資源簡(jiǎn)介

數(shù)據(jù)處理與應(yīng)用大單元
——編程處理數(shù)據(jù)pandas模塊鞏固練習(xí)
班級(jí) 姓名
1.某DataFrame對(duì)象df共包含6個(gè)數(shù)據(jù)列、30個(gè)數(shù)據(jù)行，其中第5列為“總分”列，下列語(yǔ)句中能讀取df對(duì)象中“總分”列所有數(shù)據(jù)的代碼是( D )
A.df.[總分] B.df.columns[4] C.df. "總分" D.df.總分
2.某DataFrame對(duì)象df共包含6個(gè)數(shù)據(jù)列、30個(gè)數(shù)據(jù)行，其中第5列為“總分”列，下列語(yǔ)句中能讀取df對(duì)象中第3行到第5行（列標(biāo)題所在行不算）的所有數(shù)據(jù)的代碼是( C )
A.df.[2:5] B.df[2:5] C.df[2:6] D.df[2,6]
3.將DataFrame對(duì)象df第3行“品牌”列的值修改為“OPPO”，程序代碼是( A )
A.df.at[2,"品牌"]="OPPO" B.df.at[3,品牌]="OPPO"
C.df.at[3,"品牌"]="OPPO" D.df.品牌="OPPO"
4.某DataFrame對(duì)象df，包含“準(zhǔn)考證號(hào)”、“姓名”、“學(xué)校”、“語(yǔ)文”、“數(shù)學(xué)”等數(shù)據(jù)列，下列語(yǔ)句中，可以以學(xué)校為單位，統(tǒng)計(jì)各校學(xué)生“數(shù)學(xué)”成績(jī)平均值的代碼是( A )
A.df.groupby("學(xué)校").數(shù)學(xué).mean()
B.df.groupby("數(shù)學(xué)").學(xué)校.mean()
C.df.groupby("數(shù)學(xué)").mean()
D.df.groupby("學(xué)校")[數(shù)學(xué)].mean()
5. excel文件"xscj1.csv"中數(shù)據(jù)包含"xm","xh","yw","sx"等字段，有若干個(gè)數(shù)據(jù)行，下列程序段執(zhí)行后，對(duì)象 df_data中的數(shù)據(jù)將( A )
import pandas as pd
df_data=pd.read_csv("xscj1.csv")
df_data.drop("yw",axis=1)
df_data.drop(0)
df_data.sort_values("sx",inplace=True)
A.按"sx"升序排序 B.不再包含"yw"數(shù)據(jù)列
C.刪除了第一行記錄 D增加了一個(gè)數(shù)據(jù)行
6.用 Python創(chuàng)建了一個(gè)DataFrame對(duì)象df1：
import pandas as pd
data=[[88,89,96],[95,93,92],[90,87,95]]
df1=pd.DataFrame(data,index=["小明", "小紅","小蘭"],columns=["語(yǔ)文","數(shù)學(xué)","英語(yǔ)"])
下列操作及描述不正確的是( C )
A.print(df1["英語(yǔ)"])輸出英語(yǔ)列的數(shù)據(jù)
B.print(df1.數(shù)學(xué))輸出數(shù)學(xué)列的數(shù)據(jù)
C.print(df1.sort_values("語(yǔ)文",axis=1))輸出語(yǔ)文列數(shù)據(jù)升序排序
D.print(df1[df1.語(yǔ)文<90])輸出的是小明同學(xué)的成績(jī)
7.某校高二年級(jí)技術(shù)考試的數(shù)據(jù)保存在文件“cj.xlsx”中（如圖所示）。用python對(duì)其進(jìn)行處理的代碼如下：
import pandas as pd
df=pd.read_excel("cj.xlsx")
df.append({"考號(hào)":"0425","學(xué)號(hào)":"31","姓名":"伊默","班級(jí)":"214","信息":44},ignore_index=True)
df.drop(0,axis=0)
del df["學(xué)號(hào)"]
g=df.groupby("班級(jí)",as_index=False).mean()
