資源簡介

專題7　數據統計與可視化的程序實現
學業要求 知　識　點 學業水平等級
1.能根據實際要求，對表格數據進行簡單整理、計算和可視化呈現 1
2.能采用合適的方法分析數據和可視化呈現數據，并能從中提取有用信息，形成結論 2
3.會使用Python進行簡單的數據處理，并能從中提取有用信息形成結論 2
知識點　利用Pandas模塊進行數據統計
【知識梳理】
1.Pandas模塊主要用于數據處理和________，Matplotlib是一個繪圖庫，________子庫提供的函數可以快速繪圖和設置圖表的坐標。
2.Pandas提供________和________兩種數據結構，兩者的區別見下表所示。
數據結構 Series DataFrame
維度 一維 ________維
組成 包含一個數組的數據和一個與數據關聯的索引，索引值默認是從________起遞增的整數 由1個索引列(index)和若干個數據列組成，每個數據列可以是不同的________
創建 列表、字典等可以用來創建Series數據結構；與列表不同的是：Series的索引可以指定，類型可以為________ 通常用一個________的列表或字典來創建；或直接讀取二維數據文件創建
聯系 ①DataFrame可以看作是共享同一個________的Series的集合 ②DataFrame對象和Series對象均可以通過________或________來檢索，還可以用at函數賦值和修改
3.Pandas基本屬性值
(1)index屬性
行索引，默認值是從________開始遞增的整數，也可以在創建對象時通過增加一列字符串類型的index屬性。
(2)values屬性
存放Series對象的一個數組，存放________對象的二維數據。
(3)columns屬性
只針對DataFrame對象，存放各列的________標題。
4.Pandas數據的檢索
Pandas可以通過兩種方法來檢索數據，一是通過三大________(Serise對象只有兩大屬性)來檢索，如df.columns、df.index(一維數據列表)，df.values(二維數據列表)。二是通過________記法，Pandas用字典來記錄每列的數據，Series對象字典中每個鍵的值只有一個，鍵為index屬性，值為values屬性。DataFrame對象字典中每個鍵的值有多個，是個列表，鍵為columns屬性，值為每列的數據。
5.Pandas常用函數
函數 說明
count() 返回非空(NaN)數據項的________
sum()、mean() 求和、________，通過axis＝0/1確定行列
max()、min() 返回最大、最小值
head()、tail() 返回DataFrame的前n個、后n個數據記錄
groupby() 對各列或各行中的數據進行________，然后可對其中每一組數據進行不同的操作
sort_values() ________，通過axis＝0/1確定行列，axis默認值為0，________排序。ascending＝True/False確定升/降序，ascending默認值為True，________排序。排序結果返回一個新DataFrame對象
drop() ________，通過axis＝0/1確定行列，并返回另一個DataFrame對象來存放改變后的數據
6.利用Matplotlib模塊繪圖
(1)Matplotlib是一個繪圖庫。使用其中的________子庫所提供的函數可以快速繪圖和設置圖表的坐標軸及刻度、圖例等。
(2)導入matplotlib：
import matplotlib.pyplot as plt。
(3)Matplotlib模塊的常用函數
分類 函數 說明
創建 對象 figure() 創建一個新的圖表對象，并設置為當前繪圖對象 注：不創建figure對象，直接調用plot等繪圖函數進行繪圖，matplotlib會自動創建一個figure對象
繪制 圖形 ________ 繪制線形圖
bar() 繪制垂直柱形圖
barh() 繪制水平柱形圖
scatter() 繪制散點圖
修飾 美化 ________ 設置圖表的標題
xlim()　ylim() 設置X、Y軸的取值范圍
xlabel()　ylabel() 設置X、Y軸的標簽
legend() 顯示圖例
顯示 show() 顯示創建的所有繪圖對象
【經典案例】
Series對象只有index和values兩列組成，在Series數據集df中，索引為x的值表示為df[x]或df.at[x]。DataFrame對象由1個索引列(index)和多個數據列組成，在DataFrame數據集df中，可以用df[″姓名″]命令來創建″姓名″列，該列索引為x的值表示為df[″姓名″][x](字典法)，df.姓名[x](屬性法)，df.at[x，″姓名″](行列法)。數據篩選的目的是為了找到符合處理條件的數據，往往是數據處理的第1步。通過表達式df[df[″姓名″]＝＝xx]來找出符合條件的所有記錄，該數據集是原數據集的子集，字段數量相同，但記錄的條數小于原數據集。數據分組(groupby)的目的是以某個列中相同字段值的記錄組合在一起，成為分組依據，統計各個分組的數量(count())、和(sum())、平均值(mean())和最值(max()min())等等。數據排序(sort_values)按某列進行升降排序排列，可以顯示近排序后的數據，但不會改變原數據的索引值。
【例1】 小紅收集了部分城市2021年全年每天PM2.5、PM10、CO濃度數據，每天的數據分別保存在以8位日期字符串命名的CSV文件中，部分文件如圖a所示，每個文件記錄了一天24小時的監測數據，示例如圖b所示。
為統計分析城市A全年各月份PM2.5的月平均濃度(當月的日平均濃度的平均值)，編寫Python程序。請回答下列問題：
(1)定義pmday函數，功能為：讀取某天的CSV文件，返回城市A當天PM2.5的日平均濃度。函數代碼如下，劃線處應填入的代碼為________(單選，填字母)。
