资源简介

专题7　数据统计与可视化的程序实现
学业要求 知　识　点 学业水平等级
1.能根据实际要求，对表格数据进行简单整理、计算和可视化呈现 1
2.能采用合适的方法分析数据和可视化呈现数据，并能从中提取有用信息，形成结论 2
3.会使用Python进行简单的数据处理，并能从中提取有用信息形成结论 2
知识点　利用Pandas模块进行数据统计
【知识梳理】
1.Pandas模块主要用于数据处理和________，Matplotlib是一个绘图库，________子库提供的函数可以快速绘图和设置图表的坐标。
2.Pandas提供________和________两种数据结构，两者的区别见下表所示。
数据结构 Series DataFrame
维度 一维 ________维
组成 包含一个数组的数据和一个与数据关联的索引，索引值默认是从________起递增的整数 由1个索引列(index)和若干个数据列组成，每个数据列可以是不同的________
创建 列表、字典等可以用来创建Series数据结构；与列表不同的是：Series的索引可以指定，类型可以为________ 通常用一个________的列表或字典来创建；或直接读取二维数据文件创建
联系 ①DataFrame可以看作是共享同一个________的Series的集合 ②DataFrame对象和Series对象均可以通过________或________来检索，还可以用at函数赋值和修改
3.Pandas基本属性值
(1)index属性
行索引，默认值是从________开始递增的整数，也可以在创建对象时通过增加一列字符串类型的index属性。
(2)values属性
存放Series对象的一个数组，存放________对象的二维数据。
(3)columns属性
只针对DataFrame对象，存放各列的________标题。
4.Pandas数据的检索
Pandas可以通过两种方法来检索数据，一是通过三大________(Serise对象只有两大属性)来检索，如df.columns、df.index(一维数据列表)，df.values(二维数据列表)。二是通过________记法，Pandas用字典来记录每列的数据，Series对象字典中每个键的值只有一个，键为index属性，值为values属性。DataFrame对象字典中每个键的值有多个，是个列表，键为columns属性，值为每列的数据。
5.Pandas常用函数
函数 说明
count() 返回非空(NaN)数据项的________
sum()、mean() 求和、________，通过axis＝0/1确定行列
max()、min() 返回最大、最小值
head()、tail() 返回DataFrame的前n个、后n个数据记录
groupby() 对各列或各行中的数据进行________，然后可对其中每一组数据进行不同的操作
sort_values() ________，通过axis＝0/1确定行列，axis默认值为0，________排序。ascending＝True/False确定升/降序，ascending默认值为True，________排序。排序结果返回一个新DataFrame对象
drop() ________，通过axis＝0/1确定行列，并返回另一个DataFrame对象来存放改变后的数据
6.利用Matplotlib模块绘图
(1)Matplotlib是一个绘图库。使用其中的________子库所提供的函数可以快速绘图和设置图表的坐标轴及刻度、图例等。
(2)导入matplotlib：
import matplotlib.pyplot as plt。
(3)Matplotlib模块的常用函数
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 ________ 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
修饰 美化 ________ 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
【经典案例】
Series对象只有index和values两列组成，在Series数据集df中，索引为x的值表示为df[x]或df.at[x]。DataFrame对象由1个索引列(index)和多个数据列组成，在DataFrame数据集df中，可以用df[″姓名″]命令来创建″姓名″列，该列索引为x的值表示为df[″姓名″][x](字典法)，df.姓名[x](属性法)，df.at[x，″姓名″](行列法)。数据筛选的目的是为了找到符合处理条件的数据，往往是数据处理的第1步。通过表达式df[df[″姓名″]＝＝xx]来找出符合条件的所有记录，该数据集是原数据集的子集，字段数量相同，但记录的条数小于原数据集。数据分组(groupby)的目的是以某个列中相同字段值的记录组合在一起，成为分组依据，统计各个分组的数量(count())、和(sum())、平均值(mean())和最值(max()min())等等。数据排序(sort_values)按某列进行升降排序排列，可以显示近排序后的数据，但不会改变原数据的索引值。
【例1】 小红收集了部分城市2021年全年每天PM2.5、PM10、CO浓度数据，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，部分文件如图a所示，每个文件记录了一天24小时的监测数据，示例如图b所示。
为统计分析城市A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)，编写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，划线处应填入的代码为________(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型图，部分Python程序如下，请在划线处填写合适的代码。