sv=g.sort_values("信息",ascending=True)
print(sv.head(3)["信息"])
執(zhí)行該代碼，下列說(shuō)法正確的是( C )
A.df對(duì)象新增了一條關(guān)于“伊默”的記錄
B.df對(duì)象刪除了一條關(guān)于“倪家頎”的記錄
C.df對(duì)象減少了“學(xué)號(hào)”列數(shù)據(jù)
D.輸出“信息”平均分最高的三個(gè)班級(jí)
8.有如下程序代碼:
import pandas as pd
df1=pd.DataFrame([10],columns=["A"])
df2=pd.DataFrame([20],columns=["A"])
df3=pd.DataFrame(data=[30,40],columns=["B"])
df1.append(df2)
df=df1.append(df3,ignore_index=True)
print(df)
執(zhí)行程序后，輸出的結(jié)果為( A )
9.有如下程序代碼:
import pandas as pd
df1=pd.DataFrame([10],columns=['A'])
df2=pd.DataFrame([20],columns=['A'])
df3=pd.DataFrame(data=[30,40],columns=['B'])
df1=df1.append(df2)
df=df1.append(df3,ignore_index=True)
print(df)
執(zhí)行程序后，輸出的結(jié)果為( D )
10.有如下程序代碼:
import pandas as pd
data={'姓名':[ '李商隱','歐陽(yáng)修','李白', '杜甫'],'借閱次數(shù)': [ 32,16,30,26]}
df1=pd.DataFrame (data, columns=['姓名','借閱次數(shù)'])
c = 0
for i in range (len(df1 ['姓名'])):
if df1.at[i,'姓名'][0]== '李':
c+ = df1.at[i,'借閱次數(shù)']
print(c)
該程序運(yùn)行后，輸出的內(nèi)容為( D )
A.46 B. 48 C.58 D.62
11.小李收集了某市各噶種7選3選課數(shù)據(jù)存儲(chǔ)在“各學(xué)校7選3選課情況.xlsx”中，其數(shù)據(jù)格式如圖所示，學(xué)科列下的“1”表示相應(yīng)行的學(xué)生選了該學(xué)科，“0”表示未選。
小李編寫了如下程序，實(shí)現(xiàn)輸出選考技術(shù)人數(shù)最多的3個(gè)學(xué)校的功能。
import pandas as pd
df=pd.read_excel("各學(xué)校7選3選課情況.xlsx")
s=df.groupby("學(xué)校").技術(shù). ①
df=pd.DataFrame({"學(xué)校"：s.index，"選技術(shù)人數(shù)"：s.values})
df.sort_values('選技術(shù)人數(shù)', ② ,inplace=True)
print(df.③ )
劃線處的代碼應(yīng)填( D )
A.①count() ②ascending=False ③tail(3)
B.①sum() ②ascending=True ③head(3)
C.①count() ②ascending=True ③tail(3)
D.①sum() ②ascending=False ③head(3)
12.App 活躍人數(shù)存儲(chǔ)在″app.xlsx″文件中，如下圖所示，現(xiàn)要編程進(jìn)行統(tǒng)計(jì)結(jié)果，請(qǐng)回答下列問(wèn)題：
若要把″app.xlsx″第 1 張工作表中的信息導(dǎo)入到 book1 對(duì)象中，并進(jìn)行統(tǒng)計(jì)，實(shí)現(xiàn)這個(gè)功能的 python
代碼如下，將程序劃線處填入合適的代碼。
import pandas as pd
（1）book1=__ pd.read_excel("app.xlsx")__ #讀取 app.xlsx 文件數(shù)據(jù)，并存儲(chǔ)在 book1 對(duì)象中
（2）book1_sum=___book1.10月人數(shù).sum()__ #計(jì)算 10月人數(shù)之和