A.df['類型']＝＝'PM2.5'
B.df['類型'＝＝'PM2.5']
C.df[df['類型']]＝＝'PM2.5'
D.df[df['類型']＝＝'PM2.5']
import pandas as pd
def pmday(dayfile)：
df＝pd.read_csv(dayfile)　#讀取文件dayfile中的數據
df＝________
return df['城市A'].mean()　#返回城市A
當天PM2.5的日平均濃度
(2)統計城市A各月份PM2.5的月平均濃度并繪制線型圖，部分Python程序如下，請在劃線處填寫合適的代碼。
import matplotlib.pyplot as plt
def tstr(t)：
if t<10：
retrun '0'＋str(t)
else：
retrun str(t)
pm＝[0]*12
mdays＝[31，28，31，30，31，30，31，31，30，31，30，31]
#2021年每月天數
for m in range(12)：
sm＝0
mstr＝tstr(m＋1)
for d in range(①________)：
dstr＝tstr(d＋1)
dayfile＝'2021'＋mstr＋dstr＋'.csv'
sd＝pmday(dayfile)
②________
pm[m]＝sm/mdays[m]
x＝[1，2，3，4，5，6，7，8，9，10，11，12]
y＝③________
plt.plot(x，y)　#繪制線型圖
#設置繪圖參數，顯示如圖c所示線型圖，代碼略
(3)城市A2021年PM2.5年平均濃度為34.6微克/立方米。由圖c可知，城市A2021年PM2.5月平均濃度超過年平均濃度的月份共________個。
思維點撥
明考向 本題考查pandas對數據集的篩選和選取合適的數據源制作圖表。遍歷存儲全年每天數據的文件，調用自定義函數pmday統計每天的PM2.5日平均濃度，從而計算月平均濃度，最后利用圖表可視化工具顯示統計結果
精點撥 (1)可以通過布爾型數據選取滿足條件的行。(2)計算各月份PM2.5濃度的平均值，可以累加各月的每天PM2.5濃度的平均值。變量dayfile表示每天的數據文件名，題干已經提示“每天的數據分別保存在以8位日期字符串命名的CSV文件”，調用函數pmday(dayfile)，可以得到當天PM2.5的日平均濃度，并保存于變量sd。當月的各天PM2.5的日平均濃度需要累加起來，最后求均值。③空橫坐標為月份，縱坐標為PM2.5月平均濃度，即列表pm的數據。(3)超過年平均濃度的月份為1、2、3、4、11月
聽課筆記：_____________________________________________________________
______________________________________________________________________
______________________________________________________________________
【變式1】 小林收集了各地市各年份檢測的PM2.5濃度值保存于Excel文件“PM2.5.xlsx”中，部分數據如圖a所示。小林使用Python進行數據分析，請回答以下問題。
(1)小林先將同一個地區的數據輸出到各自獨立的Excel文件中，部分結果如圖b所示，實現程序如下所示：
import pandas as pd
import matplotlib.pyplot as plt
df＝pd.read_excel(″PM2.5.xlsx″)
# cities 保存所有地區名稱，這里僅演示部分數據
cities＝[″安吉縣″，″淳安縣″，″慈溪市″，″杭州市″，″湖州市″]
for city in cities：
dfc＝________
dfc.to_excel(city＋″.xlsx″，index＝False)　#輸出文件結果示例如圖b所示
那么劃線部分語句可以是________(注：全部選對的得2分，選對但不全的得1分，不選或有選錯的得0分)。
A.df[df[″地區名稱″]＝＝city]　　　　　　　　B.df[df[″地區名稱″]]＝＝city
C.df[df.地區名稱＝＝city] D.df[df.″地區名稱″]]＝＝city
(2)對于圖a所示的原始數據，小林要進行數據整理：刪除“地區編碼”、“指標名稱”、“計量單位”等對后面統計無用的數據列，請將劃線處①的語句補充完整。
df＝pd.read_excel(″PM2.5.xlsx″)
#刪除“地區編碼”、“指標名稱”、“計量單位”數據列
df＝df.drop([″指標名稱″，″地區編碼″，″計量單位″]，axis＝①________)　#同一個地市取PM2.5濃度最高的值
dfg＝②________
#按PM2.5的值升序排序
dfg＝dfg.sort_values(″PM2.5″，ascending＝True)　#輸出排序后的最后五行結果
print(dfg.tail())
(3)對于整理后的數據，在同一個地市中取歷次PM2.5濃度檢測值最高的值，最后按PM2.5升序排序數據，輸出結果如圖c所示，則第②空應填寫的語句是________(單選，填字母)。
A.df.groupby(″PM2.5″).max()
B.df.groupby.地區名稱.max()
C.df.sort_values(″PM2.5″).max()
D.df.groupby(″地區名稱″).max()
(4)將排序后的數據分別取PM2.5檢測值最高和最低的五行數據合并成新的DataFrame對象后繪制成柱形圖如圖d所示。請將程序補充完整。
df2＝pd.concat([dfg.head(5)，dfg.tail(5)])　#合并兩個對象成為新的DataFrame對象
