3.3 数据分析与可视化2024—2025学年高中信息技术人教/中图版(2019)必修1

3.3 数据分析与可视化 一、选择题 1．以下说法正确的是（   ） A．plot()函数一次只能绘制一种风格的图形 B．bar()函数可以绘制水平柱形图 C．为了显示图形，须调用plt.show()函数 D．pyplot模块的text()函数和title()函数，都可以设置绘图区的标题 2．某网络购物平台使用大数据技术采集大量客户的购物行为数据，通过对客户购物行为数据进行分析，找出购买商品之间的关联关系，从而帮助电商制定更加精准的营销策略。图为客户网购行为数据分析的部分结果。 频繁项集 支持度 牛奶——啤酒 0.5 尿布——啤酒 0.477272727 面包——啤酒 0.477272727 尿布——面包——啤酒 0.340909091 面包——牛奶——啤酒 0.340909091 尿布——牛奶——啤酒 0.318181818 鸡蛋——啤酒 0.295454545 尿布——面包——牛奶——啤酒 0.25 尿布——牛奶——面包 0.25 使用Python语言中嵌入的大量数据可视化工具对图1数据进行可视化表达，除了Matplotlib绘图工具外，还有①Photoshop图像处理工具②XMind思维导图工具③Seaborn可视化库④Bokeh可视化库（    ） A．①③ B．②③ C．③④ D．①④ 3．可视化的过程一般包括：①数据处理；②数据采集；③可视化应用；④可视化模式4个环节。这4个环节先后顺序正确的是（   ） A．①②③④ B．②①③④ C．②①④③ D．①②④③ 4．下列有关数据可视化的描述，正确的是（   ） A．只有数值型数据能被可视化 B．数据可视化可以直观地呈现数据中蕴含的信息 C．数据可视化不能增强数据的解释力和吸引力 D．可视化应尽量采用位图、动画、阴影以及色彩斑斓的形式 5．要直观的呈现出中国公民各类消费在总收入中的比重，最合适的的用下列的什么图表（   ） A．雷达图 B．柱形图 C．饼图 D．折线图 6．下列选项中，可对数据进行可视化呈现的工具软件是（   ） A．Python B．记事本 C．QQ D．FlashGet 7．如图所示的国内生产总值及增速图表，下列叙述不正确的是（   ） A．2017—2019年期间国内生产总值增长率逐年减少 B．2015—2019年期间国内生产总值逐年减少 C．2019年国内生产总值的增长率最小 D．2019年第一产业国内生产总值增加值最小 8．下列选项中，不能以实时数据可视化形式呈现的是（   ） A．在股票软件里查询股票动态行情 B．在天气预报网站查询天气情况 C．“掌上公交”中公交车行驶动态 D．网络打车 App中网约车的行驶情况 9．如图所示的 Excel 图表类型，从左到右依次是（   ） A．条形图、饼图、折线图 B．折线图、饼图、条形图 C．折线图、柱形图、饼图 D．折线图、饼图、柱形图 10．下列关于数据分析的叙述中，错误的是（  ） A．数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，提取有用信息，并形成结论的过程 B．数据分析可帮助人们作出判断，以便采取适当行动 C．数据分析是数学与计算机科学相结合的产物 D．数据分析的应用范围比较单一 11．新冠肺炎疫情期间为了减少感染风险，在外出前可以提前通过电子地图软件查看人流情况。如图，是某区域实时人流密度图，其图形为数据可视化图形中的（   ） A．雷达图 B．热力图 C．散点图 D．词云 12．以下不是数据分析的基本方法的是（    ） A．对比分析法 B．平均分析法 C．结构分析法 D．综合分析法 13．某同学将上学期期末考试成绩和这学期期末考试成绩进行各学科的比较分析得出语文学科和英语学科有进步，数学和物理等学科有所退步的结论，这样的分析方法属于（   ） A．纵向对比分析法 B．横向对比分析法 C．平均分析法 D．结构分析法 14．图为国家统计数据库 2019年GDP结构图，这种数据呈现方式为（   ） A．数据的可视化表达 B．数据的文本化表达 C．数据的结构化表达 D．数据的多样化表达 二、填空题 15．在数据分析中， 是一种用于预测未来趋势或行为的分析方法。 16．常用的数据可视化工具包括 、 、 等。 17． 