（3）book1_aver=_book1["11月人數(shù)"].mean() #計(jì)算 11月人數(shù)平均值
（4）book1_g=__ book1.groupby(by="應(yīng)用領(lǐng)域")___ #按應(yīng)用領(lǐng)域分組統(tǒng)計(jì)
（5）book1_sort=__book1.sort_values("11月人數(shù)",ascending=False)___ #按 11月人數(shù)值，降序排序
print(″10月人數(shù)之和：″,book1_sum)
print(″11月人數(shù)平均值：″,book1_aver)
13.小李利用他所學(xué)習(xí)的知識(shí)幫助老師整理學(xué)習(xí)成績(jī)單，如圖所示，部分界面如圖所示：
（1）為統(tǒng)計(jì)每個(gè)學(xué)生的技術(shù)成績(jī)排名，選中 F2 單元格輸入公式，然后利用自動(dòng)填充完成 F2：F392 的數(shù)據(jù)計(jì)算，發(fā)現(xiàn)結(jié)果有誤，請(qǐng)修改 F2 單元格的計(jì)算公式 =RANK(E2,E$2:E$392) / =RANK(E2, $E$2: $E$392)
(提示：RANK 函數(shù)用于計(jì)算某單元格中數(shù)據(jù)在某區(qū)域內(nèi)的排名，如=RANK(G2,G2:G100)，計(jì)算 G2 單元格中數(shù)據(jù)在 G2:G100 的排名)
（2）根據(jù)”chengji.xlsx” 中的數(shù)據(jù),利用python計(jì)算出如圖 b 的結(jié)果，并建立如圖 c 所示的圖表。
代碼如下，請(qǐng)將空白處補(bǔ)充完整
圖 b 圖 c
import pandas as pd
import matplotlib.pyplot as plt
df=pd.read_excel("chengji.xlsx")
g=① df.groupby(_"班級(jí)"，as_index=False) _ / df.groupby(by="班級(jí)"，as_index=False)___
print(round(g.mean(),1))
a= g.mean().班級(jí)
②b= g.mean().技術(shù)總分____
plt.title("Average Score")
plt.plot (a,b)
plt.show()數(shù)據(jù)處理與應(yīng)用大單元
——編程處理數(shù)據(jù)pandas模塊鞏固練習(xí)
班級(jí) 姓名
1.某DataFrame對(duì)象df共包含6個(gè)數(shù)據(jù)列、30個(gè)數(shù)據(jù)行，其中第5列為“總分”列，下列語(yǔ)句中能讀取df對(duì)象中“總分”列所有數(shù)據(jù)的代碼是( )
A.df.[總分] B.df.columns[4] C.df. "總分" D.df.總分
2.某DataFrame對(duì)象df共包含6個(gè)數(shù)據(jù)列、30個(gè)數(shù)據(jù)行，其中第5列為“總分”列，下列語(yǔ)句中能讀取df對(duì)象中第3行到第5行（列標(biāo)題所在行不算）的所有數(shù)據(jù)的代碼是( )
A.df.[2:5] B.df[2:5] C.df[2:6] D.df[2,6]
3.將DataFrame對(duì)象df第3行“品牌”列的值修改為“OPPO”，程序代碼是( )
A.df.at[2,"品牌"]="OPPO" B.df.at[3,品牌]="OPPO"
C.df.at[3,"品牌"]="OPPO" D.df.品牌="OPPO"
4.某DataFrame對(duì)象df，包含“準(zhǔn)考證號(hào)”、“姓名”、“學(xué)校”、“語(yǔ)文”、“數(shù)學(xué)”等數(shù)據(jù)列，下列語(yǔ)句中，可以以學(xué)校為單位，統(tǒng)計(jì)各校學(xué)生“數(shù)學(xué)”成績(jī)平均值的代碼是( )
A.df.groupby("學(xué)校").數(shù)學(xué).mean()
B.df.groupby("數(shù)學(xué)").學(xué)校.mean()
C.df.groupby("數(shù)學(xué)").mean()
