pandas处理数据-浙江省2024届高三信息技术选考一轮复考点突破

pandas处理数据 1.下列有关pandas-Series的说法错误的是(　　) A.包含一个数组的数据和一个与数据关联的索引,是二维数据结构 B.其索引值默认是从0起递增的整数 C.可用列表、字典等创建Series数据结构 D.其索引可以指定,类型可以为字符串型 2.下列有关pandas-DataFrame的说法错误的是(　　) A.是一种二维数据结构 B.由1个索引列和若干个数据列组成 C.同一个DataFrame对象的数据列类型必须相同 D.可看作共享同1个index的Series集合 3.不能实现选取df对象前5行数据记录的语句是(　　) A.df.head() B.df.head(5) C.df[0:5] D.df[5] 回答下列第4~6题。 4.某DataFrame对象df中包含“准考证号”“班级”“姓名”“文”“数学”…“总分”等10个数据列、多个数据行,能获取对象df第3个数据的“姓名”内容的语句有(　　) ①df[2,'姓名']　②df.at[2,'姓名']　③df[2]['姓名']　④df['姓名'][2]　⑤df.姓名[2] A.①②③ B.①②④ C.②④ D.②④⑤ 5.如第4题对象df,能够降序排列输出总分大于等于600分的学生数据的代码组合是(　　) ①df=df.sort_values(″总分″,ascending=True) ②df=df.sort_values(″总分″,ascending=False) ③df=df[″总分″,>=600] ④df=df[df[″总分″]>=600] ⑤print(df) A.①③⑤ B.①④⑤ C.②③⑤ D.②④⑤ 6.如第4题对象df1,下列语句中,可以以班级为单位,统计出各班级“总分”的平均值的有(　　) ①df.groupby('班级').mean() ②df.groupby('总分').mean() ③df.groupby('班级')['总分'].mean() ④df.groupby('班级').总分.mean() ⑤df.groupby('班级').describe() A.①②③④⑤ B.①②③⑤ C.①③④⑤ D.①②③ 7.有如下Python程序段。 import pandas as pd list=[['周欣怡','湖州',15,646],['王培新','杭州',16,598],['张佳明','杭州',16,609],['林逢春','嘉兴',15,547],['朱梁栋','湖州',16,588],['陈清瑞','嘉兴',15,571]] inf=pd.DataFrame(list,columns=['姓名','地区','年龄','总分']) print(inf) print('_'􀆽 20) print(inf.groupby('地区',as_index=True).mean()) 执行该程序段后,输出的结果是　　　　　(单选,填字母)。  8.　　　　模块用于科学计算(随机数、数组运算等);　　　　模块基于numpy实现,主要用于数据的处理和分析;　　　　　用于绘图库。  9.小明从某网站上收集了2022年4月部分生产资料市场价格变动情况数据,数据集保存在“shuju.xlsx”中,格式如图a所示。 图a 为分析相关类别生产资料的涨跌幅情况,小明编写了以下Python程序。 import pandas as pd import matplotlib.pyplot as plt plt.rcParams['font.sans-serif']=['SimHei']　　#正常显示中文字体 df=pd.read_excel(″shuju.xlsx″) df[″涨跌幅″]=　　　　　　　　　  (1)通过数据计算添加涨跌幅列,请在划线处填写实现的方式。 计算公式为:涨跌幅=(本期价格-上期价格)/本期价格􀆽 100。 (2)若要对表格中的数据进行分类统计,并求其平均涨跌幅。请完善以下代码: g=df.groupby(″类别″,as_index=False) df1=　　　　　　　　　　  df1=df1.sort_values(″涨跌幅″,ascending=False) (3)根据上述操作结果,制作一份显示类别涨跌幅平均值的图表,其格式如图b所示。 各种类别对比分析图 图b 请完善以下代码。 plt.figure(figsize=(8,4)) plt.title(″各种类别对比分析图″) plt.bar(①　　　　　　,df1[″涨跌幅″],label='涨跌幅')  plt.xlabel(″类别″) plt.ylabel(②　　　　)  plt.legend() plt.show() 10.某市普通高中选课数据如下图所示,学生