第4章 第17课 编程处理数据-【精彩三年】2024-2025学年高中信息技术必修第一册课程探究与巩固Word教参（浙教版2019）

第17课　编程处理数据(见学生用书P91) ——4.2　大数据处理，教材第134～138页 利用matplotlib模块对数据进行可视化处理。 1．matplotlib是一个绘图库，使用其中的__pyplot__子库所提供的函数可以快速绘图和设置图表的坐标轴、坐标轴刻度、图例等。 2．在Python中导入matplotlib的pyplot子库的方法为： import matplotlib.pyplot as plt 3．matplotlib模块的常用绘图函数 分类 函数 说明 创建对象 figure() 创建一个新的图表对象，并设置为当前绘图对象 注：不创建figure对象，直接调用plot等绘图函数进行绘图，matplotlib会自动创建一个figure对象 绘制图形 __plot()__ 绘制线形图 bar() 绘制垂直柱形图 barh() 绘制水平柱形图 scatter() 绘制散点图 续表 分类 函数 说明 修饰美化 __title()__ 设置图表的标题 xlim()、ylim() 设置X、Y轴的取值范围 xlabel()、ylabel() 设置X、Y轴的标签 legend() 显示图例 显示 show() 显示创建的所有绘图对象 4．语法说明 (1)figure(num＝None，figsize＝None，dpi＝None，facecolor＝None，edgecolor＝None，frameon＝None) num为图像标号；figsize为figure的高度和宽度；dpi为figure的分辨率；facecolor为背景颜色；edgecolor为边框颜色；frameon为边框显示情况。 (2)plt.plot(x，y，label＝'cos(x)'，color＝'r'，linewidth＝'2') color为线条颜色；linewidth为线条宽度。 如图1所示，小林将收集到的各地区的油价存于文件“数据．xlsx”中，并对数据进行了如下操作： (1)筛选出对象“df”中数据“0号柴油”不大于8.4元的数据行，保存到对象“d5”中； (2)统计对象“d5”中的各个地域的地区个数，并绘制图表，如图2所示。 　　　　　　　　　　图1　　　　　　　　　　　　　　　　　图2　　 import pandas as pd import matplotlib.pyplot as plt plt.rc('font'，**{'family'：'SimHei'}) df＝pd.read_excel('数据．xlsx') df.at[19，'92号汽油']＝8.8 df＝df.sort_values('地区'，ascending＝False) d5＝df[df['0号柴油']<＝8.4] # 情况1：以“地域”为分组依据，由“d5.groupby('地域')”可知，缺少属性“as_index”，则值默认为True，语句等价为“d5.groupby('地域'，as_index＝True)”，则分组依据“地域”作为索引 g＝d5.groupby('地域').count() plt.bar(g.index，g.地区) plt.title('地域分布图') plt.show() # 情况2：以“地域”为分组依据，由“d5.groupby('地域'，as_index＝False)”可知，分组依据“地域”不作为索引 g＝d5.groupby('地域'，as_index＝False).count() plt.bar(g.地域，g.地区) plt.title(”地域分布图”) plt.show() # 情况3：以地域为分组依据，由“d5.groupby('地域'，as_index＝True)['地区'].count()”得知，单独对地区列计算，g为Series对象 g＝d5.groupby('地域'，as_index＝False) ['地区'].count() plt.bar(g.index，g.values) plt.title(”地域分布图”) plt.show() 　　有如下Python程序段： import pandas as pd import matplotlib as mpl import matplotlib.pyplot as plt import random s1＝random.sample('abcdefghij'，5) items＝[1，2，3，4，5] random.shuffle(items)　#随机排列items中的值 plt.bar(s1，items) plt.show() 执行该程序段后，输出的结果可能是(　B　) 　 　　　　　A．　　　　　　　　B．　　　　　　　　C．　　　　　　　　D． 【解析】 语句“s1＝random.sample('abcdefghij'，5)”是5个小写字母；语句“plt.bar(s1，items)”产生柱形图，横坐标是s1，选项B正确。 变式　　用于绘制x5＋x4＋x－3＝0图像的Python程序代码如下。 