是最常见的数据可视化表达方式之一。 18．为了更好地了解某地的水质情况，科研人员采集了该地各监测点当天的水质数据。数据中包含了各监测点的水质类别、水温（℃）、pH、溶解氧（mg/L）、高锰酸盐指数（mg/L）。通过数字化学习，小申了解到水质类别从高到低分为1-5类，级别最高（质量最好）为1，级别最低（质量最差）为5。小申根据如表所示的水质数据，编写程序绘制如图1示的各监测点水质类别和溶解氧分布可视化图形。小申编写的程序如下所示，请将程序填写完整，可以点击图标进入开发环境，数据文件与程序位于同一文件夹目录，本题提供的环境仅用作算法验证。 监测点名称 水质类别 水温 pH 溶解氧 高锰酸盐指数 监测点 1 4 24.8 7.25 4.77 5.16 监测点 2 3 23.6 7.56 5.62 3.54 ……                         图1 import pandas as pd import matplotlib.pyplot as plt plt.rcParams['font.sans-serif']=['SimHei'] df=pd.read_csv('T4_3.csv',encoding='ANSI') plt.title('各监测点水质类别和溶解氧分布') plt.xlabel('溶解氧(mg/L)') plt.ylabel('水质类别') plt.ylim((0,6)) plt.yticks([0,1,2,3,4,5]) ___① (df['溶解氧'],df['水质类别']) plt.show() 19．为了更好地了解某地的水质情况，科研人员采集了该地各监测点当天的水质数据。数据中包含了各监测点的水质类别、水温（℃）、pH、溶解氧（mg/L）、高锰酸盐指数（mg/L）。通过数字化学习，小申了解到水质类别从高到低分为1-5类，级别最高（质量最好）为1，级别最低（质量最差）为5。小申把整理后的数据存储于“T4_2.csv”文件中。如图所示，他写程序对这些数据进行分析，在水质类别为3的记录中，找出水温的最大值。请将程序填写完整，可以点击图标进入开发环境，数据文件与程序位于同一文件夹目录，本题提供的环境仅用作算法验证。 import pandas as pd import numpy as np df=pd.read_csv('T4_2.csv',encoding='ANSI') mydf=df[(____① ==3)] temp=np.max(mydf['水温']) print(temp) 三、判断题 20．数据分析可以帮助我们了解事物的现状、剖析事物的发展历程和预测事物的未来走向。( ) 21．蜘蛛网图又称为雷达图，不属于数据的可视化图表类型。( ) 22．数据可视化是以图形、图像和动画等方式直观生动地呈现数据及数据分析结果，饼图可用于表示随时间变化的连续数据。( ) 四、操作题 23．小申采集了某城市2022年7月的气象数据。数据中包含了每天的日平均气温（C）、日平均相对湿度（%）、日降水量（mm）、日平均风速（kmh）、日照时数（h）。 （1）小申采集的部分气象数据如图所示，他使用Python第三方库pandas提供的方法进行数据整理。经检查确认，对于同一天出现多条记录的情况，视为重复记录，只需保留其中的第一条。若读取的数据存放在变量df中，以下去重方法正确的是( ) 日期 日平均气温 平均相对湿度 日降水量 日平均风速 日照时数 1日 29.3 8 0 1.9 6.6 2日 29.8 8.7 5.4 0.9 7.9 3日 31.5 8.5 0 2 0 …… 30日 30 8.7 5 1.6 8 3日 30.8 8.6 0 2 0 31日 28.7 8.1 0 1.3 6.4 A．df.drop_duplicates(keep='last') B．df.drop_duplicates(subset=['日期'],keep='first') C．df.drop_duplicates(subset=['日期],keep='last') D．df.drop_duplicates(keep='first') （2）小申把整理后的数据存储于“七月气象数据.csⅴ”文件中。如图所示，他编写程序对这些数据进行分析，在日降水量为0的记录中，找出日平均气温的最小值。请将程序填写完整。 