    txt=     ①            #将字符串中所有大写字母转为小写

    for ch in '! ( );:''',.? ' :

        txt = txt.replace(ch，"")       #用空格替代ch的值

    return txt

booktxt = cleantext( )

words = booktxt. split( )

#以空格为分隔符分割文本并生成列表

counts= { }

for word in words：

    counts[word]=counts. get( word，0)+1

items= -list(counts. items( ))    #返回所有键值对信息，生成列表

df= pd.DataFrame(items，columns=['word'，'times'])

df1= df.sort _values('word')

df1.plot( x='word', y='times', kind='line', igsize=(8，3))

df2=    ②       

print('文件中出现的不同单词数：'，     ③          )

print(df2[：10])

① ② ③ 

其命令代码为：

import sqlite3

conn = sqlite3.connec("test.db")      #打开数据库

""添加记录函数""

def ins_ data(cu)：

    sql1 = "insert into data_ r (id, name, ssex) values ('16', '张婷', '女')"

    cu.execute(sql)

    conn.commit( )

"查询函数find(字段名，字段值)"

"主程序”

cur = conn.cursor( )       #创建游标

ins_ data(cur)             #在游标处插入记录

xb="女"

find_ data(cur, xb)       #调用函数查找字段ssex为变量xb的值

cur.close( )#关闭游标

conn.close( )

请在方框划线划线处完善查询记录find_data( )函数的代码，实现在test.db文件中data_ r数据表查询所有ssex字段值为xb的所有记录数据，并输出满足条件的所有记录。

import json         #导入json库

file = open('tus. json', 'w', encoding='utf-8')      #建立tusjson文件

b=[ ]

cur = conn.cursor( )

#将游标cur设置为id=1的记录，代码略

   ①              #将游标处的记录存储到列表变量b中

Json.dump(   ②   , file)      #dump是json函数，实现将数据保存到文件中

file.close( )

为实现上述功能，请在①处编写Python代码实现“将cur处的所有记录数据添加到列表变量b中”；划线②处应填入合适的代码为。

① ② ③ 

① ② ③ 

pandas as pd

import matplotlib.pyplot as plt

df=pd.read_excel("cs．xlsx")

g=df.groupby(‘type’,as_index=False)

datas=

print(round(datas,2))

name= datas[‘type’]

colleges=datas[‘salary’]

plt. (name, colleges)

plt.show( )

A. rows,cols=img.shape                        B. for i in range(rows)

C. img[i,j],img[i,cols-j]=img[i,cols-j],img[i,j]       D. plt.imshow(img,cmap="gray")

应该修改为：；

以上是解决这个问题而设计的一种算法，该算法中①处该填写， 该算法中②处填写；

A.  ty!=‘01’    B. ty==‘01’    C. ty!=01    D. ty==01

sp={}      #商品信息字典

#此处代码功能从数据服务器中获取商品信息字典 sp，sp 的结构为{'商品货号'：'商品名称,商品单价'}

alljg=0.0 #保存结算总金额

sn=input('请输入商品条形码：')

#######################################################

#完成购物清单文本文件头处理 f=open('list.txt', 'r+')     #打开文本文件

list.txt f.truncate()     #清空文本文件内容

f.write('货号\t\t 商品名称\t 数量\t 单价\t 金额\n')

########################################################

while    ▲    

ty=sn[0:2]    #获取商品类型

hn=sn[2:7]    #获取商品货号

if  hn in sp:

mc=sp[hn].split(', ')[0] #获取商品名称

dj=float(sp[hn].split(', ')[1])    #获取商品单价 if

ty!= '01':

sl=1.0

jg=dj

else:

sl=float(sn[12:14]+'. '+sn[14:17])

     ▲   

print('{:<10s}{:<20s}{:^10.3f}*{:^10.2f}={:^10.2f}'.format(hn, mc, sl, dj, jg))

#按格式输出内容，主要目的保持输出的内容上下按类别对齐

f.write(hn + '\t\t' + mc + '\t' + str(sl) + '*\t' + str(dj) + '=\t' + str(jg) + '\n')

#往文本文件中写入购物记录信息

alljg+=jg

else:

print('商品货号有误，请核对后重新输入')

   ▲   

print('小计:{:.2f}'.format(alljg))

f.write('---------------------------------------\n') #文本文件输出分割线

f.write('小计：'+str(alljg))     #往文本文件中写入总计信息

f.close#关闭 list.txt 文件

横线处代码应填、、

import pandas as pd

import matplotlib.pyplot as plt

df=pd.read_excel("票房前100名.xlsx")

yplx=input("输入影片类型:")       

df1= df[]       #对df取某类型电影的数据

df2=df1.sort_values("总票房",ascengding=False).       #按总票房降序并取前5名

x=df2["影片名"]

y=

plt.bar(x,y)

plt.title(yplx+"类全球总票房前5")     #设置图标题

plt.show() #显示图

图2

图3

图4

import pandas as pd

import matplotlib.pyplot as plt df=pd.read_csv("各站点 PM2.5 数据.csv")

s1=df["日平均浓度"]     #将 DataFrame 中“日平均浓度”列的数据读到s1中

#求浓度最低的站点

minx=s1[0] n=len(s1) t=0

for i in range(1,n):

    if s1[i]<minx:

        minx=s1[i]

        t = i

print('浓度最低的站点是(填写监测站点名称):',,'浓度为：',minx) g=df.groupby('地区',as_index=False)

s=g.日平均浓度.mean()

s_sort=s.sort_values("日平均浓度",ascending=False)     #各地区按照日平均浓度进行降序排序

print("求 PM2.5 平均浓度最高的三个区：\n",))

#绘制的‘临平镇’监测站点24小时变化趋势图

b=list(df.values[5][2:-1])      #将‘临平镇’每个时间段的数据存入列表b中

x=[];y=[]

for i in range(len(b)):

    x.append(i)

    y.append(b[i]) plt.plot()      

plt.title("临平镇24小时PM2.5变化趋势图")

plt.rcParams['font.sans-serif']=['SimHei']           #使中文字在视图中正常输出plt.rcParams['axes.unicode_minus']=False

plt.show()

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("① ")     # 读取Excel文件

print(② )        # 筛选出金牌数前10名（即顺序号小于等于 10）的记录并打印

dfs=   ③           # 筛选出奖牌总数前 10 名的记录，并按从高到低排序输出给 dfs print(dfs)           # 打印 dfs

#第一部分代码结束

③处代码有多种写法，以下代码中不能达成此操作的是  （单选，填字母） A．df.sort_values("奖牌总数",ascending=True).tail(10)

C． dfs=df.sort_values("奖牌总数",ascending=True)[:-11:-1]

C．df.sort_values("奖牌总数",ascending=False)[:10]

D．df.sort_values("奖牌总数",ascending=False).head(10)

以下为第二部分代码，用于绘制如图b所示图形。

图 b

plt.figure(figsize=(8,4))

plt.title("2022 年北京冬奥会金牌榜")       # 显示图表标题

plt.  ④(df[:10]

国家,df[:10].金牌, label="金牌")

plt.xlabel("国家")

plt.ylabel("金牌总数")

plt.legend( )    #显示图例

plt.show( )

#第二部分代码结束