import numpy as np import matplotlib.pyplot as plt x＝np.linspace(－1，2，300) y＝x**5＋x**4＋x－3 plt.plot(x，y) plt.title('x^5＋x^4＋x－3') plt.xlabel('X') plt.ylabel('Y') plt.show() 下列选项不正确的是(　C　) A．np.linspace(－1，2，300)表示在[－1，2]之间，生成300个等差数 B．plt.plot(x，y)表示绘制线形图 C．plt.xlabel('X')、plt.ylabel('Y')表示绘制X、Y轴 D．plt.show()表示显示图像 【解析】 plt.xlabel('X')、plt.ylabel('Y')表示设置X、Y轴的标签，选项C错误。 　　小明收集了全国各地区某年第一、二、三、四季度的季度生产总值，并将其存储在“生产总值．xlsx”中，其数据格式如图1所示。 图1 请回答下列问题。 (1)小明收集的数据存在一些问题，需要进行数据整理，下列说法不正确的是__A__(单选，填字母)。 A．不符合一般规律的异常数据应该直接删除 B．数据集中格式不一致的数据，需要进行数据转换 C．重复的数据应在进一步审核的基础上进行合并或删除等操作 D．缺失的数据通常可采用平均值、中间值或概率统计值来填充缺失值 (2)为了找出平均生产总值最大的五个地区，小明通过Python编程进行数据处理，并以图表的形式呈现结果。实现上述功能的Python程序如下，运行结果如图2所示，请在横线处填入合适的代码。 import pandas as pd import matplotlib.pyplot as plt plt.rcParams[”font.sans——serif”]＝[”SimHei”] #中文显示 df＝pd.read_excel(”生产总值．xlsx”) g＝df.groupby() g＝g.①__mean()__ df1＝g.sort_values(”生产总值”，ascending＝②__False__) 　　　　图2 x＝df1.地区[0：5] ③__y＝df1.生产总值[0：5]__或__y＝df1.生产总值．head(5)__ plt.④__bar__ (x，y，label＝”季度平均值”) plt.title(”全国生产总值季度平均值前五的地区”) plt.xlabel(”地区”) plt.ylabel(”平均值”) plt.legend() plt.show() (3)上述程序加框处应填入的代码为__A__(单选，填字母)。 A． ”地区”，as_index＝False B． ”地区”，as_index＝True C． ”生产总值”，as_index＝False D． ”生产总值”，as_index＝True 【解析】 (1)选项A，不符合一般规律的异常数据中可能包含重要的信息，不能直接删除，选项错误。 (2)根据题意，本题生成的图表为各地区四个季度的平均值最大的前5项，所以应按“地区”分类，对四个季度求平均值，故第①空填入mean()；再结合最大的前5行，第②空填入 False；第③空设置图表的Y轴数据为生产总值前5项，故填入y＝df1.生产总值[0：5]；第④空是绘制柱形图，填入bar。 (3)根据前面题意分析应按“地区”分类，且取“地区”列数据是通过列号来取的，所以分类完后前面应该有0，1…索引行，as_index的值应为False。 变式1　　2024·诸暨中学检测某次模拟考试成绩存储在“Scores.xlsx”数据文件中(如图1 所示)，现利用Excel 软件与Python程序对这些数据进行统计分析并可视化，请回答下列问题。 (1)在Excel 软件中计算每位学生的成绩总分。选择M2 单元格输入公式，然后利用自动填充功能完成区域M3：651 的计算，则M2 单元格的公式为＝SUM(__C2：L2__)。 图1 (2)利用Pandas 模块读取数据，统计出各选科组合的选择人数，部分程序代码如下，请在横线处填入合适的代码。 df＝pd.read excel(”Scores.xlsx”) df1＝df.groupby(”选科”，as_index＝False) df2＝df1.__count()__#统计各选科组合的人数 df2＝df2.rename(columns＝(”学号”：”人数”)) (3)为了获取选科人数最多的前8 个组合，结果如图2 所示，下列代码可行的是__CD__(多选，填字母)。 A．df3＝df2.sort_values(”人数”).tail(8) B．df3＝df2.sort_values(”人数”).head(8) C．df3＝df2.sort_values(”人数”)，ascending＝False)[0：8] D．df3＝df2.sort_values(”人数”)，ascending＝False).head(8) 　　　　　　　　　　　　图2　　　　　　　　　　　　　　图3 (4)对处理后的数据进行可视化操作，结果如图3 所示，部分程序代码如下，请在横线处填入合适的代码。 