资源简介

专题9　pandas数据统计
学习目标　
1.对DataFrame对象按列进行公式计算，描述DataFrame对象数据以字典中键为列的存储形式；
2.对每个键对应一列数据多个值进行切片，掌握取出不同数据区域内容的方法；
3.运用函数统计对象的平均值等操作，运用排序函数对数据进行有序排列；
4.运用groupby函数对数据进行分组的方法，并在分组的基础上进行数据统计.
Pandas有Series和DataFrame两种对象，这两种对象均有index和values属性，Series对象的values是一维的，DataFrame的values是二维的，因此DataFrame对象比Series对象多一个columns属性，可以理解为index表示行号，columns表示列名。pandas处理的对象主要是DataFrame，取出DataFrame中的一列，降维为Series对象，可以用list函数转换为列表，对某列的值进行切片，可以转换为一个数值。可以对记录选取、筛选和分组操作，灵活地区分不同类型的数据，可以对记录进行排序操作，实现数据的有序显示。可以对各条记录的字段进行遍历，统计符合要求字段值的数量、总和、平均值以及最值。
(2024年1月浙江省选考)某学院举行运动会，比赛设跳高、100米等项目，每个项目分男子组和女子组。现要进行报名数据处理和比赛成绩分析。请回答下列问题：
　
(1)运动会报名规则为：对于每个项目的男子组和女子组，每个专业最多各报5人(如“软件工程”专业在男子跳高项目中最多报5人)。软件工程专业的报名数据保存在DataFrame对象df中，如图a所示。若要编写Python程序检查该专业男子跳高项目报名是否符合规则，下列方法中，正确的是________(单选，填字母)。
A.从df中筛选出性别为“男”的数据dfs，再从dfs中筛选出项目为“跳高”的数据，判断筛选出的数据行是否超过5行
B.对df中数据按性别排序并保存到dfs中，再从dfs中筛选出项目为“跳高”的数据，判断筛选出的数据行是否超过5行
C.从df中筛选出项目为“跳高”的数据dfs，判断dfs中是否有连续5行以上的男生数据
(2)运动员比赛成绩的部分数据如图b所示。根据已有名次计算得，第1名至8名分别计9，7，6，5，4，3，2，1分，第8名之后计0分。实现上述功能的部分Python程序如下，请在程序中划线处填入合适的代码。
import pandas as pd
import matplotlib.pyplot as plt
#读取如图b所示数据，保存到 DataFrame 对象 df1 中，代码略
f ＝ [9, 7, 6, 5, 4, 3, 2, 1]
for i in range(0，len(df1))：
　 rank ＝ df1.at[i，″名次″]　#通过行、列标签取单个值
　 score ＝ 0
　 if rank <＝ 8：
　 ______________
df1.at[i，″得分″] ＝ score
(3)根据上述 df1 中的得分数据，统计各专业总分，绘制如图 c 所示的柱形图，实现该功能的部分Python程序如下：
df2 ＝ dfl.groupby(″________″，as_index＝False).sum()　#分组求和
#设置绘图参数，代码略
plt.bar(x，y)
①请在程序中划线处填入合适的代码。
②程序的方框中应填入的正确代码为________(单选，填字母)
A.x＝df1[″专业″]
y＝df1[″总分″]
B.x＝df2[″专业″]
y＝df2[″得分″]
C.df1[″专业″]＝″专业″
df1[″总分″]＝″总分″
D.df2[″专业″]＝″专业″
df2[″得分″]＝″得分″
重难点1　利用Pandas批量处理文件
Pandas主要功能是计算一个集合对象中某个字段的记录数量、总和、平均值和最值(最大值或最小值)。这个集合可以是通过筛选找到符合处理条件的数据(子集)，也可以是通过分组，将某列相同字段值的记录组合在一起，形成一个个的分组，再分别统计各个分组的数量、和、平均值和最值。这些功能Excel软件也可以实现，但若是数据分布在多个数据文件时，Excel软件就要手工不断地打开数据，重复进行统计，而Pandas可以通过算法，利用循环结构，将这些操作让计算机自动完成。
例题 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形图，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)　#绘制线性图
#设置绘图参数，显示如图c所示线形图，代码略
(3)城市A 2021年PM2.5年平均浓度为34.6微克/立方米。由图c可知，城市A 2021年PM2.5月平均浓度超过年平均浓度的月份共________个。