import pandas as pd import numpy as np df=pd. read_csv('七月气象数据. csv',encoding='ansi') mydf=df[df['日降水量']=0] temp=np. min(① ['日平均气温']) print(temp) ①： （3）小申根据如图1所示的七月份气象数据，编写程序绘制如图2所示七月份日平均气温可视化图形。小申编写的程序如图3所示，请将程序填写完整，可以点击图标进入开发环境，数据文件与程序位于同一文件夹目录，本题提供的环境仅用作算法验证。 日期 日平均气温 日平均相对湿度 日降水量 日平均风速 日照时数 1日 29.3 8 0 1.9 6.6 2日 29.8 8.7 5.4 0.9 7.9 ……                                        图1                                图2 import numpy as np import pandas as pd import matplotlib.pyplot as plt plt. rcParams ['font. sans-serif']=['SimHei'] df=pd. read_csv('七月气象数据.csv',encoding='ansi') plt.title('2022 年7月日平均气温') plt.ylim(28,33.5)    #指定y轴范围 plt.yticks(list(np. arange(28,34)))    #指定y轴刻度的数目与取值 plt.bar (① ,df['日平均气温']) plt.show() ①： （4）小申在撰写数据分析报告时，根据“2022年7月日平均气温”可视化图形，总结七月份日平均气温特点，如图所示。请在横线处进一步补充七月份日平均气温特点。 例如：2022年七月份日平均气温最大值出现在14日；该月日平均气温32℃及以上有3天。 （5）根据国家气象信息中心统计，气象大数据持续爆炸式增长，气象部门己积累海量数据资源，到2022年总体规模达到200PB（1PB=1024TB），这体现出的大数据特征是( ) A．价值密度低    B．处理速度快    C．数据类型多    D．数据规模大 （6）为了及时做好防暑降温工作，各城市气象部门及时预报天气气温，发布高温预警信息。小申采集了部分城市气象部门发布的某日14时气温预报数据，并设计了一个算法，统计发布橙色预警的城市数量。请参考下表，选择合适的框图，将其拖至右侧流程图的虚线框内，将算法设计完整。 预警 气温范围 黄色预警 35℃≤气温＜37℃ 橙色预警 37℃≤气温＜40℃ 红色预警 气温≥40℃ A处： B处： C处： （7）小申编写程序统计七月份日降水量不为0的天数，七月份每天的日降水量数据依次存放在列表r中。请完善程序代码，将程序以原文件名保存在默认位置。点击图标进入开发环境。 r=[0,5.4,0,0,1.3,0,0,0.9,0,0,53.8,0,0,0,58.6,10,0,0.3,0,0,0,0,0,0,0,12.2,0,0,2.9] c=0 #在以下区域继续完善代码 for i in     if #以下输出语句,无需修改 print(c) 24．某学校近期进行了学生体质测试。该校的体质测试系统可以实现自动采集学生体测数据（如身高、体重、肺活量和立定跳远等），并修改数据库中学生体测数据“fitness_ test”表中记录相应字段的数据，该数据表中的部分数据如下所示： id name gender height weight lung jump … 230101 李四 女 1．65 50 2096 195 … 230102 刘梅 女 1．63 59 3034 210 … … … … … … … … … 230134 张三 男 1.76 68 2918 242 … 230135 王五 男 1.81 65 4530 261 … 230136 小齐 男 注: 字段名 id name gender height weight lung jump 说明 学号 姓名 性别 身高 体重 肺活量 立定跳远 单位 \ \ \ 米(m) 公斤(kg) 毫升(ml) 厘米(cm) （1）数据库中体测数据“fitness _test”表中的身高“height”字段的数据类型应为( ) A．