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年每月天数
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)　#绘制线型图
#设置绘图参数，显示如图c所示线型图，代码略
(3)城市A2021年PM2.5年平均浓度为34.6微克/立方米。由图c可知，城市A2021年PM2.5月平均浓度超过年平均浓度的月份共________个。
思维点拨
明考向 本题考查pandas对数据集的筛选和选取合适的数据源制作图表。遍历存储全年每天数据的文件，调用自定义函数pmday统计每天的PM2.5日平均浓度，从而计算月平均浓度，最后利用图表可视化工具显示统计结果
精点拨 (1)可以通过布尔型数据选取满足条件的行。(2)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”，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。当月的各天PM2.5的日平均浓度需要累加起来，最后求均值。③空横坐标为月份，纵坐标为PM2.5月平均浓度，即列表pm的数据。(3)超过年平均浓度的月份为1、2、3、4、11月
听课笔记：_____________________________________________________________
______________________________________________________________________
______________________________________________________________________
【变式1】 小林收集了各地市各年份检测的PM2.5浓度值保存于Excel文件“PM2.5.xlsx”中，部分数据如图a所示。小林使用Python进行数据分析，请回答以下问题。
(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b所示，实现程序如下所示：
import pandas as pd
import matplotlib.pyplot as plt
df＝pd.read_excel(″PM2.5.xlsx″)
# cities 保存所有地区名称，这里仅演示部分数据
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)　#输出文件结果示例如图b所示
那么划线部分语句可以是________(注：全部选对的得2分，选对但不全的得1分，不选或有选错的得0分)。
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a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，请将划线处①的语句补充完整。
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([″指标名称″，″地区编码″，″计量单位″]，axis＝①________)　#同一个地市取PM2.5浓度最高的值
dfg＝②________
#按PM2.5的值升序排序
dfg＝dfg.sort_values(″PM2.5″，ascending＝True)　#输出排序后的最后五行结果
print(dfg.tail())
(3)对于整理后的数据，在同一个地市中取历次PM2.5浓度检测值最高的值，最后按PM2.5升序排序数据，输出结果如图c所示，则第②空应填写的语句是________(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()
(4)将排序后的数据分别取PM2.5检测值最高和最低的五行数据合并成新的DataFrame对象后绘制成柱形图如图d所示。请将程序补充完整。
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(″部分县市PM2.5浓度对比″)
plt.xlabel(″PM2.5浓度值″)
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)
【例2】 某校高三首考后，汇总了学生7选3成绩以及次考科目弃考情况(注意：1表示次考弃考，0表示参加次考)，ckqk.xlsx文件部分数据如图a所示，现要统计各班人均弃科目考门数和各科次考弃考比例，编写如下Python程序。
请回答下列问题：
(1)下列代码读取ckqk.xlsx文件，输出各班每人平均弃考门数，输出格式如图b所示，则划线处应填写的代码为________(单选，填字母)。
A.groupby('班级').弃考门数.mean()
B.groupby('班级'，as.index＝False)['弃考门数'].mean()
import pandas as pd
df＝pd.read_excel('ckqk.xlsx')
df['弃考门数']＝df[['弃考科目1'，'弃考科目2'，'弃考科目3']].sum(axis＝1)
dfg＝df.________________
print(dfg)
(2)统计7选3每门科目选考人数和弃考人数，并计算各科目弃考比例，Python程序如下，请在划线处填写合适的代码。
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]表示当前为本科目第1个人，弃考人数初值置0
