第4章 第19课 数据处理与应用综合-【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19课　数据处理与应用综合(见学生用书P102) ——4　数据处理与应用，教材第116～155页 基于Python程序设计语言，合理利用pandas，通过简单算法解决问题。 　　2023·浙江1月选考小红收集了部分城市2021年全年每天PM2.5、PM10、CO浓度数据，并将其分别保存在以8 位日期字符串命名的CSV文件中，部分文件如图1所示。每个文件记录了一天24小时的监测数据，示例如图2所示。 　　　　　　　　　　　　　图1　　　　　　　　　　图2 为统计分析城市A 2021年全年各月份PM2.5的月平均浓度(当月的日平均浓度的平均值)，小红编写了一个Python程序。请回答下列问题。 (1)定义pmday() 函数，功能为：读取某天的CSV 文件，返回城市A 当天PM2.5 的日平均浓度。函数代码如下，横线处应填入的代码为__D__(单选，填字母)。 A．df['类型']＝＝'PM2.5' B．df['类型'＝＝'PM2.5'] C．df[df['类型']]＝＝'PM2.5' D．df[df['类型']＝＝'PM2.5'] import pandas as pd def pmday(dayfile)： df＝pd.read_csv(dayfile) # 读取文件dayfile 中的数据 df＝____________ return df['城市A'].mean() # 返回城市A 当天PM2.5 的日平均浓度 (2)统计城市A 各月份PM2.5 的月平均浓度并绘制线形图，部分Python 程序如下。请在横线处填入合适的代码。 import matplotlib.pyplot as plt def tstr(t)： if t<10： 　　　　return '0'＋str(t) else： 　　　　return str(t) pm＝[0]*12 mdays＝[31，28，31，30，31，30，31，31，30，31，30，31] # 2021 年每月天数 for m in range(12)： sm＝0 mstr＝tstr(m＋1) for d in range(①__mdays[m]__)： 　　　dstr＝tstr(d＋1) 　　　dayfile＝'2021'＋mstr＋dstr＋'.csv' 　　　sd＝pmday(dayfile) 　　　②__sm＋＝sd__ pm[m]＝sm/mdays[m] x＝[1，2，3，4，5，6，7，8，9，10，11，12] y＝③__pm__ plt.plot(x，y) # 绘制线形图 # 设置绘图参数，显示如图3所示的线形图，代码略 图3　　　 (3)城市A 2021年PM2.5的年平均浓度为34.6微克/立方米。由图3可知，城市 A 2021年PM2.5的月平均浓度超过年平均浓度的月份共有__5__个。 【解析】 (1)可以通过布尔型数据选取满足条件的行。课本P132中示例：如通过df1[df1[”借阅次数”]>30]，可以检索df1 对象中“借阅次数”大于30的数据行。仿此例，结合下一行代码可知，筛选条件为df['类型']＝＝'PM2.5'，筛选对象为df，故选项D正确。 (2)变量m表示各月份对应的索引，mstr 表示各月份的数字字符串，以长度为2 的字符串来表示，不足两位的在前面补“0”，此功能由函数tstr() 来实现。不同月份的天数不同，为了计算各月份PM2.5 浓度的平均值，可以累加各月的每天PM2.5 浓度的平均值。变量dayfile 表示每天的数据文件名，题干已经提示“每天的数据分别保存在以8 位日期字符串命名的CSV 文件中”，调用函数pmday(dayfile) ，可以得到当天PM2.5 的日平均浓度，并保存于变量sd中。当月的各天PM2.5 的日平均浓度需要累加起来，最后求均值。因此①②空的答案依次为mdays[m]和sm＋＝sd。观察数据可视化的图像，可知横坐标为月份，即x表示的列表；纵坐标为PM2.5月平均浓度，而正是列表pm所表示的数据。③空答案为pm。 (3)城市A 2021年PM2.5的年平均浓度为34.6微克/立方米。观察图3可知，城市A 2021年PM2.5的月平均浓度超过年平均浓度的月份共有5个，分别为1、2、3、4、11月。 