第2节 编程处理数据-【学考一号】2025年高中信息技术学业水平复习方略精讲精练

第二节 编程处理数据 一尧选择题 1. 有如下 Python程序段院 import pandas as pd s=pd.Series (咱2,6,8,10暂,index=咱"s01"," s02", "s03","s04"暂) a=s咱"s01"暂+s咱"s03"暂 b=s咱2暂+s咱3暂 print(a+b) 执行该程序段后袁输出的结果是 渊 冤 A. 22 B. 28 C. 19 D. 18 2. 有如下 Python程序段院 import pandas as pd data={"姓名":咱"小王","小张","小李"暂,"性 别":咱"女","女","男"暂,"信息分数":咱28,46,37暂} df1=pd.DataFrame(data,columns=咱"姓名","信 息分数","性别"暂) p=df1咱1:2暂 t=df1.at咱2,"姓名"暂 print(df1) 执行该程序段后袁下列说法正确的是 渊 冤 A. 变量 t的值为"小张" B. 输出结果中袁第 2列渊除索引列冤为野性别冶 C. 对象 p中只有一行记录 D. 执行语句野df1咱"信息分数"暂=40冶后袁第一 个人的信息分数会被修改为 40 3. 有如下 Python程序段院 import pandas as pd data={"姓名":咱"张立","王强","朱明","李华"暂, "物理":咱90,66,80,78暂,"化学":咱92,86,75,80暂} df1=pd.DataFrame(data) df1.化学=咱94,88,83,86暂 ans=df1.化学.max()-df1.化学.min() print(ans) 执行该程序段后袁输出的结果是 渊 冤 A. 2 B. 11 C. 17 D. 19 4. 使用 Python 创建一个 DataFrame 对象 df1袁 代码如下院 import random import pandas as pd name =咱"小张 ","小刘 ","小王 ","小陈 ","小 黄","小李","小徐","小杨","小吴","小高"暂 n=len(name) #随机生成含有 n个元素的列表 sex =咱random.choice (咱"男 ","女 "暂) for i in range(n)暂 cla =咱random.choice (咱"A","B","C"暂) for i in range(n)暂 score=咱random.choice(range(50,101)) for i in range(n)暂 df1=pd.DataFrame({"班级 ":cla,"姓名 ":name, "性别":sex,"成绩":score}) print(df1) 要想得到不同班级不同性别的平均成绩袁应 执行的操作语句是 渊 冤 A. print(df1.groupby(咱"性别"暂).mean()) B. print(df1.groupby(咱"班级"暂).mean()) C. print(df1.groupby(咱"班级","性别"暂).mean()) D. print(df1.groupby("班级","性别").mean()) 5. 某 DataFrame对象 df中包含野id冶野name冶等 8 个数据列袁22个数据行袁下列语句中能读取 df 对象中某些数据列中的所有数据的是 渊 冤 A. df咱"id"暂 B. df.tail(5) C. df.columns D. df咱2:5暂 6. 某 DataFrame对象 df中包含野准考证号冶野姓 名冶野学校冶野语文冶野数学冶等数据列袁下列语 句中袁可以以学校为单位袁统计各校学生野语 文冶成绩平均值的是 渊 冤 A. df.groupby("学校").mean() B. df.groupby("准考证号").mean() C. df.groupby("语文").mean() D. df.groupby("语文").学校.mean() 7. 