else：
　　　 　courses[subject][0]＋＝1
abandon＝df.at[i，'弃考科目%d'%k]
if abandon＝＝1：
　　　 　②________
dfs＝pd.DataFrame(courses)
dfs＝dfs.T
dfs＝dfs.rename(columns＝{0：'总人数'，1：'弃考人数'})
dfs['弃考比例']＝round(dfs['弃考人数']/dfs['总人数']*100，1)
dfs＝dfs.sort_values('弃考比例'，ascending＝False)
(3)编写代码绘制如图c所示图表，则7选3科目中次考弃考比例超30%的有①________门。为实现该功能，请在下面划线处填入合适代码。
import matplotlib.pyplot as plt
plt.rcParams['font.sans－serif']＝['SimHei']
plt.figure('chart'，figsize＝(6，4))
plt.title('各科次考弃考比例分析')
plt.bar(dfs.index，②________，label＝'弃考比例')
plt.ylabel('各科弃考百分比')
plt.xlabel('7选3科目')；plt.legend()；plt.show()
思维点拨
明考向 本题考查pandas对数据集的分组统计、遍历和可视化操作
精点拨 (1)根据图b，分组方法gorupby的相应参数as_index＝False。(2)①字典courses每对键值对的结构是：″科目″：[选科人数，弃考人数]，先判断字典中是否存在相应的键，不存在，就要创建相应的键值对。②如果某同学某科目有弃考，则要对应科目弃考人数累加：course[subject][1]＋＝1。(3)①从图中可以找到符合条件的数据。②根据图c，柱状图的数据分别是dfs.index，dfs.[″弃考比例″]
听课笔记：____________________________________________________________
______________________________________________________________________
______________________________________________________________________
【变式2】 小明收集了本校高三年级10个班级学生视力情况的相关数据，示例如图a所示。
图a
请回答下列问题：
(1)按“学籍号”右起第二位数字的奇偶性来判断学生性别(奇为男，偶为女)。左右眼的视力均大于等于5.0则判定为视力正常。程序运行结果如图b所示，请在划线处填写合适的代码。
高三年级视力正常的学生统计结果 视力正常的女生占女生总人数的：8.43% 视力正常的男生占男生总人数的：13.88%
图b
df＝pd.read_excel(″高三学生视力数据.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，″学籍号″][－2])
y＝①________
if df.at[i，″左眼″]>＝5.0 and df.at[i，″右眼″]>＝5.0：
data[df.at[i，″班级″]][0]＋＝1
stat[y][0]＋＝1
data[②________ ][1]＋＝1
stat[y][1]＋＝1
print(″高三年级视力正常的学生统计结果″)
print(″视力正常的女生占女生总人数的：″，round(stat[0][0]/stat[0][1]*100，2)，″%″)
print(″视力正常的男生占男生总人数的：″，round(stat[1][0]/stat[1][1]*100，2)，″%″)
(2)输出各班视力正常的学生情况，并绘制柱型图，划线①处应填入的代码为________(单选，填字母：A.Series/B.DataFrame)；划线②处应填入的代码为________(单选，填字母：A.s[″班级″] / B.s.index)。
import matplotlib.pyplot as plt
s＝pd.①________(data，index＝[″视力正常″，″本班人数″]).T
print(s)
plt.title(″高三年级各班视力正常的学生统计结果″)
plt.bar(②________，s[″视力正常″]/s[″本班人数″]*100)
#设置数据输出时的对齐方式，设置绘图参数，显示柱型图，代码略
(3)由统计结果可知，视力正常占比最高的班级为________。
1.小明同学通过Python编程为学校教务处分析当地高二年级各选课方案的人数，使用Matplotlib的pyplot模块呈现结果。程序运行界面如图a所示。请回答下列问题：
(1)实现上述功能的Python程序代码如下，请在划线处填入合适的代码。
import pandas as pd
import matplotlib.pyplot as plt
plt.rcParams['font.sans－serif']＝['SimHei']　
#显示中文
df＝pd.read_excel('stu.xlsx')
df_xk＝①________(″选考″，as_index＝False).count()　#按“选考”分组统计
df_xk＝df_xk.rename(columns＝{″姓名″：″人数″})　#更改“姓名”列标题为“人数”
df_px＝②________　#根据“人数”列数据降序排序
plt.figure(figsize＝(8，6))
plt.title(″选课方案人数前10位对比图″)
plt.legend　#显示图例
plt.show　#显示图像
(2)加框处的代码可以是下列选项中的________(多选，填字母)。