text    B．numeric    C．integer （2）小齐同学（学号：230136）在肺活量测试中，通过肺活量测试仪测得的肺活量为3600（毫升）， 那么实现将该数据写入到数据库中“fitness _ test”表的SQL 语句应为( ) A．update fitness_test set lung=3600 where id="230136"    B．update fitness_test set lung=3600 where name="小齐" C．insert into fitness_test(lung) values(3600)     D．insert into fitness_test(id, name, lung) values("230136","小齐",3600) （3）该学校所在城市在进行学生体测期间，一天产生的学生体测数据大概就有500多万条，这体现了大数据的( )特征。 A．数据规模大    B．数据类型多    C．处理速度快    D．价值密度低 该学校每年会对学生体测数据进行信息公开。小申想利用互联网数据采集方法，编写Python程序获取学校官网公开的近年来各年级的体测数据来进行一定的分析。 （4）获取网页和解析网页需要用到的模块分别是( ) A．requests 和 numpy    B．pandas 和 BeautifulSoup    C．numpy 和 pandas    D．requests 和 BeautifulSoup （5）小申获取的部分网页源代码如下，现要从中抓取各年级人数并保存到列表 s中，则下方程序中的①和②处应分别为( ) … h = r. get(url) h. encoding = "utf-8" sp = bs(h. text,"html. parser") nums = sp.① (". num") #通过标签的类名抓取人数数据标签 s=[] for i in nums: s.② (i. text) #向列表s中添加去掉标签后的人数 <table border=1>     <thead>         <th>年级</th>         <th>人数</th> …… </thead>     <tbody>         <tr> <td>2021 级</td> <td class='num'>526</td> …… </tr>         <tr> <td>2022 级</td> <td class='num'>492</td> …… </tr>         <tr> <td>2023 级</td> <td class='num'>541</td> …… </tr>     </tbody> </table> A．find  append    B．select  insert    C．find  insert    D．select  append 小申将收集到的数据进行初步汇总，保存至文件“学生体测数据．csv”中，部分数据如下所示： 年份 年级 人数 平均肺活量 … 2022 19级 509 … 2022 20级 532 3042.1 … 2022 21级 527 3025.8 … 2023 20级 533 3062.6 … 2023 21级 528 3052.3 … 2023 22级 493 3026.7 … 2024 21级 526 3074.5 … 2024 22级 492 3068.9 … 2024 22级 492 … 2024 23级 541 3045.8 … （6）小申发现数据中存在数据重复和缺失问题，想利用 Python 程序对数据进行整理，请你根据小申的注释，补充程序中①、②和③这三处的代码。 import pandas as pd #读取数据 df=pd. read_csv("学生体测数据.csv", encoding='ANSI') #去除存在缺失值的记录 df. dropna(how="any", inplace=① ) #去除重复记录，保留第一条 df. drop_duplicates(subset=["年价"," ② "], keep="③___, inplace=True) #保存数据 df. to_csv("学生体测数据整理. csv", encoding="ANSI") ①   ②   ③ （7）小申想要检测“平均肺活量”中是否存在异常值，可以通过绘制 图或 图来直观显示是否存在异常值点。 （8）对学生体测数据进行整理后，小申想要分析21 级学生在 2022～2024 年间平均肺活量的变化趋势，请补全程序中①和②两处代码。 …… #读取数据 df=pd.read_csv("学生体测数据整理.csv, encoding='ANSI') #筛选出21级2022^2024年的数据 df=df[(① )&amp; (df["年份"]>=2022) &amp; (df["年份"]<=2024) ] #绘制平均肺活量随年份变化的折线图 plt. plot(df["年份"],② ) plt. show() ①   ② （9）下图是小申绘制的 2022 年三个年级的学生平均体重情况的柱状图，从此图中，可以得到的结论有 。 试卷第1页，共3页 试卷第1页，共3页 学科网（北京）股份有限公司 参考答案： 1．C 【详解】本题考查Python数据可视化。plot()函数一次可绘制多个不同风格的图形；bar()是垂直柱形图；text()是注释坐标，title()是标题。故正确答案为：选项C。 2．C 【详解】本题考查的是数据可视化表达。使用Python语言中嵌入的大量数据可视化工具对图1数据进行可视化表达，除了Matplotlib绘图工具外，还有③Seaborn可视化库④Bokeh可视化库。故选C。 3．C 【详解】本题考查数据可视化。数据可视化过程：数据采集→数据处理→可视化模式→可视化应用。故答案为：C。 4．B 【详解】本题考查数据可视化。只有数值型数据能被可视化，这种说法错误，非数值型数据也能被可视化，A选项错误；数据可视化可以直观地呈现数据中蕴含的信息，B选项正确；数据可视化能增强数据的解释力和吸引力，C选项错误；可视化并非应尽量采用位图、动画、阴影以及色彩斑斓的形式，应根据需求合理选择，D选项错误；故答案为：B。 5．C 【详解】本题考查数据可视化相关内容。雷达图：能够同时展示多个变量之间的相对差异，帮助观察者一目了然理解数据之间的关系。柱形图：擅长比较数据间的多少与大小。饼图：适用于描述数据之间的比例分配关系。气温走势变化用折线图会更加直观。折线图：按时间轴表现数据的变化趋势。故本题答案是C选项。 6．A 【详解】本题考查数据可视化。 记事本是一种文本编辑工具。QQ为即时通讯工具。FlashGet为下载工具。故正确答案为：选项A。 7．B 【详解】本题考查数据可视化。 如图所示，2015—2019年期间国内生产总值逐年增加。故正确答案为：选项B。 8．B 【详解】本题考查数据的可视化。 天气预报网站会收集气象数据，如温度、湿度、风速、降水量等，并通过图表、地图、动画等形式展示给用户。用户可以获取当前及未来的天气情况。这些数据并不是实时变化的数据。故正确答案为：选项B。 9．D 【详解】本题考查数据可视化。 折线图主要用于展示数据随时间或其他连续变量的变化趋势。它通过连接数据点形成线条，可以清晰地反映出数据随时间或其他连续变量的增减变化、波动情况、周期性和趋势方向等。 饼图主要用于展示数据的组成和比例关系。它将数据总量表示为一个完整的圆，各个部分的数据量则用圆内各个扇形的大小来表示，扇形面积越大，表示该部分数据量占总量的比例越高。 柱形图通过一系列垂直条形来展示不同类别的数据大小或对比情况。每个条形的高度或长度代表对应类别的数据值，不同类别的条形之间通过颜色、间距等方式进行区分。 如图所示，故正确答案为：选项D。 10．D 【详解】本题考查数据分析相关内容。数据分析是用适当的统计分析方法，对采集的大量数据进行分类、整理、统计、分析，发现有用信息以形成结论。ABC选项说法正确。D选项，数据分析在各行业及领域均获得了广泛的认可，典型的数据分析应用主要体现在以下三个方面：1、探索性数据分析，当数据刚取得时，可能杂乱无章，看不出规律，通过作图、造表、用各种形式的方程拟合，计算某些特征量等手段探索规律性的可能形式，即往什么方向和用何种方式去寻找和揭示隐含在数据中的规律性。2、模型选定分析，在探索性分析的基础上提出一类或几类可能的模型，然后通过进一步的分析从中挑选一定的模型。3、推断分析，通常使用数理统计方法对所定模型或估计的可靠程度和精确程度作出推断。