变式 学校食堂以服务质量进行了调查问卷，调查项目共 5 项(具体内容略)。12个班级的调查结果分别存储在“dy01.csv”“dy02.csv”等文件中(如图a所示)，每个文件部分界面如图b所示。
现需要分析每个问题选“A”的情况，采用Python编制程序代码，请回答下列问题。
(1)定义fun_A函数实现统计某个班级5个问题的选“A”的人数，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 col in df.columns[1：]:
　 ________________
　A_list.append(c)
　 return A_list
(2)统计12个班级每个问题选“A”的总人数，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
　 for j in range(12)：
②__________
　 y[i]＝s
(3)根据上述统计的得分数据，统计每个问题选“A”的数量，绘制如图 c 所示的柱形图，请在划线处填入合适代码。
图c
import matplotlib.pyplot as plt
plt.title(″每个问题选A的总人数″)
plt.bar(①__________，②__________，label＝'A 选项')
plt.legend()
plt.show()
重难点2　利用函数按列进行数据统计
DataFrame是Pandas处理的主要对象，index属性记录了每行记录所在的行索引，columns属性记录每列的名称。df.列名就可以表示该列所有的数据的集合，可以运用函数计算一个集合对象的记录数量、总和、平均值和最值(最大值或最小值)。通过筛选找到符合处理条件的数据(子集)集合，再对集合进行求和等计算。通过分组，将某列相同字段值的记录组合在一起，形成一个个的分组，再分别统计各个分组的数量、和、平均值和最值。
例题 小明通过调查问卷收集了食堂满意度情况数据，保存在“data.csv”文件，如图a所示。
图a
图b
为统计分析每个调查项目不同选项的人数及不满意率，编写Python程序。请回答下列问题：
(1)统计每一项调查内容的总票数、满意、一般及不满意人数，程序运行结果如图b所示，
import pandas as pd
import matplotlib.pyplot as plt　#导入模块
df＝pd.read_csv(″data.csv″，encoding＝″utf－8″)#读取csv文件中的数据
cols＝df.columns[1：]
poll＝len(df)
data＝ {″调查项目″：[]，″总票数″：[]，″满意″：[]，″一般″：[]，″不满意″：[]}
for colname in cols：
　 dfc＝df.groupby(①__________，as_index＝False)[″序号″].count()
　 data[″调查项目″].append(colname)
　 data[″总票数″].append(poll)
　 for j in dfc.index：
　name＝dfc.at[j，colname]
　 data[name].append(②__________)
df2＝pd.DataFrame(data) ; print(df2)
(2)计算每个项目的“不满意率”(＝“不满意”/“总票数”*100)，并使用柱形图分析每个项目的“不满意率”情况，如图c所示，请在划线处填入合适的代码。
图c
df2[″不满意率(%)″]＝①__________
x＝②__________
y＝df2[″不满意率(%)″]
plt.figure(figsize＝(8，4))
pl.title(″食堂调查问卷不满意率(%)情况″)
plt.bar(x，y，label＝″不满意率(%)″)
plt.legend()
变式 某学校开设选修课并在期末让学生对其进行满意度调查，选修课分艺术、体育、语言、计算机、职业技能等领域。现要进行报名数据处理和满意度分析， 请回答下列问题：
图a
图b
(1)选修课开设的条件为：报名人数大于20人。其中计算机类选修课的报名数据保存在DataFrame对象df中，如图a所示。若要编写Python程序检查其中第1学期的“数字视音频处理”选修课是否符合开设条件，下列方法中，不正确的是________(单选，填字母)。
A.对df中数据按开设学期排序并保存到dfs中，再从dfs筛选出选修课名称为“数字视音频处理”的数据，判断筛选出的数据行是否超过20行
B.从df中筛选出选修课名称为“数字视音频处理”的数据dfs，再对dfs按开设学期进行升序排序，判断数据前21行的开设学期是否是第1学期