plt.rcParams['font.sans－serif']＝['KaiTi'，'SimHei'，'FangSong']　#設置圖表字體
plt.figure(figsize＝(8，4))
plt.title(″部分縣市PM2.5濃度對比″)
plt.xlabel(″PM2.5濃度值″)
plt.bar(①________，df2[″PM2.5″]，color＝″orange″)
for i in range(len(df2))：
x＝df2.index[i]
y＝②________
#text()方法可以繪制數據標簽，語法：text(橫坐標，縱坐標，顯示內容)
plt.text(x，y，'%d'% y)
【例2】 某校高三首考后，匯總了學生7選3成績以及次考科目棄考情況(注意：1表示次考棄考，0表示參加次考)，ckqk.xlsx文件部分數據如圖a所示，現要統計各班人均棄科目考門數和各科次考棄考比例，編寫如下Python程序。
請回答下列問題：
(1)下列代碼讀取ckqk.xlsx文件，輸出各班每人平均棄考門數，輸出格式如圖b所示，則劃線處應填寫的代碼為________(單選，填字母)。
A.groupby('班級').棄考門數.mean()
B.groupby('班級'，as.index＝False)['棄考門數'].mean()
import pandas as pd
df＝pd.read_excel('ckqk.xlsx')
df['棄考門數']＝df[['棄考科目1'，'棄考科目2'，'棄考科目3']].sum(axis＝1)
dfg＝df.________________
print(dfg)
(2)統計7選3每門科目選考人數和棄考人數，并計算各科目棄考比例，Python程序如下，請在劃線處填寫合適的代碼。
courses＝{}
for i in df.index：
for k in range(1，4)：
subject＝df.at[i，'科目%d'%k]
　　　　 if ①________：
　　　　 courses[subject]＝[1，0]　#[1，0]表示當前為本科目第1個人，棄考人數初值置0
else：
　　　 　courses[subject][0]＋＝1
abandon＝df.at[i，'棄考科目%d'%k]
if abandon＝＝1：
　　　 　②________
dfs＝pd.DataFrame(courses)
dfs＝dfs.T
dfs＝dfs.rename(columns＝{0：'總人數'，1：'棄考人數'})
dfs['棄考比例']＝round(dfs['棄考人數']/dfs['總人數']*100，1)
dfs＝dfs.sort_values('棄考比例'，ascending＝False)
(3)編寫代碼繪制如圖c所示圖表，則7選3科目中次考棄考比例超30%的有①________門。為實現該功能，請在下面劃線處填入合適代碼。
import matplotlib.pyplot as plt
plt.rcParams['font.sans－serif']＝['SimHei']
plt.figure('chart'，figsize＝(6，4))
plt.title('各科次考棄考比例分析')
plt.bar(dfs.index，②________，label＝'棄考比例')
plt.ylabel('各科棄考百分比')
plt.xlabel('7選3科目')；plt.legend()；plt.show()
思維點撥
明考向 本題考查pandas對數據集的分組統計、遍歷和可視化操作
精點撥 (1)根據圖b，分組方法gorupby的相應參數as_index＝False。(2)①字典courses每對鍵值對的結構是：″科目″：[選科人數，棄考人數]，先判斷字典中是否存在相應的鍵，不存在，就要創建相應的鍵值對。②如果某同學某科目有棄考，則要對應科目棄考人數累加：course[subject][1]＋＝1。(3)①從圖中可以找到符合條件的數據。②根據圖c，柱狀圖的數據分別是dfs.index，dfs.[″棄考比例″]
聽課筆記：____________________________________________________________
______________________________________________________________________
______________________________________________________________________
【變式2】 小明收集了本校高三年級10個班級學生視力情況的相關數據，示例如圖a所示。
圖a
請回答下列問題：
(1)按“學籍號”右起第二位數字的奇偶性來判斷學生性別(奇為男，偶為女)。左右眼的視力均大于等于5.0則判定為視力正常。程序運行結果如圖b所示，請在劃線處填寫合適的代碼。
高三年級視力正常的學生統計結果 視力正常的女生占女生總人數的：8.43% 視力正常的男生占男生總人數的：13.88%
圖b
df＝pd.read_excel(″高三學生視力數據.xlsx″)
data＝{″301班″：[0，0]，″302班″：[0，0]，″303班″：[0，0]，″304班″：[0，0]，″305班″：[0，0]，″306班″：[0，0]，″307班″：[0，0]，″308班″：[0，0]，″309班″：[0，0]，″310班″：[0，0]}
stat＝[[0，0]，[0，0]]
n＝len(df)
for i in range(n)：
x＝int(df.at[i，″學籍號″][－2])
y＝①________
if df.at[i，″左眼″]>＝5.0 and df.at[i，″右眼″]>＝5.0：
data[df.at[i，″班級″]][0]＋＝1
stat[y][0]＋＝1
data[②________ ][1]＋＝1
stat[y][1]＋＝1
print(″高三年級視力正常的學生統計結果″)