变式1　　小林收集了2000 年～2022 年某省的GDP 数据，并将其存储于“info.csv”文件中，部分数据如图1 所示。 图1 为统计分析近20 多年来该省的经济情况，小林编写了Python 程序。请回答下列问题。 (1)定义js() 函数，功能为：计算每年GDP 的同比增长率[计算公式为：(本年度GDP－上一年GDP)/上一年GDP*100]。函数代码如下，请在横线处填入合适的代码。 def js(df)： 　　　for i in range(1，len(df))： 　　　m＝__df.at[i，'GDP']－df.at[i－1，'GDP']__ 　　　df['RATE'][i]＝round(m/df['GDP'][i－1]*100，2) 　　　return df (2)统计2000 年～2022 年期间该省GDP 增长率在8%及以上的最长持续时间(若有多个长度相同的最大值，输出最新的时间段)，并绘制线形图。部分Python 程序如下，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'] df＝pd.read_csv('info.csv'，encoding＝'gbk') df＝js(df) t＝8 k＝0 maxk＝0 pos＝0 for i in range(len(df))： 　　　if①__df.at[i，'RATE']>＝t__： 　　　　k＋＝1 　　　else： 　　　　if k>＝maxk： 　　　　　　　maxk＝k 　　　　　　　②__pos＝i－k____ 　　　　k＝0 df2＝df[pos：pos＋maxk] x＝③__x＝df2['YEAR']__ y＝df2['RATE'] plt.plot(x，y) #绘制线形图 #设置绘图参数，显示如图2 所示的线形图，代码略 (3)由图2 可知，GDP 增长率最高的年份是__2003____年。 图2 【解析】 (1)采用at 函数获取DataFrame 对象位于索引行字段名列的单个数据。从索引行1 开始遍历，i－1 表示上一年度，根据公式可知，变量m 是本年度GDP 减去上一年GDP 的差值。 (2)①根据题目要求可知，查找的条件为GDP 增长率在8%及以上。②找到持续增长的开始年份，变量i 表示不再持续增长的年份，k表示持续的时间，因此持续增长的开始年份为i－1－k＋1，即i－k。③制作图表的X 轴数据源，由图表可知X 轴是持续增长所有的年份，语句df2＝df[pos：pos＋maxk] 为持续增长年份的记录。 (3)由图可知，2003年GDP增长率最高。 变式2　　针对选考2024·柯桥中学检测某中学“七选三”选考科目的选科数据存储在Excel 文件“选科数据．xlsx”中，部分数据及格式如图1 所示。图中“1”表示选择该科目为选考科目。现对数据进行统计分析，编写Python 程序。请回答下列问题。 图1 (1)定义fenban()函数，功能为：根据选考科目选报的总人数allrs 以及每个班的最多人数maxbrs来计算需开设的班级数。函数代码如下，请在横线处填入合适的代码。 def fenban(allrs，maxbrs)： 　　　bjnum＝allrs//maxbrs 　　　if__allrs%maxbrs！＝0__或allrs%maxbrs>0__或bjnum*maxbrs<allrs__： 　　　bjnum＋＝1 　　　return bjnum (2)统计“七选三”各科的选报人数，输出各科的选报情况及开班情况，如图2所示。部分Python程序如下，请在横线处填入合适的代码。 　　　　图2　　　　　　　　　　　　　　　　　　　　　　图3　　　　　 import pandas as pd df＝pd.read_excel(”选科数据．xlsx”) km＝[”物理”，”化学”，”生物”，”政治”，”历史”，”地理”，”技术”] m＝40 #每个班的最多人数 bj＝[0]*7 xkrs＝[0]*7 #存储选考科目的选报人数 p＝0 for j in km： 　　　①__cnt＝0__ 　　　for i in range(len(df))： 　　　if df.at[i，j]＝＝1： 　　　　　　cnt＋＝1 　　　②__xkrs[p]__或xkrs[km.index(j)]__＝cnt 　　　bj[p]＝fenban(cnt，m) 　　　p＝p＋1 for i in range(7)： 　　　print(km[i]，”人数： ”，xkrs[i]，”班级数： ”，bj[i]) (3)根据选考科目选报人数情况绘制柱形图，如图3所示。