C.从df中筛选出选修课名称为“数字视音频处理”的数据dfs，再按开设学期分组统计个数，判断第1学期的个数是否超过20
(2)计算机类选修课学生的满意度调查部分数据如图b所示。满意度分3个等级：A.满意、B.一般、C.不满意，分别计1分、0分、－1分，基础分为100分。实现计算各选修课的满意度功能的部分Python程序如下，请在划线处填入合适的代码。
import pandas as pd
import matplotlib.pyplot as plt
#读取如图b所示数据，保存到DataFrame对象df1中，代码略
score＝[1，0，－1]
for i in range(0，len(df1))：
　 rank＝df1.at[i，″满意度″]
　 ①________
　 df1.at[i，″得分″]＝mark
a＝df1.groupby(″选修课名称″，as_index＝False)[″得分″].②________
for i in range(0，len(a))：
　 a.at[i，″得分″]＋＝100
(3)根据满意度进行降序排序，绘制如图c所示的柱形图，实现该功能的部分Python程序如下：
图c
a＝a.sort_values(″①__________″，ascending＝False)
#设置绘图参数，代码略
x＝②________
y＝a[″得分″]
plt.bar(x，y)　#绘制柱形图
重难点1　利用Pandas批量处理文件
1.高一年级(9个班级)进行“七选三”预选科。每个班一个Excel文件(如图a所示)存储预选科数据。数据表中“1”代表学生选择该科目，空白代表学生未选择该科目(某班部分选科数据如图b所示)。请回答下列问题。
图a
图b
(1)定义如下函数check(dfs)检查选考科目数是否有误，其中参数dfs为DataFrame对象，由如图b所示Excel数据导入。返回值erlst为列表，列表元素数据类型为整型，表示错误数据行对应的学生序号(例如第6行学生“戴*跃”的序号为5)。
def check(dfs)：
　 erlst ＝ []
　 for i in range(len(dfs))：
xk_sum ＝ 0
　 for j in dfs.columns[2：]：
　　　　dyg ＝ ①________
　　　　if dyg ＝＝ 1：
　　　　　xk_sum ＋＝ dyg
　 if xk_sum ！＝ 3：
　　 erlst.append(②________)
return erlst
①在程序中划线处填入的正确代码为________(单选，填字母)。
A.dfs.at['i'，'j'] B.dfs.at['j'，'i']
C.dfs.at[i，j] D.dfs.at[j，i]
②在程序中划线处填入合适的代码。
(2)读取每个班级的Excel选科数据，若检查无误，则统计每个班级同时选报“物理”和“化学”学科的人数，存储在字典ans中。实现该功能的Python程序如下：
import pandas as pd
ans ＝ {}
for i in range(1，10)：
　 filename ＝ str(i)＋'. xlsx'
　 df ＝pd.read_excel(filename)
　 errlist ＝ check(df)
　 if errlist ！＝ []：
　　　print(″请检查文件″， filename，″中序号为″， errlist，″的学生″)
　　　else：
　 ①__________　#筛选同时选择物理和化学的数据记录存储在 df1中
　 ans[str(i)＋'班'] ＝ [②________]　#形如{“1班”：[41]}
①在程序划线处应填入的正确代码段为________(多选，填字母)。(注：全部选对的得 2 分，选对但不全的得1分，不选或有选错的得 0 分)
A.df1 ＝ df[df['物理']＝＝1]
df1 ＝ df1[df1['化学']＝＝1]
B.df1 ＝ df[df['物理']＝＝1]
df1 ＝ df[df['化学']＝＝1]
C.df1 ＝ df[df['化学']＝＝1]
df1 ＝ dfl[df1['物理']＝＝1]
D.df1 ＝ df[df['化学']＝＝1]
df1 ＝ df[df['物理']＝＝1]
②在程序划线处填入合适的代码。
(3)用字典ans创建并转置的DataFrame对象如图c所示，绘制柱形图如图d所示。实现该功能的Python程序如下：
import matplotlib.pyplot as plt
adf ＝ pd.DataFrame(ans，index＝ ['人数']).T
plt.bar(______)
#设置绘图参数，代码略
plt.show()