print(″視力正常的女生占女生總人數的：″，round(stat[0][0]/stat[0][1]*100，2)，″%″)
print(″視力正常的男生占男生總人數的：″，round(stat[1][0]/stat[1][1]*100，2)，″%″)
(2)輸出各班視力正常的學生情況，并繪制柱型圖，劃線①處應填入的代碼為________(單選，填字母：A.Series/B.DataFrame)；劃線②處應填入的代碼為________(單選，填字母：A.s[″班級″] / B.s.index)。
import matplotlib.pyplot as plt
s＝pd.①________(data，index＝[″視力正常″，″本班人數″]).T
print(s)
plt.title(″高三年級各班視力正常的學生統計結果″)
plt.bar(②________，s[″視力正常″]/s[″本班人數″]*100)
#設置數據輸出時的對齊方式，設置繪圖參數，顯示柱型圖，代碼略
(3)由統計結果可知，視力正常占比最高的班級為________。
1.小明同學通過Python編程為學校教務處分析當地高二年級各選課方案的人數，使用Matplotlib的pyplot模塊呈現結果。程序運行界面如圖a所示。請回答下列問題：
(1)實現上述功能的Python程序代碼如下，請在劃線處填入合適的代碼。
import pandas as pd
import matplotlib.pyplot as plt
plt.rcParams['font.sans－serif']＝['SimHei']　
#顯示中文
df＝pd.read_excel('stu.xlsx')
df_xk＝①________(″選考″，as_index＝False).count()　#按“選考”分組統計
df_xk＝df_xk.rename(columns＝{″姓名″：″人數″})　#更改“姓名”列標題為“人數”
df_px＝②________　#根據“人數”列數據降序排序
plt.figure(figsize＝(8，6))
plt.title(″選課方案人數前10位對比圖″)
plt.legend　#顯示圖例
plt.show　#顯示圖像
(2)加框處的代碼可以是下列選項中的________(多選，填字母)。
(注：全部選對的得2分，選對但不全的得1分、不選或者有選錯的得0分)
A.plt.plot(df_px.選考[－10：]，df_px.人數[－10：]，label＝″人數″)
B.plt.bar(df_px.選考[－10：]，df_px.人數[－10：]，label＝″人數″)
C.plt.bar(df_px.選考[：10]，df_px.人數[：10]，label＝″人數″)
D.plt.bar(df_px[″選考″][1：10]，df_px[″人數″][1：10]，label＝″人數″)
E.plt.bar(df_px[″選考″][0：10]，df_px[″人數″][0：10]，label＝″人數″)
2.某網站服務器五月(31天)的后臺訪問記錄保存在log.xlsx文件中，如圖a所示：
請回答下列問題：
(1)定義oneday函數，功能為：讀取日期為day的訪問記錄，將訪問地區依次保存在列表city中，并返回該列表。函數代碼如下：
import pandas as pd
df＝pd.read_excel('log.xlsx')
def oneday(day)：
city＝[]
for i in____________：
　 if df.at[i，″時間戳″][0：2]＝＝day：
　　　 　city.append(df.at[i，″地區″])
return city
劃線處代碼為：________(單選：A.df.index()/B.df.index/C.df.values()/ D.df.values)
(2)統計該月每天華東五市的訪問數據，并繪制線型圖，部分Python程序如下，請在劃線處填寫合適的代碼。
import matplotlib.pyplot as plt
eastcity＝[″上海″，″南京″，″杭州″，″蘇州″，″無錫″]
x＝[i for i in range(1，32)]
y＝[]
t＝0
for i in range(1，32)：
①________
if i<10：
day＝″0″＋day
city＝oneday(day)
for j in city：
if j in eastcity：
　　　 　②________
y.append(t)
t＝0
plt.plot(③________)
plt.show()
(3)由圖b可知，該網站本月訪問量低于4萬次天數共有________天。
3.小王收集了2022年城市A全年每天的部分天氣數據，保存在“2022天氣.xls”文件中，部分數據如圖a所示。
(1)為統計2022年全年晴、陰、雨……的天數，編寫了如下的Python程序：
import pandas as pd
import matplotlib.pyplot as plt
df＝pd.read_excel('2022 天氣.xls')
g＝________
print('2022 年城市 A 天氣情況統計如下：')
for x in g.index：
print(x＋'：'＋str(g[x])＋'天')
程序運行結果如圖b所示，則劃線處應該填入的代碼為________(單選，填字母)。
A.df.groupby('天氣情況')['日期'].sum()
B.df.groupby('天氣情況')['日期'].count()
C.df.groupby('天氣情況').mean()
D.df.groupby('天氣情況').count()
(2)統計2022年城市A每月平均氣溫并繪制線形圖，部分Python程序如下，請在劃線處填入合適的代碼。
s＝[0]*12
avg＝[0]*12　#存儲每月平均氣溫
mdays＝[0]*12