D.df.groupby("學(xué)校")[數(shù)學(xué)].mean()
5. excel文件"xscj1.csv"中數(shù)據(jù)包含"xm","xh","yw","sx"等字段，有若干個(gè)數(shù)據(jù)行，下列程序段執(zhí)行后，對(duì)象 df_data 中的數(shù)據(jù)將( )
import pandas as pd
df_data=pd.read_csv("xscj1.csv")
df_data.drop("yw",axis=1)
df_data.drop(0)
df_data.sort_values("sx",inplace=True)
A.按"sx"升序排序 B.不再包含"yw"數(shù)據(jù)列
C.刪除了第一行記錄 D增加了一個(gè)數(shù)據(jù)行
6.用 Python創(chuàng)建了一個(gè)DataFrame對(duì)象df1：
import pandas as pd
data=[[88,89,96],[95,93,92],[90,87,95]]
df1=pd.DataFrame(data,index=["小明", "小紅","小蘭"],columns=["語(yǔ)文","數(shù)學(xué)","英語(yǔ)"])
下列操作及描述不正確的是( )
A.print(df1["英語(yǔ)"])輸出英語(yǔ)列的數(shù)據(jù)
B.print(df1.數(shù)學(xué))輸出數(shù)學(xué)列的數(shù)據(jù)
C.print(df1.sort_values("語(yǔ)文"，axis=1))輸出語(yǔ)文列數(shù)據(jù)升序排序
D.print(df1[df1.語(yǔ)文<90])輸出的是小明同學(xué)的成績(jī)
7.某校高二年級(jí)技術(shù)考試的數(shù)據(jù)保存在文件“cj.xlsx”中（如圖所示）。用python對(duì)其進(jìn)行處理的代碼如下：
import pandas as pd
df=pd.read_excel("cj.xlsx")
df.append({"考號(hào)":"0425","學(xué)號(hào)":"31","姓名":"伊默","班級(jí)":"214","信息":44},ignore_index=True)
df.drop(0,axis=0)
del df["學(xué)號(hào)"]
g=df.groupby("班級(jí)",as_index=False).mean()
sv=g.sort_values("信息",ascending=True)
print(sv.head(3)["信息"])
執(zhí)行該代碼，下列說(shuō)法正確的是( )
A.df對(duì)象新增了一條關(guān)于“伊默”的記錄
B.df對(duì)象刪除了一條關(guān)于“倪家頎”的記錄
C.df對(duì)象減少了“學(xué)號(hào)”列數(shù)據(jù)
D.輸出“信息”平均分最高的三個(gè)班級(jí)
8.有如下程序代碼:
import pandas as pd
df1=pd.DataFrame([10],columns=["A"])
df2=pd.DataFrame([20],columns=["A"])
df3=pd.DataFrame(data=[30,40],columns=["B"])
df1.append(df2)
df=df1.append(df3,ignore_index=True)
print(df)
執(zhí)行程序后，輸出的結(jié)果為( )
9.有如下程序代碼:
import pandas as pd
df1=pd.DataFrame([10],columns=['A'])
df2=pd.DataFrame([20],columns=['A'])
df3=pd.DataFrame(data=[30,40],columns=['B'])
df1=df1.append(df2)
df=df1.append(df3,ignore_index=True)
print(df)
執(zhí)行程序后，輸出的結(jié)果為( )
10.有如下程序代碼:
import pandas as pd
data={'姓名':[ '李商隱','歐陽(yáng)修','李白','杜甫'],'借閱次數(shù)': [ 32,16,30,26]}
df1=pd.DataFrame (data, columns=['姓名','借閱次數(shù)'])
c = 0