(注：全部选对的得2分，选对但不全的得1分、不选或者有选错的得0分)
A.plt.plot(df_px.选考[－10：]，df_px.人数[－10：]，label＝″人数″)
B.plt.bar(df_px.选考[－10：]，df_px.人数[－10：]，label＝″人数″)
C.plt.bar(df_px.选考[：10]，df_px.人数[：10]，label＝″人数″)
D.plt.bar(df_px[″选考″][1：10]，df_px[″人数″][1：10]，label＝″人数″)
E.plt.bar(df_px[″选考″][0：10]，df_px[″人数″][0：10]，label＝″人数″)
2.某网站服务器五月(31天)的后台访问记录保存在log.xlsx文件中，如图a所示：
请回答下列问题：
(1)定义oneday函数，功能为：读取日期为day的访问记录，将访问地区依次保存在列表city中，并返回该列表。函数代码如下：
import pandas as pd
df＝pd.read_excel('log.xlsx')
def oneday(day)：
city＝[]
for i in____________：
　 if df.at[i，″时间戳″][0：2]＝＝day：
　　　 　city.append(df.at[i，″地区″])
return city
划线处代码为：________(单选：A.df.index()/B.df.index/C.df.values()/ D.df.values)
(2)统计该月每天华东五市的访问数据，并绘制线型图，部分Python程序如下，请在划线处填写合适的代码。
import matplotlib.pyplot as plt
eastcity＝[″上海″，″南京″，″杭州″，″苏州″，″无锡″]
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)由图b可知，该网站本月访问量低于4万次天数共有________天。
3.小王收集了2022年城市A全年每天的部分天气数据，保存在“2022天气.xls”文件中，部分数据如图a所示。
(1)为统计2022年全年晴、阴、雨……的天数，编写了如下的Python程序：
import pandas as pd
import matplotlib.pyplot as plt
df＝pd.read_excel('2022 天气.xls')
g＝________
print('2022 年城市 A 天气情况统计如下：')
for x in g.index：
print(x＋'：'＋str(g[x])＋'天')
程序运行结果如图b所示，则划线处应该填入的代码为________(单选，填字母)。
A.df.groupby('天气情况')['日期'].sum()
B.df.groupby('天气情况')['日期'].count()
C.df.groupby('天气情况').mean()
D.df.groupby('天气情况').count()
(2)统计2022年城市A每月平均气温并绘制线形图，部分Python程序如下，请在划线处填入合适的代码。
s＝[0]*12
avg＝[0]*12　#存储每月平均气温
mdays＝[0]*12
x＝[1，2，3，4，5，6，7，8，9，10，11，12]
df['平均温度']＝(df['最低温度']＋df['最高温度'])/2
for i in df.index：
①________
s[int(month)－1]＋＝df.at[i，'平均温度']
mdays[int(month)－1]＋＝1
for i in range(12)：
avg[i]＝round(②________，1)
y＝③________
plt.plot(x，y)　#绘制线形图
#设置绘图参数，显示如图c所示线形图，代码略。
(3)由图c可知，2022年城市A最冷和最热的月份分别是________，________。
4.为了督促学生寒假坚持体育锻炼，老师采用线上打卡的方式收集学生锻炼情况，数据如图a所示。
为统计冬锻完成情况，编写Python程序。请回答下列问题：
(1)定义outdata函数，其中参数dftmp是DataFrame数据类型，数据由图a所示的Excel表导入。函数功能是：统计每天每个学生的锻炼项目个数，返回含有“学籍号”、“姓名”和“项目个数”信息的二维列表。
函数代码如下，划线处应填入的代码为________(多选，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中从“跑步”开始的列标题
　　　 　if ______________：
　　　 　　　itemn＋＝1
a.append([str(df[″学籍号″][i])，df[″姓名″][i]，itemn])
return a
(2)冬锻打卡成功的标准为累计运动15天，每天锻炼项目达到3项及以上。统计输出寒假体育锻炼达标的学生名单，并制作四个项目的运动次数对比图，部分界面如图b和图c所示。部分Python程序如下，请在划线处填写合适的代码或改正加框处代码。
import pandas as pd
import matplotlib.pyplot as plt
df＝pd.read_excel(″sport.xls″)
lst＝outdata(df)
print(″冬锻打卡成功名单：″)
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()　#统计各列非空单元格数量，结果为 Series
item＝[″跑步″，″跳绳″，″俯卧撑″，″仰卧起坐″]
nums＝④________
plt.bar(item，nums，label＝″运动次数″)