x＝[1，2，3，4，5，6，7，8，9，10，11，12]
df['平均溫度']＝(df['最低溫度']＋df['最高溫度'])/2
for i in df.index：
①________
s[int(month)－1]＋＝df.at[i，'平均溫度']
mdays[int(month)－1]＋＝1
for i in range(12)：
avg[i]＝round(②________，1)
y＝③________
plt.plot(x，y)　#繪制線形圖
#設置繪圖參數，顯示如圖c所示線形圖，代碼略。
(3)由圖c可知，2022年城市A最冷和最熱的月份分別是________，________。
4.為了督促學生寒假堅持體育鍛煉，老師采用線上打卡的方式收集學生鍛煉情況，數據如圖a所示。
為統計冬鍛完成情況，編寫Python程序。請回答下列問題：
(1)定義outdata函數，其中參數dftmp是DataFrame數據類型，數據由圖a所示的Excel表導入。函數功能是：統計每天每個學生的鍛煉項目個數，返回含有“學籍號”、“姓名”和“項目個數”信息的二維列表。
函數代碼如下，劃線處應填入的代碼為________(多選，填字母)。
A.dftmp.at[i，j]＝＝″√″
B.dftmp[i][j]＝＝″√″
C.dftmp.at[j，i]＝＝″√″
D.dftmp[j][i]＝＝″√″
def outdata(dftmp)：
a＝[]
for i in dftmp.index：　#dftmp 的行索引
itemn＝0
for j in dftmp.columns[4：]：　#dftmp中從“跑步”開始的列標題
　　　 　if ______________：
　　　 　　　itemn＋＝1
a.append([str(df[″學籍號″][i])，df[″姓名″][i]，itemn])
return a
(2)冬鍛打卡成功的標準為累計運動15天，每天鍛煉項目達到3項及以上。統計輸出寒假體育鍛煉達標的學生名單，并制作四個項目的運動次數對比圖，部分界面如圖b和圖c所示。部分Python程序如下，請在劃線處填寫合適的代碼或改正加框處代碼。
import pandas as pd
import matplotlib.pyplot as plt
df＝pd.read_excel(″sport.xls″)
lst＝outdata(df)
print(″冬鍛打卡成功名單：″)
i＝0；flag＝[False]*len(lst)
while iif ：　#①
xjh＝lst[i][0]
flag[i]＝True
②________
for j in range(i＋1，len(lst))：
　　　 　if lst[j][0]＝＝xjh and lst[j][2]>＝3：
　　　　　 　flag[j]＝True
　　　　　 　days＋＝1
if days>＝15：
　　　 　print(lst[i][0]＋ ″/″＋lst[i][1]＋ ″/″＋str(days)＋ ″天″)
③________
ydl＝df.count()　#統計各列非空單元格數量，結果為 Series
item＝[″跑步″，″跳繩″，″俯臥撐″，″仰臥起坐″]
nums＝④________
plt.bar(item，nums，label＝″運動次數″)
5.小明為了研究某地近十年每月的溫差變化，編寫Python程序。以2023年4月為例，該月每天的溫度數據分別保存在以8位日期字符串命名的excel文件中，部分文件如圖a所示，每個文件記錄了一天24小時的溫度數據，如圖b記錄了4月28日的數據。
(1)定義dv函數，功能為：讀取某天的excel文件，返回當天最高溫度與最低溫度的差值。函數代碼如下，劃線處應填入的代碼為________(單選，填字母)。
A.df[″溫度″].head(1)－df[″溫度″].tail(1)
B.df[″溫度″].(max()－min())
C.df[″溫度″].max()－df[″溫度″].min()
D.df[″溫度″].(head(1)－tail(1))
def dv(dayfile)：
　df＝pd.read_excel(dayfile)
　 diff＝________________
　 return diff
(2)定義find函數，功能為：用字典創建DataFrame對象，并篩選出4月份溫差大于13的日期，輸出結果如圖c所示，請在劃線處填入代碼。
日期　溫差 3 0404 13.1 9 0410 13.1 15 0416 13.3 17 0418 13.8 27 0428 15.5
圖c
def find(r，t)：
dic＝{″日期″：r，″溫差″：t}
df1＝pd.DataFrame(dic)
df2＝________________
return df2
(3)繪制4月份每天的溫差柱形圖，部分Python程序如下，請在劃線處填寫合適的代碼。
def tstr(t)：
if t<10：
return'0'＋str(t)
else：
return str(t)
td＝[]；date＝[]
for i in range(30)：
dstr＝tstr(①________)
dayfile＝'202304'＋dstr＋'.xlsx'
date.append(dayfile[4：8])
td.append(②________)
#設置繪圖參數，代碼略
plt.bar(date，③________)
plt.show()
print(find(date，td))
6.小明收集了學校某次考試成績，部分成績情況如圖所示。小明為統計分析考試成績，編寫了Python程序。請回答下列問題：
(1)處理成績數據：小明需要將第1位同學的語文成績由138改為135，統計并輸出七選三科目的考試人數，再篩選出語文成績大于等于100的數據行，存入df1對象。請在劃線①②③處填入合適的代碼。
import pandas as pd