plt.bar(__df3.选科，df3.人数__或__df3[”选科”]，df3[”人数”]__) #绘制柱形图 plt.title(”选科人数最多的前8 个组合”) #设置标题 plt.show() 【解析】 (1)总分为对应C列至L 列的数据之和，公式为＝SUM(C2：L2)。 (2)计数用函数count()。 (3)从图2 可以看出，数据按人数做了降序排序，选项A、B 未加参数ascending＝False，选项错误。取前8人可以用head(8)或采用切片方式[0：8]，故选项C、D正确。 (4)从图3 可以看出，数据来自df3 对象的选科和人数两列。 变式2　　2024·萧山中学检测小明收集了学校某次考试的成绩，部分成绩情况如图1所示。为统计分析考试成绩，小明编写了Python 程序。请回答下列问题。 　　　　　　　　　　图1　　　　　　　　　　　　　　　　　　　　图2 (1)处理成绩数据：小明需要将第1 位同学的语文成绩由138 改为135，统计并输出“七选三”科目的考试人数，再筛选出语文成绩大于等于100 的数据行，存入df1 对象。请在横线处填入合适的代码。 import pandas as pd df＝pd.read_excel('exam.xlsx') ①__df.at[0，'语文']＝135__或dg['语文'][0]＝135__#将第1 位“张吉雅”同学的语文成绩修改为135 ▲____#此处多选，选项在第(2)小题中 for km in df.columns[6：13]: #统计并输出“七选三”科目的考试人数 renshu＝②__df[km].count()__ print(km，renshu) df1＝③__df[df['语文']>＝100]__ (2)统计语数英总分：上述程序中加▲的横线处应填入的代码为__AB__(多选，填字母)。 A．df['语数英总分']＝df['语文']＋df['数学']＋df['英语'] B．df.语数英总分＝df.语文＋df.数学＋df.英语 C．df.'语数英总分'＝df.'语文'＋df.'数学'＋df.'英语' D．df.['语数英总分']＝df.['语文']＋df.['数学']＋df.['英语'] (3)小明需要根据df1 对象的数据建立一张男女生语文成绩均分比较条形图，如图2 所示。下列程序中加▲的横线处应填入的代码为__C__(单选，填字母)。 A．groupby('语文')['性别'].mean() B．groupby('性别').mean() C．groupby('性别')['语文'].mean() D．groupby('性别'，as_index＝False)['语文'].mean() import matplotlib.pyplot as plt plt.rc('font', **{'family': 'SimHei'}) #设置显示中文字体 g＝df1.____▲____#此处单选，选项在第(3)小题中 plt.barh(g.index，g.values) plt.title('男女生语文成绩均分比较') plt.show() 【解析】 (1)①第1行的行索引是0，使用at方式，答案为df.at[0，'语文']＝135；不使用at，答案为df['语文'][0]＝135。 ②学考从第7列开始(列索引为6)，逐列提取并统计。 ③筛选出语文成绩大于或等于100 的数据行，采用条件筛选。 (2)“df['语数英总分']”采用字典法表示，“df.语数英总分”采用属性法表示，选项A、B正确。 (3)由语句“plt.barh(g.index，g.values)”可知，选项C正确。 |随|堂|检|测| 1．小李利用他所学习的知识帮助老师整理成绩单，部分界面如图1所示。 图1 (1)为统计每个学生的技术成绩排名，选中F2单元格并输入公式，然后利用自动填充完成F2：F393的数据计算，发现结果有误，请修改F2单元格的计算公式：__＝RANK(E2，E$2：E$393)__。(提示：RANK函数用于计算某单元格中数据在某区域内的排名，如＝RANK(G2，G2：G100)，计算G2单元格中数据在G2：G100的排名) (2)根据表格“chengji.xlsx”中的数据利用如下Python 程序计算出如图2的结果， 并绘制图表，如图3所示，请在横线处填入合适的代码。 　　　　　　　　　　　图2　　　　　　　　　　　　　　　图3 import pandas as pd import matplotlib.pyplot as plt df＝pd.read_excel(”chengji.xlsx”) g＝①__df.groupby__(”班级”，as_index＝False) average＝g.mean() print(round(average，2)) a＝average[”班级”] b＝average[”技术总分”] plt.title(”Average Score”) plt.②__plot__(a，b) plt.show() 【解析】 (1)使用排名函数RANK，在自动填充过程中需要加上绝对引用。 (2)①按班级进行分组；②绘制的是折线图，使用plot。 