5.小明为了研究某地近十年每月的温差变化，编写Python程序。以2023年4月为例，该月每天的温度数据分别保存在以8位日期字符串命名的excel文件中，部分文件如图a所示，每个文件记录了一天24小时的温度数据，如图b记录了4月28日的数据。
(1)定义dv函数，功能为：读取某天的excel文件，返回当天最高温度与最低温度的差值。函数代码如下，划线处应填入的代码为________(单选，填字母)。
A.df[″温度″].head(1)－df[″温度″].tail(1)
B.df[″温度″].(max()－min())
C.df[″温度″].max()－df[″温度″].min()
D.df[″温度″].(head(1)－tail(1))
def dv(dayfile)：
　df＝pd.read_excel(dayfile)
　 diff＝________________
　 return diff
(2)定义find函数，功能为：用字典创建DataFrame对象，并筛选出4月份温差大于13的日期，输出结果如图c所示，请在划线处填入代码。
日期　温差 3 0404 13.1 9 0410 13.1 15 0416 13.3 17 0418 13.8 27 0428 15.5
图c
def find(r，t)：
dic＝{″日期″：r，″温差″：t}
df1＝pd.DataFrame(dic)
df2＝________________
return df2
(3)绘制4月份每天的温差柱形图，部分Python程序如下，请在划线处填写合适的代码。
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________)
#设置绘图参数，代码略
plt.bar(date，③________)
plt.show()
print(find(date，td))
6.小明收集了学校某次考试成绩，部分成绩情况如图所示。小明为统计分析考试成绩，编写了Python程序。请回答下列问题：
(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。请在划线①②③处填入合适的代码。
import pandas as pd
df＝pd.read_excel('exam.xlsx')
①________　#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________
print(km，renshu)
df1＝③________
(2)统计语数英总分：上述代码中划线处应填入的代码为________(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']
(注：全部选对的得2分，选对但不全的得1分，不选或有选错的得0分)
(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b所示，下列代码划线处应填入的代码为________(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()
7.为了完善某学校食堂管理、持续提高食堂服务质量，让全校师生更加精神饱满地开展工作、学习，对学校食堂进行了一些调查，调查项目共5项(具体内容略)。学校后勤管理谢老师收集了12个班级的调查结果，分别存储在“dy01.csv”、“dy02.csv”、...、“dy12.csv”等12个文件中(如图a所示)，每个文件部分界面如图b所示。
现需要分析12个班级学生对这5个问题的选“A”情况。谢老师用Python的Pandas模块编写了以下代码，实现相关问题的解决。请回答下列问题。
(1)定义了fun_A()函数实现了统计某个班级5个问题的选“A”的人数情况。Python程序代码如下，请在划线处填入合适代码。
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)调用上述函数，处理 12 个班级每个问题的选“A”的总人数，Python程序代码如下，请在划线处填入合适代码。
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＝[″问题 1″，″问题 2″，″问题 3″，″问题 4″，″问题5″]
y＝[0，0，0，0，0]
for i in range(5)：
s＝0　#每个问题选 A 的人数
for j in range(12)：
②________
y[i]＝s
(3)经上述处理后，接着以图的形式汇报结果(如图c所示)，Python程序代码如下，请回答下列问题。
import matplotlib.pyplot as plt
plt.rcParams['font.sans－serif']＝['SimHei']　#图表显示中文字体
plt.title(″每个问题选 A 的总人数″)
__________
plt.legend()
plt.show()
划线处代码合适的是________(单选，填字母)。
A.plt.bar(x，y)
B.plt.bar(x，y，label＝'A选项')
C.plt.plot(x，y)
D.plt.plot(x，y，label＝'A选项')
(4)调查数据的有效问卷共550份，从图c中可以观察出有________(填数字)个问题的选“A”总人数低于60%。
8.校运动会举行“四项全能比赛”，分别举行100米、立定跳远、1500米、铅球。规则如下：每一项成绩独立比较，取前8名按18，14，12，10，8，6，4，2计分，四个项目比完后，将总分求和，分数最高者得胜。现有未计入铅球成绩的“四项全能.xlsx”分数表和记录铅球原始成绩的“铅球.txt”分数表(保证成绩没有相同)，通过处理输出冠军及其成绩。