某 Python 程序运行结果如下袁以下四种代 码中能得到同样结果的是 渊 冤 0 89 1 393 2 23 dtype:int64 97 A. import pandas as pd s1越pd.Series(咱89,393,23暂) B. s1越pd.Series(89,393,23) C. s1越pd.Series(咱89,393,23暂) print(s1) D. import pandas as pd s1越pd.Series(咱89,393,23暂) print(s1) 8. 有如下 Python程序段院 import pandas as pd s1=pd.Series(咱1,6,7,9暂) res=0 for i in s1.values: res+=i print(res) 执行程序后袁输出的结果是 渊 冤 A. 6 B. 14 C. 16 D. 23 9. 有如下 Python程序段院 import pandas as pd data ={"姓名 ":咱"小芳 ","小唐 ","小王 ","小 明"暂,"性别":咱"女","男","女","男"暂,"剩余积 分":咱16,12,13,10暂} df1=pd.DataFrame(data,columns=咱"姓名","性 别","剩余积分"暂) df2=df1.head(2) df3=df1.tail(2) a=df2咱"剩余积分"暂.sum() b=df3咱"剩余积分"暂.sum() print(round(b/a,2)) 执行程序后袁输出的结果是 渊 冤 A. 0.10 B. 0.28 C. 0.61 D. 0.82 10. 有如下 Python程序段院 import pandas as pd import numpy as np #生成 5行 4列的数据袁值为咱60,100冤之间 的随机整数 df2=pd.DataFrame(np.random.randint(60,100,(5, 4)),columns=list("ABCD"),index=list("abcde")) print(df2.sort_values("C")) 下列关于该程序段的说法袁不正确的是 渊 冤 A. 该程序段输出结果的列索引为 ABCD B. 该程序段输出结果的 C列为降序排列 C. 该程序段输出结果包含列索引共有 6行 D. 该程序段输出结果包含行索引共有 5列 二尧非选择题 11. 某竞赛获奖名单已公布袁现要对获奖情况 进行数据处理和分析遥 请回答下列问题院 渊1冤将获奖名单读取到 DataFrame 对象 df 中袁如图 a所示袁若要编写 pandas程序分析 出浙江省内获得满分 400 分的总人数袁下 列方法正确的是 渊单选袁填字母冤遥 A. 从 df中筛选出省份为野浙江冶的数据 df1袁 再从 df1 中筛选出总分为野400冶的数据 df2袁最后对 df2中的野姓名冶数据列使用 count()函数统计出总人数 B. 对 df中数据按野总分冶降序排列并保存 到 df1中袁再从 df1中筛选出省份为野浙 江冶的数据 df2袁最后对 df2 中的野姓名冶 数据列使用 sum()函数统计出总人数 C. 对 df中数据按野总分冶为关键字进行分 组袁并使用 count()函数统计出总人数袁 得到数据 df1袁再从 df1中筛选出省份为 野浙江冶的总人数 渊2冤提取获奖名单中的部分数据列袁结果如 图 b所示遥 小陆想统计各省份一等奖获奖 学生的准考证号袁存储在字典 dic 中袁h 为 一等奖获奖分数线遥 实现上述功能的部分 Python 程序如下袁请在画线处填入合适的 代码遥 import pandas as pd #读取如图 b所示数据袁保存到 DataFrame 对象 df中袁代码略 图 a 图 b 98 图 b图 a # 将 DataFrame 对象 df 转换为列表 lst袁代 码略 #列表 lst的值为咱咱"北京","BJ-0032",400暂, 噎 ,咱"江苏","JS-0009",350暂,咱"四川","SC- 0003",384暂暂 h=int(input("输入一等奖获奖分数线")) i=0 s="" dic={} #字典 dic中的键为省份名称袁值 为一等奖获奖学生的准考证号 