部分Python 程序如下，请在横线处填入合适的代码。 import matplotlib.pyplot as plt x＝km y＝__xkrs____ plt.bar(x，y) #绘制柱形图 #设置绘图参数，显示如图3 所示的柱形图，代码略 (4)下列程序能实现按班级统计各班选报技术学科人数的是__C__(单选，填字母)。 A．jsrs_bj＝df.groupby(”班级”).”技术”．count() B．jsrs_bj＝df.sort_values(”班级”).count() C．jsrs_bj＝df.groupby(”班级”)[”技术”].count() D．jsrs_bj＝df.groupby(”班级”).技术．mean() 【解析】 (1)当选报总人数allrs 是每班最多人数maxbrs 的倍数时，开设的班级数为bjnum，否则需要再增加一个班级， 因此横线处应填入的代码为allrs%maxbrs！＝0，也可以写为allrs%maxbrs>0 或bjnum*maxbrs<allrs。 (2)变量cnt 用来存储选考科目的选报人数，因此在统计每门学科的选报人数前，需将cnt 清0，因此①处代码为cnt＝0；②处代码的功能是记录当前学科的选报人数，因此代码为xkrs[p]，也可以写为xkrs[km.index(j)]。 (3)观察图3 可知，图表的纵坐标数据为各科的选报人数，因此答案为xkrs。 (4)根据题目要求可知，选项C正确。 |随|堂|检|测| 1．针对选考张三同学收集了一个地区8 月各类共享单车的骑行数据记录，并将每天的用户数据存储于“sharedbikes.xlsx”文件中，不考虑跨天数据，部分数据格式如图1 所示。 图1 请回答下列问题。 (1)定义cal() 函数，功能为：将Excel文件中的时间数据的小时和分钟部分转换为分钟格式并返回。例如，从“2023/8/20 6：57”获取“6：57”并将其转换为417(6*60＋57＝417)。部分Python程序如下，请在横线处填入合适的代码。 def cal(s)： 　　　n＝len(s) 　　　for i in range(n)： 　　　　if s[i]＝＝” ”： #如果为空格字符 　　　　p＝i 　if s[i] ＝＝”：”： 　　　　q＝i 　　　t＝__60__*__int(s[p＋1：q])__＋int(s[q＋1：]) 　　　return t (2)统计该月各类共享单车的每天平均骑行时长，并绘制柱形图，如图2所示。部分Python程序如下，请在横线处填入合适的代码。 图2　　　　 import pandas as pd import matplotlib.pyplot as plt df＝pd.read_excel(”sharedbikes.xlsx”) bike＝[”哈啰单车”，”摩拜单车”，”美团单车”，”青桔单车”] sm＝[0] * 4 avg＝[0] * 4 days＝31 for i in ①__df.index__或range(len(df))__： t＝cal(df.at[i，”结束时间”])－cal(df.at[i，”开始时间”]) for j in range(4)： 　if df.at[i，”APP 类型”]＝＝bike[j]： 　　　　②__sm[j]＋＝t__ 　　　　break for i in range(4)： 　　　avg[i]＝sm[i]/days plt.figure(figsize＝(12，4)) x＝bike y＝③__avg__ plt.bar(x，y) plt.show() (3)统计该月各类共享单车的骑行次数，下面的程序中加框处代码有误，可将其改正为__D__(单选，填字母：A.max()；B.min()；C.mean()；D.count())。 n＝df.groupby(”APP 类型”，as_index＝True).用户编号． 【解析】 (1)遍历骑行时间字符串“2022/8/20 6：57”的索引，如果对应的字符是空格，则用变量p 记住空格的索引，如果对应的字符是“：”，则用变量q 记住冒号的索引，遍历结束，提取小时为s[p＋1：q]，通过int() 函数转换成整数，再将小时转换为分钟。