精品解析：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] 4. （1）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.①②④C.②④ D.②④⑤ （2）如（1）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 （3）如（1）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 5. 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）。  6. ____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。 7. 小明从某网站上收集了2022年四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1所示。 图1 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 matplotlibpyplot 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，制做一份显示类别涨跌幅平均值的图表，其格式如图2所示。 图2 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（ ）,df1["涨跌幅"],label='涨跌幅') plt.xlab