2．2024·长兴中学检测小林收集了各地市各年份检测的PM2.5浓度值，并保存于Excel文件“PM2.5.xlsx”中，部分数据如图1所示。小林使用Python进行数据分析。 　　　　　　　　　　　图1　　　　　　　　　　　　　　　图2 请回答下列问题。 (1)小林先将同一个地区的数据输出到各自独立的Excel文件中，部分结果如图2所示，实现上述功能的Python程序段如下： import pandas as pd import matplotlib.pyplot as plt df＝pd.read_excel(”PM2.5.xlsx”) # cities保存所有地区名称，此处仅演示部分数据 cities＝[”安吉县”，”淳安县”，”慈溪市”，”杭州市”，”湖州市”] for city in cities: dfc＝________ dfc.to_excel(city＋”．xlsx”，index＝False) # 输出文件结果如图2所示 上述程序段中横线处可填入的代码有__AC__(多选，填字母)。 A．df[df[”地区名称”]＝＝city] B．df[df[”地区名称”]]＝＝city C．df[df.地区名称＝＝city] D．df[df.”地区名称”]]＝＝city (2)对于图1所示的原始数据，小林要进行数据整理：删除“地区编码”“指标名称”“计量单位”等对后面统计无用的数据列。请在横线处填入合适的代码。 df＝pd.read_excel(”PM2.5.xlsx”) # 删除“地区编码”“指标名称”“计量单位”数据列 df＝df.drop([”地区编码”，”指标名称”，”计量单位”]，axis＝__1__ ) (3)对于整理后的数据，在同一个地市中取历次PM2.5浓度最高的值，然后将数据按PM2.5浓度值升序排序，最后输出排序后的最后5行结果，输出结果如图3所示。下列程序中横线处应填入的代码为__D__(单选，填字母)。 A．df.groupby(”PM2.5”).max() B．df.groupby.地区名称．max() C．df.sort_values(”PM2.5”).max() D．df.groupby(”地区名称”).max() # 同一个地市中取历次PM2.5浓度最高的值 dfg＝________ # 按PM2.5浓度值升序排序 dfg＝dfg.sort_values(”PM2.5”，ascending＝True) # 输出排序后的最后5行结果 print(dfg.tail()) 　　　　　　　　　　图3　　　　　　　　　　　　　　　　　　　　　图4　　　　 (4)在排序后的数据中分别取PM2.5浓度值最高和最低的5行数据，将其合并成新的DataFrame对象，并绘制柱形图，如图4所示。请在横线处填入合适的代码。 df2＝pd.concat([dfg.head(5)，dfg.tail(5)]) # 合并两个对象成为新的DataFrame对象 plt.rcParams['font.sans——serif']＝['KaiTi'，'SimHei'，'FangSong'] # 设置图表字体 plt.figure(figsize＝(8，4)) plt.title(”部分地市PM2.5浓度值对比”) plt.bar(①__df2.index__，df2[”PM2.5”]，color＝”orange”) for i in range(len(df2)): x＝df2.index[i] y＝②__df2[”PM2.5”][i]__ # text()方法可以绘制数据标签，语法：text(横坐标，纵坐标，显示内容) plt.text(x，y，'%d'%y) 【解析】 (1)由题意可知，程序需要将“地区名称”符合条件的数据行筛选出来输出的独立Excel文件，而数据筛选的格式是df[条件]，其中“条件”部分是关于数据列的一个关系表达式，选项A、C正确，选项B、D的使用格式错误。 (2)pandas处理数据函数，既可以处理行也可以处理列，drop()就是如此，参数axis＝1表示处理列，即删除指定的列。 (3)同一个地市中取PM2.5浓度值最高的数据行可以用分组函数groupby()和求最大值函数max()实现，其中groupby()函数的参数是地区名称，选项D正确。选项A的分组依据错误，因为它会将PM2.5浓度值相同的数据行分到同一组中，而不是按地区分组。选项B的函数格式错误。选项C是按PM2.5浓度值先升序排序，然后求所有数据中的最大值，此时PM2.5浓度最高的值只有一个数据，无法求出各个地市的PM2.5浓度最高值。 (4)plt.bar()函数绘制柱形图需要两个参数：X轴数据和Y轴数据(每个x对应的纵轴数据)。由题中图3和图4可知，横坐标是各个地区的名称，而由于数据框df2是分组后的结果，地区名称列已经成为了索引列，因此第①空应该填写df2.index。第②空，由程序和标签的效果图可知df2.index[i]取出了每行数据的横坐标值，类似地，对应的纵坐标值是df2[”PM2.5”][i]。 温馨提示：请完成高效作业17　) 学科网（北京）股份有限公司 $$