故本题答案是D选项。 11．B 【详解】本题考查数据可视化相关内容。（1）雷达图是一种可视化图表，也被称为蛛网图、星形图或极坐标图，它以一个中心点为起点，从中心点向外延伸出多条射线，每条射线代表一个特定的变量或指标，每条射线上的点或线段表示该变量在不同维度上的取值或得分。（2）热力图是一种数据可视化技术，用于展示大量数据集中的区域和变化趋势。它通过使用颜色编码来显示数据点的密度和分布情况，帮助用户发现数据中的模式和规律，热力图通常在二维平面上呈现，其中横轴和纵轴代表数据的两个维度，例如时间和地理位置，每个数据点都被映射到对应的坐标位置，并使用不同的颜色来表示数据的密度或数值大小。（3）散点图是一种统计图表，用于展示两个变量之间的关系，在散点图中，因变量（通常位于Y轴）的值随自变量（通常位于X轴）的值变化而变化，这些点在坐标系中的位置显示了数据的相关性和分布关系，可以通过观察这些点的分布模式来分析两个变量之间是否存在线性或其他类型的函数关系。（4）词云是一种数据可视化技术，用于展示大量文本数据中的关键词，词云通过形成类似云的彩色图形来突出文本中出现频率较高的词语，使人们可以直观地了解文本的主题和重点，在词云图中，字体大小或颜色通常用来表示每个词的重要性，其中出现频率较高的词语会被放大，而频率较低的词语则可能变小或消失。故本题答案是B选项。 12．D 【详解】本题考查数据分析相关内容。常用的数据分析方法包括：对比分析法、结构分析法、平均分析法、交叉分析法。对比分析法是将两个或两个以上的数据进行比较，对比有横向和纵向两种。平均分析法是运用计算平均数的方法反映总体在一定时间、地点等条件下某一数量特征的一般水平。结构分析法是将各个部分与总体进行对比。故本题答案是D选项。 13．A 【详解】本题主要考查数据分析方法。对比分析是指将两个或两个以上的数据进行比较，分析它们的差异，从而揭示这些数据所代表的事物发展变化情况和规律。对比分为横向对比和纵向对比。横向对比指的是类似或者同类事物之间进行比较；纵向对比指的是和相同事物的不同时期进行比较。故本题选A选项。 14．A 【详解】本题主要考查数据可视化表达。由图可知，这种数据呈现方式为数据的可视化表达，故本题选A选项。 15．预测分析 【详解】本题考查数据分析。在数据分析领域，存在多种分析方法。其中，预测分析通过运用统计学、机器学习等技术和方法，基于历史数据来构建模型，进而对未来的趋势或行为进行预估和推测。故答案为：预测分析。 16． Excel Seabom Bokeh 【详解】本题考查的是数据可视化表达工具。常用的数据可视化工具包括Excel、Seabom、Bokeh等。 17．思维导图 【详解】本题考查数据可视化相关内容。数据可视化表达是指以图表、图形、动画等方式更加直观生动地呈现数据以及数据分析的结果,揭示数据之间的关系、趋势、规律等表达方式。思维导图是一种图形思维工具，它通过使用关键词、图像和颜色等元素，以放射性结构的形式展示思维，帮助人们组织和记忆信息。这种工具不仅简单高效，而且能够激发大脑的潜能，在学习和工作中尤其有用。思维导图可以应用于记忆、学习、解决问题和策划等多个领域。思维导图是最常见的数据可视化方法之一，它们经常被用作表现思维发展过程。故本题答案是：思维导图。 18．plt.scatter 【详解】本题考查的是panda相关知识。由图中可知绘制的是散点图。故画线处代码为：plt.scatter。 19．df["水质类别"] 【详解】本题主要考查Python程序的调试。水质类别从高到低分为1-5类，级别最高（质量最好）为1，级别最低（质量最差）为5。在水质类别为3的记录中，找出水温的最大值。因此划线处填df["水质类别"]。 20．正确 【详解】本题考查的是数据分析。数据分析可以帮助我们了解事物的现状、剖析事物的发展历程和预测事物的未来走向。说法正确。 21．错误 【详解】本题主要考查数据可视化。数据可视化表达的常见图表名称有：饼图、条形图、折线图、散点图、雷达图、词云图、热力图等。故表述错误。 22．错误 【详解】本题考查数据可视化相关内容。数据可视化是指以图形、图像和动画等方式更加直观生动地呈现数据及数据分析结果，揭示数据之间的关系、趋势和规律等。