请在划线处填入合适的代码。
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(″四项全能.xlsx″，index_col＝'姓名')　#将姓名列作为index
for i in range(n)：
if i<8：
s＝fen[i]
else：
s＝0
(3)____
Sum＝____(4)____
df['总分']＝Sum
df＝____(5)____
print(df.head(1)))
9.收集某地2022年全年的天气数据，按日期顺序储存在“tqqk.xlsx”文件中，部分界面如图a所示。
为计算每月空气质量为优的日期中的平均温差。编写Python程序，请回答下列问题：
(1)计算并筛选出空气质量为优的记录信息，Python程序段如下，请在划线处应填入合适的代码。
import pandas as pd
df＝pd.read_excel(″tqqk.xlsx″)
df[″温差″]＝df[″最高温度″]－df[″最低温度″]
dfy＝________________
dfy＝dfy.sort_values(″日期″，ignore_index＝True)
(2)计算满足条件的日期中的平均温差。并绘制线形图，部分Python程序段如下，请在划线处填入合适的代码。
import matplotlib.pyplot as plt
i＝0
avewc＝[]　#月平均温差
while ij＝i＋1
tot＝dfy.at[i，″温差″]
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＝″月平均温差″)
#设置绘图参数，显示如图b所示线型图，代码略
(3)由图b可知，月平均温差超过8的月份共有________个。
10.某单位正式员工的基本工资计算公式为：基本工资＝岗位工资＋薪级工资，如图a和图b，分别对应salary1.xlsx文件和salary2.xlsx文件。员工入职单位一年后转正，定岗位等级为十三级，根据学历定起始的薪级，中专2级、大专5级、本科7级、硕士11级、博士14级。转正定级后，薪级每年增加一级。
为统计分析该单位员工的工资情况，编写Python程序。请回答下列问题：
(1)定义岗位工资和薪级工资标准查询的两个函数。
gwgz函数功能为：读取salary1.xlsx文件，根据岗位等级m，返回对应的工资标准，例如m＝“十三级”，gwgz(m)＝1585。函数代码如下，划线处应填入的代码为________(单选，填字母)。
A.df1.'岗位等级'[i]＝＝m
B.df1[岗位等级][i]＝＝m
C.df1['岗位等级'][i]＝＝m
D.df1[i]['岗位等级']＝＝m
import pandas as pd
def gwgz(m)：
df1＝pd.read_excel('salary1.xlsx')
for i in df1.index：
if________：
　　　　 return df1.at[i，'工资标准']
xjgz函数功能为：根据薪级等级n，返回对应的工资标准，例如n＝10，xjgz(n)＝661，代码略。
(2)现有员工信息表info.xlsx，所有员工都已经过了实习期，如图c。统计各学历的人数和基本工资的平均值，编写Python程序。请回答下列问题：
import matplotlib.pyplot as plt
import datetime
dic＝{'中专'：2，'大专'：5，'本科'：7，'硕士'：11，'博士'：14}
time＝datetime.date.today()　#获得当前的年月日
now_year＝time.year　#获取年份
now_month＝time.month　#获取月份
df＝pd.read_excel('info.xlsx')
for i in df.index：
station＝df.at[i，'岗位等级']
past_year＝int(df.at[i，'入职年月'][：4])
past_month＝int(df.at[i，'入职年月'][5：])
if now_month >＝past_month：
grade＝now_year－past_year－1
else：
grade＝now_year－past_year－2
grade＋＝①________
df.at[i，'基本工资']＝②________　#计算员工的基本工资
#对各学历的员工计算平均基本工资和统计人数
df1＝df.groupby('学历'，as_index＝False).agg({'基本工资'：'mean'，'姓名'：'count'})　#修改列名
df2＝df1.rename(columns＝{'基本工资'：'平均工资'，″姓名″：″人数″})　#图表对象初始化，代码略
plt.bar(df2.学历，df2.平均工资，label＝″平均工资″)　#绘制柱形图
plt.plot(df2.学历，③________，label＝″人数″)　#绘制线形图
plt.legend()
plt.show()
(3)目前该单位平均工资为3867.33元，由图d可知，学历为________的员工，他们的平均工资与公司平均工资相差最大。
专题7　数据统计与可视化的程序实现
知识点
知识梳理
1.分析　Pyplot
2.Series　DataFrame　二　0　类型　字符串型　相等长度　index　字典记法　属性
3.(1)0　(2)DataFrame　(3)列
4.属性　字典
5.数量　求平均值　分组　排序　纵向　升序　删除数据
6.(1)pyplot　(3)plot()　title()
经典案例
例1　(1)D　(2)①mdays[m]　②sm＋＝sd　③pm　(3)5
变式1　(1)AC　(2)1　(3)D　(4)①df2.index　