while i<len(lst): if 淤 : city=lst咱i暂咱0暂 if city in dic: dic咱city暂+=","+lst咱i暂咱1暂 else: 于 i+=1 淤 于 渊3冤获奖名单新增野获奖等级冶数据列袁存储 在文件野data.xlsx冶袁如图 c 所示袁小陆想分 析出一等奖获奖人数最多的前 5 个省份 渊没有并列情况冤袁并绘制如图 d 所示的柱 形图袁实现该功能的部分 Python程序如下遥 import pandas as pd import matplotlib.pyplot as plt plt.rcParams咱"font.sans-serif"暂=咱"SimHei"暂 #设置图表显示中文字体 df=pd.read_excel("data.xlsx") df1= #选取相应的一等奖数据 df2=df1.groupby("省份",as_index=False). count() #分组统计总人数 df2.rename(columns={"姓名 ":"获奖人数"}, inplace=True) #更改列标题名称 g =df2.sort_values ("获奖人数 ",ascending = False).head(5) plt.title ("一等奖获奖人数最多的前 5 个 省份") plt.bar( ) #绘制柱形图 plt.ylabel("获奖人数") plt.show() 淤请在画线处填入合适的代码院 遥 于程序的方框中应填入的正确代码为 渊单选袁填字母冤遥 A. g.省份,g.获奖人数 B. df2咱"省份"暂,df2咱"获奖人数"暂 C. g.index,g.获奖人数 D. df2.index,df2.获奖人数 12. 某投资者将一段时间内的证券操作记录保 存在文件野table.xlsx冶中袁部分界面如图 a所 示遥该投资者为了总结投资经验袁编写如下 程序袁对数据进行分析遥 图 c 图 d 北京江苏山东广东浙江 2001751501251007550250 一等奖获奖人数最多的前 5个省份 99 import pandas as pd import matplotlib.pyplot as plt plt.rcParams咱"font.sans-serif"暂=咱"SimHei"暂 #使图形中的中文正常编码显示 df=pd.read_excel("table.xlsx") print( 淤 ) #筛选出所有盈利的证券操作记录 print( 于 ) #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个证 券袁并呈现如图 b所示的图表 g=df.groupby("证券名称",as_index=False) df1=g.盈亏.sum() df1= 盂 print(df1咱:10暂) plt.figure(figsize=(8,4)) plt.title("盈利前十的证券对比分析图") plt. 榆 (df1咱:10暂.证券名称,df1咱:10暂.盈 亏,label="盈亏") plt.xlabel("证券名称") plt.ylabel("盈亏金额") plt.legend() plt.show() 请在画线处填入合适的代码遥 淤 于 盂 榆 13. 小红收集了某平台的销售数据袁部分数据 如图 a所示遥 为了在销售利润最高的野商品品类冶的客户 中 袁统计出不同年龄段的人数 袁她编写 Python程序如下遥 请回答下列问题院 渊1冤计算订单野销售利润冶的规则为院销售利 润=销售单价伊销售数-进货总价遥实现该计 算的 Python程序如下袁请在画线处填入合 适的代码院 遥 import pandas as pd import matplotlib.pyplot as plt df=pd.read_excel("data.xlsx") df咱"销售利润"暂= 渊2冤找出销售利润总和最高的野商品品类冶 并存储在 maxt中遥实现该功能的 Python程 序如下袁请在画线处填入合适的代码遥 df1=df.groupby(" 淤 ").sum() maxt=df1.index咱0暂 for i in df1.index咱1:暂: pft=df1.at咱i,"销售利润"暂 if pft>df1.at咱maxt,"销售利润"暂: 于 淤 于 渊3冤为统计 maxt 中不同客户年龄段的人 数袁程序运行结果如图 b所示袁部分 Python 程序如下袁请在画线处填入合适的代码遥 nums=咱0暂*5;ages=咱30,40,50,60暂 df2=df咱df.