饼图是由若干个面积大小不一、以条形或颜色填的扇形组成的圆形图表，它使用圆表示数据的总量，组成圆的每个扇形表示数据中各项占总量的比例大小，主要用于显示数据中各项大小与各项总和的比例。故本题答案是：错误。 23． B mydf df['日期'] 2022年7月份日平均气温最小值出现在27日，该月日平均气温30℃及以下有13天，该月下旬日均气温相比上、中旬有所回落。 D c=0 还有数据需分析？ 37＜＝i＜40 for i in r:     if i!=0: c=c+1 【详解】本题考查的是Python数据分析综合应用。 （1）drop_duplicates(subset=列名，keep=保留位置)函数用于从DataFrame中删除重复的行。对于同一天出现多条记录的情况，视为重复记录，只需保留其中的第一条。故应使用df.drop_duplicates(subset=['日期']，keep='first')。选B。 （2）df中存放的是七月份气象数据，“mydf=df[df['日降水量']=0]”找出日降水量为0的记录，下划线处代码作用是在日降水量为0的记录中找出日平均气温的最小值，故此处答案是：mydf。 （3）由图2可知横坐标是日期，故①处为：df['日期']。 （4）由图表可知：2022年7月份日平均气温最小值出现在27日，该月日平均气温30℃及以下有13天，该月下旬日均气温相比上、中旬有所回落。 （5）根据国家气象信息中心统计，气象大数据持续爆炸式增长，气象部门己积累海量数据资源，到2022年总体规模达到200PB（1PB=1024TB），这体现出的大数据特征是数据规模大，选D。 （6）流程图描述的是统计发布橙色预警的城市数量，若满足37℃≤气温＜40℃的条件，将发布橙色预警，先初始化计数c为0，然后判断是否还有数据，如果还有数据，取出数据判断是否满足37℃≤气温＜40℃的条件，如果满足，则计数加1。故A处为：c=0；B处为：还有数据需分析？；C处为：37＜＝i＜40。 （7）r中存放的是七月份每天的降水量，题目要求统计七月份日降水量不为0的天数，只需要依次读取r中的每个数据，若不为0，则计数器c加1，具体如答案所示。 24． B A A D D True 年级 first 箱线图 散点图 df["年级"]=="21级" df["平均肺活量"] 平均体重随着年级的增高而降低，21级的学生平均体重最高。 【详解】本题考查数据分析以及Python综合应用。 （1）身高字段的数据类型应为数值型（numeric），因为身高是一个带小数点的数值。故答案为：B。 （2）A选项正确，更新指定学生（通过学号）的肺活量数据，使用update语句。B选项错误，没有使用学号作为条件。C选项错误，插入新记录，而不是更新已存在记录。D选项错误，插入新记录，而不是更新已存在记录。故答案为：A。 （3）500多万条数据体现了大数据的规模大（Volume）特征。故答案为：A。 （4）requests模块用于获取网页内容，BeautifulSoup模块用于解析网页内容。故答案为：D。 （5）使用select方法通过CSS选择器抓取数据，使用append方法将数据添加到列表中。故答案为：D。 （6）inplace=True表示直接在原数据框上进行操作，而不是返回一个新的数据框。如果不设置inplace=True，dropna方法会返回一个新的数据框，而不会修改原数据框。根据“年级”和“年份”两个字段来判断记录是否重复，因此subset参数应设置为["年级", "年份"]。这样可以确保每个年级在每一年只有一条记录。"first"表示保留第一次出现的记录，删除后续的重复记录。故答案为：True、年级、first。 （7）箱线图通过显示数据的分布以及极端值，能够直观地展示数据中的异常值点（即箱线图中的“胡须”之外的点）。散点图通过点的分布情况，可以直观地展示异常值，如果某些点明显远离大部分数据点，则这些点可能是异常值。故答案为：箱线图、散点图。 （8）①处需要选择特定年级的数据，因此需要使用筛选条件df["年级"] == "21级"。②处需要选择要绘制的平均肺活量数据，因此需要使用df["平均肺活量"]。故答案为：df["年级"]=="21级"、df["平均肺活量"]。 （9）根据柱状图，可以看出不同年级学生的平均体重情况，得出结论。 答案第1页，共2页 答案第1页，共2页 学科网（北京）股份有限公司 $$