②df2[″PM2.5″][i]
解析　本题考查Pandas数据处理相关知识。(1)将“地区名称”符合条件的数据行筛选出来，可以采用字典法和属性法分别表示某列值。(2)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。A选项分组依据不对。B选项的函数格式不对。C选项是按PM2.5先升序排序，然后求所有数据中的最大值，此时PM2.5最大值只有一个数据，无法求出各个地市的最大值。(4)①plt.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c和图d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。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，对应的纵坐标值是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[″弃考比例″]
变式2　(1)①x%2　②df.at[i，″班级″]或df[″班级″][i]或df.班级[i]　(2)①B　②B　(3)303班
解析　本题考查Pandas数据统计。(1)①从语句x＝int(df.at[i，″学籍号″][－2])来看，x是右起第二位数字，根据其奇偶性来判断学生性别，因此y的值为除2后的余数。②data是一个保存各班学生数据的字典，从语句data[df.at[i，″班级″]][0]＋＝1来看，索引为0存储视力正常人数，从第(2)题来看，利用data将创建一个数据集，索引为1的数据项存储本班人数。(2)①data字典中，包含了10个键，因此创建10个字段，属于DataFrame数据类型。②对创建的DataFrame对象进行T行列转置，原对象的columns成为转换后的index。(3)从图表中可以得到占比最高的班级名称。
当堂过关检测
1.(1)①df.groupby　②df_xk.sort_values(″人数″，ascending＝False)　(2)CE
解析　(1)①对数据集df采用groupby命令进行分组。②对df_xk对象采用sort_values命令进行排序。(2)选课方案人数前10位对比，可以采用[：10]或[0：10]进行切片获取前10个数据。
2.(1)B或df.index　(2)①day＝str(i)　②t＋＝1　③x，y　(3)5
解析　(1)从表达式df.at[i，″时间戳″][0：2]来看，i表示是df对象的索引。(2)①从语句day＝″0″＋day来看，必须对day赋初值，day是从1至31的字符日期。②t表示出现的次数。③采用x和y列表绘制图像。(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、阴、雨属于天气情况，因此先对天气情况分组，表达式str(g[x])为Series对象的Values值，因此按日期分组，且分组的索引就是分组的类别，再对其中一列进行计数。(2)①month是每条记录的月份，df['日期'][i]表示第i天的日期。②avg统计每月的平均温度，每月的温度和累加到列表s中，mdays[i]表示某月的天数。③y轴为每个月的平均温度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)变量i为行索引，变量j为列标题，可以用字典法，也可以用at函数来表示某个单元格名单。(2)略。
5.(1)C　(2)df1[df1.温差>13]或df1[df1[″温差″]>13] (3)①i＋1　②dv(dayfile)　③td
解析　(1)df[″温度″].max()表示当天最高温度，df[″温度″].min()为最低温度。(2)对温差进行筛选。(3)①变量i的值为0至29，而日期为1号至30号。②调用dv函数求每天的温差。③y轴为温差td。
6.(1)①df.at[0，'语文']＝135　②df[km].count()　③df[df['语文']>＝100]　(2)AB　(3)C
解析　(1)①张吉雅的索引为0，他的成绩修改采用行列法表示。②km为七选三科目中的一个学科，每个学科有得分个数为考试人数，因此可以采用count函数统计。③筛选出语文成绩大于等于100的数据存入df1对象。(2)略。(3)建立一张男女生语文成绩均分比较，因此需按性别进行分组再进行统计语文平均值。
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)遍历每个问题，筛选出每个问题答案是A的记录数。(2)①从字符串s取出相应班级的数字。调用函数把结果保存在ans_list中。②将每个问题每个班级的A等人数进行累加。(3)略。(4)略。
8.(1)'铅球.txt'　(2)a[j][1]解析　本题考查Pandas数据统计。(1)略。(2)从前往后按铅球成绩实现降序排序a[j][1]9.(1)df[df.空气质量＝＝'优']　(2)①tot＋＝dfy.at[j，″温差″]　②i＝j　③avewc　(3)6
解析　(1)筛选出空气质量字段等于优的记录。(2)①tot表示符合条件的温差累加和。②当前位置j已经不满足条件，变量i将从j的位置开始枚举。③纵轴为月平均温差avewc。(3)略。
10.(1)C　(2)①dic[df.at[i，'学历']]　②gwgz(station)＋xjgz(grade)　③df2.人数　
(3)博士
解析　本题考查Pandas数据处理。(1)根据岗位等级m，返回对应的工资标准。(2)①grade表示工作年限，其值为参加工作时间加上学历时间(读大学的年数)。②计算员工的基本工资，基本工资＝岗位工资＋薪级工资。③线性图的纵轴为人数。(3)略。

展开更多......

收起↑