for i in range (len(df1 ['姓名'])):
if df1.at[i,'姓名'][0]=='李':
c+= df1.at[i,'借閱次數(shù)']
print(c)
該程序運(yùn)行后，輸出的內(nèi)容為( )
A、46 B、48 C、58 D、62
11.小李收集了某市各噶種7選3選課數(shù)據(jù)存儲(chǔ)在“各學(xué)校7選3選課情況.xlsx”中，其數(shù)據(jù)格式如圖所示，學(xué)科列下的“1”表示相應(yīng)行的學(xué)生選了該學(xué)科，“0”表示未選。
小李編寫了如下程序，實(shí)現(xiàn)輸出選考技術(shù)人數(shù)最多的3個(gè)學(xué)校的功能。
import pandas as pd
df=pd.read_excel("各學(xué)校7選3選課情況.xlsx")
s=df.groupby("學(xué)校").技術(shù). ①
df=pd.DataFrame({"學(xué)校":s.index，"選技術(shù)人數(shù)":s.values})
df.sort_values('選技術(shù)人數(shù)', ② ,inplace=True)
print(df.③ )
劃線處的代碼應(yīng)填( )
A.①count() ②ascending=False ③tail(3)
B.①sum() ②ascending=True ③head(3)
C.①count() ②ascending=True ③tail(3)
D.①sum() ②ascending=False ③head(3)
12.App 活躍人數(shù)存儲(chǔ)在″app.xlsx″文件中，如下圖所示，現(xiàn)要編程進(jìn)行統(tǒng)計(jì)結(jié)果，請(qǐng)回答下列問(wèn)題：
若要把″app.xlsx″第 1 張工作表中的信息導(dǎo)入到 book1 對(duì)象中，并進(jìn)行統(tǒng)計(jì)，實(shí)現(xiàn)這個(gè)功能的 python
代碼如下，將程序劃線處填入合適的代碼。
import pandas as pd
（1）book1=_______________ #讀取 app.xlsx 文件數(shù)據(jù)，并存儲(chǔ)在 book1 對(duì)象中
（2）book1_sum=___________ #計(jì)算 10 月人數(shù)之和
（3）book1_aver=___________ #計(jì)算 11 月人數(shù)平均值
（4）book1_g=________________ #按應(yīng)用領(lǐng)域分組統(tǒng)計(jì)
（5）book1_sort=___________ __ #按 11 月人數(shù)值，降序排序
print(″10 月人數(shù)之和：″，book1_sum)
print(″11 月人數(shù)平均值：″，book1_aver)
13.小李利用他所學(xué)習(xí)的知識(shí)幫助老師整理學(xué)習(xí)成績(jī)單，如圖所示，部分界面如圖所示：
（1）為統(tǒng)計(jì)每個(gè)學(xué)生的技術(shù)成績(jī)排名，選中 F2 單元格輸入公式，然后利用自動(dòng)填充完成 F2：F392 的數(shù)據(jù)計(jì)算，發(fā)現(xiàn)結(jié)果有誤，請(qǐng)修改 F2 單元格的計(jì)算公式
(提示：RANK 函數(shù)用于計(jì)算某單元格中數(shù)據(jù)在某區(qū)域內(nèi)的排名，如=RANK(G2,G2:G100)，計(jì)算 G2 單元格中數(shù)據(jù)在 G2:G100 的排名)
（2）根據(jù)”chengji.xlsx” 中的數(shù)據(jù),利用python計(jì)算出如圖 b 的結(jié)果，并建立如圖 c 所示的圖表。
代碼如下，請(qǐng)將空白處補(bǔ)充完整
圖 b 圖 c
import pandas as pd
import matplotlib.pyplot as plt
df=pd.read_excel("chengji.xlsx")
g=①_________ _
print(round(g.mean(),1))
a= g.mean().班級(jí)
②_____ ___ __
plt.title("Average Score")
plt.plot (a,b)
plt.show()

展開更多......

收起↑