df＝pd.read_excel('exam.xlsx')
①________　#將第1位“張吉雅”同學的語文成績修改為135
__________　#此處多選，選項在第(2)小題中
for km in df.columns[6：13]：　#統計并輸出七選三科目的考試人數
renshu＝②________
print(km，renshu)
df1＝③________
(2)統計語數英總分：上述代碼中劃線處應填入的代碼為________(多選：填字母)。
A.df['語數英總分']＝df['語文']＋df['數學']＋df['英語']
B.df.語數英總分＝df.語文＋df.數學＋df.英語
C.df.'語數英總分'＝df.'語文'＋df.'數學'＋df.'英語'
D.df.['語數英總分']＝df.['語文']＋df.['數學']＋df.['英語']
(注：全部選對的得2分，選對但不全的得1分，不選或有選錯的得0分)
(3)小明需要根據df1對象的數據建立一張男女生語文成績均分比較條形圖，如圖b所示，下列代碼劃線處應填入的代碼為________(單選：填字母)。
A.groupby('語文')['性別'].mean()
B.groupby('性別').mean()
C.groupby('性別')['語文'].mean()
D.groupby('性別'，as_index＝False)['語文'].mean()
import matplotlib.pyplot as plt
plt.rc('font'，**{'family'：'SimHei'}) 　#設置顯示中文字體
g＝df1.________　#此處單選，選項在第(3)小題中
plt.barh(g.index，g.values)
plt.title(″男女生語文成績均分比較″)
plt.show()
7.為了完善某學校食堂管理、持續提高食堂服務質量，讓全校師生更加精神飽滿地開展工作、學習，對學校食堂進行了一些調查，調查項目共5項(具體內容略)。學校后勤管理謝老師收集了12個班級的調查結果，分別存儲在“dy01.csv”、“dy02.csv”、...、“dy12.csv”等12個文件中(如圖a所示)，每個文件部分界面如圖b所示。
現需要分析12個班級學生對這5個問題的選“A”情況。謝老師用Python的Pandas模塊編寫了以下代碼，實現相關問題的解決。請回答下列問題。
(1)定義了fun_A()函數實現了統計某個班級5個問題的選“A”的人數情況。Python程序代碼如下，請在劃線處填入合適代碼。
import pandas as pd
def fun_A(file)：
df＝pd.read_csv(file)
A_list＝[]
for i in df.columns[1：]：
　 　__________________
A_list.append(c)
return A_list
(2)調用上述函數，處理 12 個班級每個問題的選“A”的總人數，Python程序代碼如下，請在劃線處填入合適代碼。
ans_list＝[]
s＝″010203040506070809101112″
for i in range(0，len(s)－1，2)：
filename＝″dy″＋①________＋″.csv″
res＝fun_A(filename)
ans_list.append(res)
x＝[″問題 1″，″問題 2″，″問題 3″，″問題 4″，″問題5″]
y＝[0，0，0，0，0]
for i in range(5)：
s＝0　#每個問題選 A 的人數
for j in range(12)：
②________
y[i]＝s
(3)經上述處理后，接著以圖的形式匯報結果(如圖c所示)，Python程序代碼如下，請回答下列問題。
import matplotlib.pyplot as plt
plt.rcParams['font.sans－serif']＝['SimHei']　#圖表顯示中文字體
plt.title(″每個問題選 A 的總人數″)
__________
plt.legend()
plt.show()
劃線處代碼合適的是________(單選，填字母)。
A.plt.bar(x，y)
B.plt.bar(x，y，label＝'A選項')
C.plt.plot(x，y)
D.plt.plot(x，y，label＝'A選項')
(4)調查數據的有效問卷共550份，從圖c中可以觀察出有________(填數字)個問題的選“A”總人數低于60%。
8.校運動會舉行“四項全能比賽”，分別舉行100米、立定跳遠、1500米、鉛球。規則如下：每一項成績獨立比較，取前8名按18，14，12，10，8，6，4，2計分，四個項目比完后，將總分求和，分數最高者得勝。現有未計入鉛球成績的“四項全能.xlsx”分數表和記錄鉛球原始成績的“鉛球.txt”分數表(保證成績沒有相同)，通過處理輸出冠軍及其成績。
請在劃線處填入合適的代碼。
import pandas as pd
fen＝[18，14，12，10，8，6，4，2]
f＝open(____(1)____，'r'，encoding＝'UTF－8')
a＝[]
for i in f.readlines()：
t＝i.strip().split('，')
if t[0]＝＝'姓名'：
continue
a.append([t[0]，float(t[1])])
n＝len(a)
for i in range(n－1)：
for j in range(n－i－1)：
　 if____(2)____：
a[j]，a[j＋1]＝a[j＋1]，a[j]
df＝pd.read_excel(″四項全能.xlsx″，index_col＝'姓名')　#將姓名列作為index
for i in range(n)：
if i<8：
s＝fen[i]
else：
s＝0
(3)____
Sum＝____(4)____
df['總分']＝Sum
df＝____(5)____