商品品类==maxt暂.sort_values("客 户年龄") j=0;n=len(df2) for i in range(0,4): st=j while j<n and df2.at咱df2.index咱j暂,"客 户年龄"暂<=ages咱i暂: j=j+1 nums咱i暂= 淤 nums咱4暂=len(df2)-j xlabel=咱"30岁以下","31~40岁","41~50岁", "51~60岁","61岁以上"暂 plt.bar(xlabel, 于 ) plt.show() 淤 于 图 a 30岁以下 61岁以上51~60岁41~50岁31~40岁 5 000 4 000 3 000 2 000 1 000 0 图 b 100 flag=1袁因此该空应该为月份的判断是否为 2月份遥 于空联系上下代码袁以及满足表达式后 check=False袁 可明确该空需要填写表达式的功能是不能满足题 目要求中的野对称日冶袁则首先需要检验 check==True袁 因为第一个 if已经检验了 m的值袁月份已经满足 要求袁故还需要检验每个月的天数是否符合要求袁 每月的天数存放在列表 lst中袁可以用 d>lst咱m-1暂+ flag来表示遥 盂空根据代码结构可知是为了返回调 用函数的结果遥 渊2冤根据上文可知 k1仅仅是年份 值袁需要构造月份和日期袁同时根据题目要求的野对 称日冶袁月份和日期刚好和年份相反遥 8. 渊1冤枚举 渊2冤淤1,9 于9 盂d*1000+c*100+ b*10+a 揖解析铱渊1冤for循环遍历所有可能的解袁然后逐一判 断每个答案是否符合条件袁属于枚举算法遥 渊2冤淤a 的值只能是 1袁a若等于 2以上的数字乘以 9袁结果 就会成为 5位数曰a是 1袁d只能是 9袁9*9个位数才 能取到 1遥 于根据 a==b or a==c得出 b的取值在 0~8之间袁若是和 a的值相同则跳过袁所以填写 9遥 盂正读和翻转等值袁则输出结果遥 9. 渊1冤阴阴翌 渊2冤淤x=i咱1:暂渊或 x=i咱1::暂或 x=咱1:len(i)暂 或其他等价表达式冤 于ca>=7 and cb>=7 盂y=score//5 揖解析铱渊2冤淤每个评审打分包括类型和分数两项袁 需要从字符串中将分数 x 切片切出曰于题干中规 定了两组评审中任意一组评审人数少于 7人则本 轮无效袁所以需要判断 ca尧cb中统计的两组评审人 数曰盂计算野阴冶的数量遥 10. 淤c=a咱j暂 于sum-=int(n) 盂a咱i:j+1暂 榆j+=1 揖解析铱淤根据下一行代码野sum+=int(c)冶可知袁此 处要对变量 c进行赋值袁并且 c的值为字符串型袁 易知变量 sum统计连续字串的和袁 变量 j为数字 字符串 a的索引袁故填入代码为 c=a咱j暂曰于当 sum 的值大于 s时袁需要减去连续字串中第一个累加 到 sum中的值袁然后将连续字串向后移动一位袁 变量 i表示连续字串的第一个位置索引袁代码野n= a咱i暂冶表示取出该字符存储在变量 n中袁故填入代 码为 sum-=int(n)曰盂连续字串的第一个位置索引 为 i袁最后一个位置索引为 j袁故填入代码为 a咱i:j+ 1暂曰榆变量 j为数字字符串 a的索引袁步长为 1袁故 填入代码为 j+=1遥 第四章 数据处理与应用 第一节 常用表格数据的处理 1. C 2. A 3. C揖解析铱2月没有 30日遥 4. B揖解析铱绝对引用的符号需要放在字母和数字的 前面遥 5. D揖解析铱相对引用随单元格变化袁绝对引用不随单 元格变化遥 6. C揖解析铱数据缺失问题最简单的处理方法是忽略 含有缺失值的实例或属性袁也可以采用平均值尧中 间值或概率统计值来填充缺失值曰异常数据不能直 接删除或忽略曰格式不一致的数据可根据后续分析 和挖掘的需要进行数据转换遥 7. B揖解析铱数据的质量直接影响数据分析的结果遥 8. 