横线处填60* int(s[p＋1：q]) (2)由后面的代码“df.at[i，”APP 类型”]＝＝bike[j]”可知，变量i 表示数据集的索引。循环语句“for i in ①： ”是遍历数据集df 的索引，所以①处填range(len(df)) 或df.index；如果第i 条记录的“APP 类型”等于bike[j]，表示bike[j]类型单车的骑行时间增加了t 分钟，结合后面的代码“for i in range(4): avg[i]＝sm[i]/days”可知，数组sm存储的是对应单车类型的总骑行时长。②处是bike[j]类型单车的骑行时间增加，所以填sum[j]＋＝t；由图表的显示内容可知，横坐标是显示变量x 的值(单车类型)，纵坐标是显示变量y 的值(单车的骑行平均时长)，平均时长存储在数组avg 中，所以③处填avg。 (3)题目要求统计骑行次数，即数据的个数，所以统计函数应该是count()，故选项D正确。 2．2024·金华一中检测为研究某项疾病与年龄的关系，某医院对以前的诊断记录进行整理和分析，整理的部分数据如图1所示。 姓名 年龄 疾病 毕蕴琪 52 疾病A 蔡丹婷 26岁 疾病D 蔡伟剑 十四岁 疾病E 陈芝伊 78 疾病B 丁佳菲 35 疾病A …… …… …… 　 　　　　　　　　　　　　图1　　　　　　　　　　　　　　　图2 (1)图1 所示的数据中，“年龄”列数据的格式不一致。为了便于数据分析，需要先进行数据处理。下列操作正确的是__D__(单选，填字母)。 A．删除“年龄”列数据 B．将“年龄”列数据中含有中文文字的记录删除 C．将“年龄”列数据转为文本类型 D．将“年龄”列数据中含有中文文字的记录修改为只包含数字的年龄 (2)将数据整理好后，统计0～18、19～35、36～60、61 及以上四个年龄段的某疾病患病人数占该疾病总患病人数的比例，并绘制柱形图，如图2所示。部分Python 程序如下，请在横线处填入合适的代码。 import pandas as pd import matplotlib.pyplot as plt df＝pd.read_excel('data.xlsx') tp＝input('请输入疾病类型： ') df1＝①__df[df.疾病＝＝tp]__ # 筛选tp 疾病的数据 count＝[0] * 4 for i in range(len(df1))： 　　　age＝df.at[i，”年龄”] 　　　if ②__age<＝18__： 　count[0]＋＝1 　　　elif age<＝35： 　count[1]＋＝1 　　　elif age<＝60： 　count[2]＋＝1 　　　else： 　count[3]＋＝1 x＝['0～18'，'19～35'，'36～60'，'61 及以上'] y＝[] for i in range(4)： 　　　y．append(③__count[i]/len(df1)*100__) plt.bar(x，y) # 显示不同年龄段患该病的人数比例 # 设置图表其他参数，代码略 plt.show() (3)观察图2，“疾病A”患病比例最大的年龄段为__0～18__。 (4)获取61 岁及以上的人群中患病率最高的10 种疾病。部分Python程序如下： def get_head10(df，age)： 　　　 　　　return df.疾病．head(10) print(get_head10(df，61)) 上述程序段中加框处的代码由以下三部分组成： ①df＝df.sort_values(”年龄”，ascending＝False) ②df＝df[df.年龄>＝age] ③df＝df.groupby(”疾病”，as_index＝False).count() 下列选项中，代码顺序正确的是__D__(单选，填字母)。 A．①②③ B．①③② C．②①③ D．②③① 【解析】 (1)根据数据处理的基本思路以及相关代码，这里最合适的操作是将“年龄”列的数据修改为只包含数字。 (2)①筛选的正确代码：df[df['疾病类型']＝＝tp]。 ②根据题意和相应的代码可知，这里的条件是：age<＝18。 ③注意图2 上的数据以及坐标信息：count[i]/sum(count)*100。 (3)图上可看出，患病比例最大的年段是0～18。 (4)数据处理的顺序是：筛选、分组统计、排序(降序)，选项D正确。 温馨提示：请完成高效作业19　) 学科网（北京）股份有限公司 $$