print(df.head(1)))
9.收集某地2022年全年的天氣數據，按日期順序儲存在“tqqk.xlsx”文件中，部分界面如圖a所示。
為計算每月空氣質量為優的日期中的平均溫差。編寫Python程序，請回答下列問題：
(1)計算并篩選出空氣質量為優的記錄信息，Python程序段如下，請在劃線處應填入合適的代碼。
import pandas as pd
df＝pd.read_excel(″tqqk.xlsx″)
df[″溫差″]＝df[″最高溫度″]－df[″最低溫度″]
dfy＝________________
dfy＝dfy.sort_values(″日期″，ignore_index＝True)
(2)計算滿足條件的日期中的平均溫差。并繪制線形圖，部分Python程序段如下，請在劃線處填入合適的代碼。
import matplotlib.pyplot as plt
i＝0
avewc＝[]　#月平均溫差
while ij＝i＋1
tot＝dfy.at[i，″溫差″]
while j<＝len(dfy)－1 and dfy.at[i，″日期″][5：7]＝＝dfy.at[j，″日期″][5：7]：
①________
j＋＝1
avewc.append(round(tot/(j－i)，2))
②________
x＝['1月'，'2月'，'3月'，'4月'，'5月'，'6月'，'7月'，'8月'，'9月'，'10月'，'11月'，'12月']
y＝③________
plt.plot(x，y，label＝″月平均溫差″)
#設置繪圖參數，顯示如圖b所示線型圖，代碼略
(3)由圖b可知，月平均溫差超過8的月份共有________個。
10.某單位正式員工的基本工資計算公式為：基本工資＝崗位工資＋薪級工資，如圖a和圖b，分別對應salary1.xlsx文件和salary2.xlsx文件。員工入職單位一年后轉正，定崗位等級為十三級，根據學歷定起始的薪級，中專2級、大專5級、本科7級、碩士11級、博士14級。轉正定級后，薪級每年增加一級。
為統計分析該單位員工的工資情況，編寫Python程序。請回答下列問題：
(1)定義崗位工資和薪級工資標準查詢的兩個函數。
gwgz函數功能為：讀取salary1.xlsx文件，根據崗位等級m，返回對應的工資標準，例如m＝“十三級”，gwgz(m)＝1585。函數代碼如下，劃線處應填入的代碼為________(單選，填字母)。
A.df1.'崗位等級'[i]＝＝m
B.df1[崗位等級][i]＝＝m
C.df1['崗位等級'][i]＝＝m
D.df1[i]['崗位等級']＝＝m
import pandas as pd
def gwgz(m)：
df1＝pd.read_excel('salary1.xlsx')
for i in df1.index：
if________：
　　　　 return df1.at[i，'工資標準']
xjgz函數功能為：根據薪級等級n，返回對應的工資標準，例如n＝10，xjgz(n)＝661，代碼略。
(2)現有員工信息表info.xlsx，所有員工都已經過了實習期，如圖c。統計各學歷的人數和基本工資的平均值，編寫Python程序。請回答下列問題：
import matplotlib.pyplot as plt
import datetime
dic＝{'中專'：2，'大專'：5，'本科'：7，'碩士'：11，'博士'：14}
time＝datetime.date.today()　#獲得當前的年月日
now_year＝time.year　#獲取年份
now_month＝time.month　#獲取月份
df＝pd.read_excel('info.xlsx')
for i in df.index：
station＝df.at[i，'崗位等級']
past_year＝int(df.at[i，'入職年月'][：4])
past_month＝int(df.at[i，'入職年月'][5：])
if now_month >＝past_month：
grade＝now_year－past_year－1
else：
grade＝now_year－past_year－2
grade＋＝①________
df.at[i，'基本工資']＝②________　#計算員工的基本工資
#對各學歷的員工計算平均基本工資和統計人數
df1＝df.groupby('學歷'，as_index＝False).agg({'基本工資'：'mean'，'姓名'：'count'})　#修改列名
df2＝df1.rename(columns＝{'基本工資'：'平均工資'，″姓名″：″人數″})　#圖表對象初始化，代碼略
plt.bar(df2.學歷，df2.平均工資，label＝″平均工資″)　#繪制柱形圖
plt.plot(df2.學歷，③________，label＝″人數″)　#繪制線形圖
plt.legend()
plt.show()
(3)目前該單位平均工資為3867.33元，由圖d可知，學歷為________的員工，他們的平均工資與公司平均工資相差最大。
專題7　數據統計與可視化的程序實現
知識點
知識梳理
1.分析　Pyplot
2.Series　DataFrame　二　0　類型　字符串型　相等長度　index　字典記法　屬性
3.(1)0　(2)DataFrame　(3)列
4.屬性　字典
5.數量　求平均值　分組　排序　縱向　升序　刪除數據
6.(1)pyplot　(3)plot()　title()
經典案例
例1　(1)D　(2)①mdays[m]　②sm＋＝sd　③pm　(3)5
變式1　(1)AC　(2)1　(3)D　(4)①df2.index　
②df2[″PM2.5″][i]