渊1冤=AVERAGE(H34:H40) 渊2冤B1袁B10:B16袁I1袁 I10:I16 渊3冤ABD 揖解析铱渊3冤A34是合并单元格袁排序时不可选择袁C 错误遥 第二节 编程处理数据 1. B揖解析铱按照索引提取值遥 2. C揖解析铱A. df1对象的行索引 index为默认索引 0尧 1尧2袁df1.at咱2,"姓名"暂即选取 df1对象中第 3行渊行 索引为 2冤野姓名冶列的值曰B. 输出结果中袁除索引 列外袁第 1列是野姓名冶袁第 2列是野信息分数冶袁第 3 列是野性别冶曰C. dfl咱1:2暂查看指定的行数据袁包含 起始值袁不包含终值曰D. 语句野df1咱"信息分数"暂= 40冶为赋值语句袁执行后袁所有的信息分数都会被修 改为 40遥 3. B揖解析铱程序利用字典创建 DataFrame对象袁然后 修改野化学冶列的值袁再计算野化学冶列的最大值与最 小值之差袁即 ans=94-83=11遥 4. C揖解析铱groupby()函数表示对各列或各行中的数据 进行分组袁然后对其中每一组数据进行不同的操 作袁mean()函数表示求平均值袁要求不同班级不同 性别的平均值袁groupby()函数的参数应为咱"班级"," 性别"暂遥 5. A揖解析铱df咱"id"暂用于查看 df对象的野id冶列数据曰 df.tail(5)用于查看 df对象的尾 5行数据曰df.columns 用于查看 df对象的列标题曰df咱2:5暂用于查看 df对 象的第 2尧3尧4行遥 6. A揖解析铱df.groupby("学校 ").mean()是以学校为单位袁 统计各校学生各列的成绩平均值袁包括野语文冶遥 7. D揖解析铱该运行结果属于一维的数据结构 Series袁 需要运用 pandas模块遥 此外袁为了得到运行结果袁 算法必须包含至少一个输出遥 8. D揖解析铱该程序段创建了一个 Series对象 s1袁i遍 历 s1中的各个值袁res=1+6+7+9=23遥 9. D揖解析铱DataFrame对象 df2为对象 df1的前两行数 据袁对象 df3 为对象 df1 最后两行数据袁求出对象 df2中剩余积分的总和并赋值给 a袁求出对象 df3中 剩余积分的总和并赋值给 b袁最后求出 round(b/a,2) 的值袁输出结果为 0.82遥 10. B揖解析铱sort_values()函数表示排序袁默认纵向升 序排列袁若增加 ascending=False则表示降序排列遥 11. 渊1冤A 渊2冤淤lst咱i暂咱2暂>=h 于dic咱city暂=lst咱i暂咱1暂 渊3冤淤df咱df.获奖等级=="一等奖"暂渊或 df咱df咱"获 奖等级"暂=="一等奖"暂冤 于C 揖解析铱渊1冤B. sum()函数用于统计数值袁因此对 202 野姓名冶数据列使用 sum()函数统计袁不能正确得出 人数曰C. 对 df中数据按野总分冶为关键字进行分 组袁并使用 count()函数统计出总人数后袁无法通过 筛选省份得到浙江的总人数遥 渊2冤遍历 lst列表切 片取出分数与分数线 h比较袁超过分数线则需记 录省份名称袁判断省份名称是否已存在于字典 中袁如果在则将新的准考证号连接上去袁若不存 在则新建一个键值对遥 渊3冤淤选取相应的一等奖数 据遥 于结合上文 df2=df1.groupby("省份",as_index= False).count()可知袁野省份冶已经作为索引袁按照野获 奖人数冶进行了降序排序袁选取前 5条记录袁存入 DataFrame对象 g中袁 因此绘制图像时袁 应该使 用院g.index,g.获奖人数遥 12. 淤df咱df咱"盈亏"暂>0暂渊或 df咱df.盈亏>0暂冤 于df.盈 亏.sum()渊或 df咱"盈亏"暂.sum()冤 盂df1.sort_values ("盈亏",ascending=False) 榆bar 揖解析铱淤筛选的条件为 df咱"盈亏"暂>0遥 于该题为 列求和袁df咱"列名"暂.sum()或者 df.