解析　本題考查Pandas數據處理相關知識。(1)將“地區名稱”符合條件的數據行篩選出來，可以采用字典法和屬性法分別表示某列值。(2)參數axis＝1表示處理列，即刪除指定的列。(3)同一個地市中取PM2.5濃度值最高的數據行可以用分組函數groupby()和求最大值函數max()實現。A選項分組依據不對。B選項的函數格式不對。C選項是按PM2.5先升序排序，然后求所有數據中的最大值，此時PM2.5最大值只有一個數據，無法求出各個地市的最大值。(4)①plt.bar()函數繪制柱形圖需要兩個參數：x軸數據和y軸數據(每個x對應的縱軸數據)，由題中圖c和圖d可知，橫坐標是各個地區的名稱，而由于數據框df2是分組后的結果，地區名稱列已經成為了索引列。②空由程序和標簽的效果圖可知df2.index[i]取出了每行數據的橫坐標值，對應的縱坐標值是df2[″PM2.5″][i]。
例2　(1)B　(2)①subject not in courses或not subject in courses　②courses[subject][1]＋＝1　(3)① 5　②dfs[″棄考比例″]
變式2　(1)①x%2　②df.at[i，″班級″]或df[″班級″][i]或df.班級[i]　(2)①B　②B　(3)303班
解析　本題考查Pandas數據統計。(1)①從語句x＝int(df.at[i，″學籍號″][－2])來看，x是右起第二位數字，根據其奇偶性來判斷學生性別，因此y的值為除2后的余數。②data是一個保存各班學生數據的字典，從語句data[df.at[i，″班級″]][0]＋＝1來看，索引為0存儲視力正常人數，從第(2)題來看，利用data將創建一個數據集，索引為1的數據項存儲本班人數。(2)①data字典中，包含了10個鍵，因此創建10個字段，屬于DataFrame數據類型。②對創建的DataFrame對象進行T行列轉置，原對象的columns成為轉換后的index。(3)從圖表中可以得到占比最高的班級名稱。
當堂過關檢測
1.(1)①df.groupby　②df_xk.sort_values(″人數″，ascending＝False)　(2)CE
解析　(1)①對數據集df采用groupby命令進行分組。②對df_xk對象采用sort_values命令進行排序。(2)選課方案人數前10位對比，可以采用[：10]或[0：10]進行切片獲取前10個數據。
2.(1)B或df.index　(2)①day＝str(i)　②t＋＝1　③x，y　(3)5
解析　(1)從表達式df.at[i，″時間戳″][0：2]來看，i表示是df對象的索引。(2)①從語句day＝″0″＋day來看，必須對day賦初值，day是從1至31的字符日期。②t表示出現的次數。③采用x和y列表繪制圖像。(3)略。
3.(1)B　(2)①month＝df['日期'][i][5：7]或month＝df.at[i，'日期'][5：7]或month＝df.日期[i][5：7]　②s[i]/mdays[i]　③avg　(3)2 8
解析　(1)全年晴、陰、雨屬于天氣情況，因此先對天氣情況分組，表達式str(g[x])為Series對象的Values值，因此按日期分組，且分組的索引就是分組的類別，再對其中一列進行計數。(2)①month是每條記錄的月份，df['日期'][i]表示第i天的日期。②avg統計每月的平均溫度，每月的溫度和累加到列表s中，mdays[i]表示某月的天數。③y軸為每個月的平均溫度avg。(3)略。
4.(1)AD　(2)①not flag[i] and lst[i][2]>＝3　②days＝1　③i＋＝1　④ydl[4：]或ydl.values[4：]
解析　(1)變量i為行索引，變量j為列標題，可以用字典法，也可以用at函數來表示某個單元格名單。(2)略。
5.(1)C　(2)df1[df1.溫差>13]或df1[df1[″溫差″]>13] (3)①i＋1　②dv(dayfile)　③td
解析　(1)df[″溫度″].max()表示當天最高溫度，df[″溫度″].min()為最低溫度。(2)對溫差進行篩選。(3)①變量i的值為0至29，而日期為1號至30號。②調用dv函數求每天的溫差。③y軸為溫差td。
6.(1)①df.at[0，'語文']＝135　②df[km].count()　③df[df['語文']>＝100]　(2)AB　(3)C
解析　(1)①張吉雅的索引為0，他的成績修改采用行列法表示。②km為七選三科目中的一個學科，每個學科有得分個數為考試人數，因此可以采用count函數統計。③篩選出語文成績大于等于100的數據存入df1對象。(2)略。(3)建立一張男女生語文成績均分比較，因此需按性別進行分組再進行統計語文平均值。
7.(1)c＝len(df[df[i]＝＝″A″])　(2)①s[i：i＋2] ②s＋＝ans_list[j][i]　(3)B　(4)2
解析　(1)遍歷每個問題，篩選出每個問題答案是A的記錄數。(2)①從字符串s取出相應班級的數字。調用函數把結果保存在ans_list中。②將每個問題每個班級的A等人數進行累加。(3)略。(4)略。
8.(1)'鉛球.txt'　(2)a[j][1]解析　本題考查Pandas數據統計。(1)略。(2)從前往后按鉛球成績實現降序排序a[j][1]9.(1)df[df.空氣質量＝＝'優']　(2)①tot＋＝dfy.at[j，″溫差″]　②i＝j　③avewc　(3)6
解析　(1)篩選出空氣質量字段等于優的記錄。(2)①tot表示符合條件的溫差累加和。②當前位置j已經不滿足條件，變量i將從j的位置開始枚舉。③縱軸為月平均溫差avewc。(3)略。
10.(1)C　(2)①dic[df.at[i，'學歷']]　②gwgz(station)＋xjgz(grade)　③df2.人數　
(3)博士
解析　本題考查Pandas數據處理。(1)根據崗位等級m，返回對應的工資標準。(2)①grade表示工作年限，其值為參加工作時間加上學歷時間(讀大學的年數)。②計算員工的基本工資，基本工資＝崗位工資＋薪級工資。③線性圖的縱軸為人數。(3)略。

展開更多......

收起↑