列名.sum()遥 盂该 题为按列数据降序排序遥 榆由图可知所得的图为 垂直柱形图遥 13. 渊1冤df咱"销售单价"暂*df咱"销售数"暂-df咱"进货总价"暂 渊2冤淤商品品类 于maxt=i 渊3冤淤j-st 于nums 揖解析铱渊2冤淤其根据商品品类进行分类统计袁分 类统计之后袁商品品类列变成了行索引遥 于由上 问可知袁其行索引为商品品类遥 因此 maxt最后存 储其最大值得行索引就为其结果袁其结果为 maxt= i遥渊3冤淤st记录小于当前年龄段开始的人数袁野while j<n and df2.at咱df2.index咱j暂,"客户年龄"暂<=ages 咱i暂:冶即依次寻找小于当前年龄段的人数渊包括前 一年龄段冤袁nums咱i暂记录所有小于当前年龄段的 人数减去小于前一年龄段的人数遥 于y轴为 nums袁 表示各个年龄段的人数遥 第三节 文本数据处理及大数据 1. D 2. C揖解析铱有关差异的可视化用来探寻多种变量的 对象与同类之间的差异和联系袁常用雷达图表示遥 3. C揖解析铱利用可视化技术袁可以将处于不断变化中 的数据生成实时变化的可视化图表曰不同的数据类 型决定了可视化的表现形式曰展现时间趋势类的数 据可采用柱形图和折线图遥 4. D揖解析铱大数据要分析全体样本而不是抽样调查袁 大数据技术支持大数据的全样处理曰大数据商品个 性化推荐中分析的是用户购买商品之间的关联性袁 而不是用户购买该商品的原因曰文本数据处理的一 般步骤是分词尧特征提取尧数据分析和结果呈现遥 5. A 6. D揖解析铱中文分词后须进行特征提取曰标签云用词 频表现文本特征袁将关键词按照一定的顺序和规律 排列袁不显示全部词语曰野得失冶比野初心冶出现的频 率高遥 7. D揖解析铱随着时间的流逝袁流数据的价值一般会随 之降低遥 8. D 9. D揖解析铱大数据时代袁数据的来源众多袁既有人工 产生的袁也有机器自动产生的曰大数据要分析的是 全体数据而不是抽样数据曰对于大数据的处理不再 追求精确性袁而是能够接受数据的混杂性遥 10. C揖解析铱MapReduce是一种分布式并行计算模型袁 当数据量很大时袁它的优势就体现出来了袁其核 心处理思想是将任务分解并分发到多个节点上 进行处理袁最后汇总输出遥 11. B 12. A 13. D揖解析铱数据贯穿在智能交通的感知尧处理尧应用 等各个环节袁交通大数据是智能交通中野智能冶的 基础遥 14. B揖解析铱静态数据使用批处理模式袁流计算模式 用于处理流数据遥 15. 渊1冤盂于淤榆 渊2冤A 渊3冤淤counts咱word暂+1 于1 揖解析铱渊1冤文本数据处理的一般流程为获取数据 源寅分词寅特征提取寅数据分析寅结果呈现遥 渊2冤jieba默认分词模式为精确模式袁全模式对应 代码 jieba.lcut(text,ut_all=True)袁搜索引擎模式对 应代码为 jieba.lcut_for_search(text)遥 渊3冤counts是 用来记录词频的字典袁若 word已经在字典中袁将 其对应值加 1袁否则设置其值为 1袁故淤处和于处 填入代码分别为 counts咱word暂+1和 1遥 第五章 人工智能及应用 第一节 人工智能的产生与发展 1. D揖解析铱传感器采集数据属于传感技术曰数据自动 发送到服务器体现了数据输入与传输功能曰刷身 份证识别用户信息属于射频识别技术曰指纹识别身 份认证属于人工智能技术中的生物特征识别遥 2. A揖解析铱B属于跨领域人工智能曰人工智能都是需 要数据的曰人工智能在改善人类生活尧促进经济发 展的同时也会威胁人类安全遥 3. A揖解析铱问题引导下试错学习属于行为主义曰人类 智能是智能回路的总开关曰人工智能发展会有两 面性袁要重视负面的影响遥 4. C揖解析铱人工智能可以进行文本情感分析曰深度 学习是联结主义的典型代表曰训练样本数量越多袁 神经网络的性能不一定最好遥 训练样本数据越多袁 预测越好袁但是当训练样本量大袁如果网络层次太 少袁特征训练不充分袁将会导致训练不充分袁性能不 一定能同步增加遥 5. C揖解析铱行为主义需要在环境的交互中不断学习曰 图灵测试是测试机器是否具有智能的一种方法袁不 是唯一方法曰专家系统是符号主义的典型代表遥 203