程序的划线处应填入的正确代码为________(单选，填字母)。
A.adf.人数，adf.班级
B.adf.班级，adf.人数
C.adf.人数，adf.index
D.adf.index，adf.人数
2.学校暑期开展“青春迎亚运”活动，邀请高二学生每日参加运动锻炼并进行线上打卡。每周收集一次相关数据，分别保存在相应的xlsx文件中，部分文件如图a所示；每个文件记录了一周7天的打卡数据，示例如图b所示，其中运动时长单位：分钟。
图a
图b
为统计分析学生锻炼情况，给出周报数据，编写Python程序，请回答以下问题：
(1)定义px函数，功能为：读取某一周的打卡数据，将其按班级进行排序操作并返回结果。函数代码如下，将划线处代码补充完整。
import pandas as pd
def px(file_week)：
　 df＝pd.read_excel(file_week)
　 df＝df.sort_values(________，ignore_index＝True)
　 #按班级升序排序，参数ignore_index＝True 表示更新索引
　 return df
(2)统计某一周各运动项目的参与人次，并绘制柱形图，部分Python代码如下：
import matplotlib. pyplot as plt
s＝input(″请输入文件名：″)
df＝px(s)
df1＝df.groupby(″运动项目″，as_index＝False).①________　#统计各运动项目参与人次
df1.rename(columns＝{″学号″：″参与人次″}，inplace＝True)　#更改列标题
plt.bar(②________)
plt.xlabel(″运动项目″)
plt.ylabel(″参与人次″)
plt.show()
划线处应填入的代码为________(单选，填字母)。
A.①count()　②df1[″参与人次″]，df1[″运动项目″]
B.①sum()　②df1[″参与人次″]，df1[″运动项目″]
C.①sum()　②df1.运动项目，df1.参与人次
D.①count()　②df1.运动项目，df1.参与人次
(3)统计某一周每班各学生的总运动时长后，比较得出该周每班最高的前两位时长，部分Python程序代码如下，请在划线处填入合适的代码。
qp＝[[0 for i in range(m)]for j in range(n)]
'''
定义数组qp记录每班各学生一周运动总时长，n为班级数，m为每班人数。其中qp[0][0]～qp[0][m－1]存储1班1号～m号同学的每周运动总时长，以此类推，qp[n－1][0]～qp[n－1][m－1]存储n班1号～m号同学的每周运动总时长。
'''
print(″本周每班最高的前两位时长分别为：″)
i＝0
while i　　num＝df[″学号″][i]
　　cla＝df[″班级″][i]
　 ①________
　　if i！＝0 and df[″班级″][i]！＝df[″班级″][i－1] or②________：
　 cla＝df[″班级″][i－1]
　 k1＝0；k2＝0
　 for j in range(1，len(qp[cla－1]))：
　　　 if qp[cla－1][j]>qp[cla－1][k1]：
　　　　　 ③________
　　　　　　k1＝j
　　　　elif qp[cla－1][j]>qp[cla－1][k2]:
　　　　　　k2＝j
　　　　print(cla，″班″，qp[cla －1][k1]，qp[cla －1][k2])
　i＝i＋1
(4)统计某一周各运动项目的参与人次后绘制柱形图如图c所示，由图可知，该周参与人气最高的运动项目为______________。
图c
3.为统计分析不同年级学生名字中的常用字，小王同学收集了本校所有学生的名字，并以入学年份为文件名分别保存在Excel文件中，文件如图a所示，每个文件包含了学生的年级、姓名和性别信息，如图b所示。
编写Python程序。请回答下列问题：
(1)定义getname函数，功能为：读取某年级的Excel文件，找出文件中同性别的学生，将学生姓名中的每个字(不包含姓氏，没有复姓学生)提取出来存储在列表mz中并返回列表。函数代码如下，请在划线处填写合适的代码。
def getname(nj, xb)：
　 mz＝[]
　 df＝pd.read_excel(nj＋″学生名单.xlsx″)
　 for i in df.index：
　 xm＝df.at[i，″姓名″]
　 if ①________：
　　　 for m in xm[1：]：
　　　　　 mz.append(m)
　　return ②________
(2)小王想统计女生名字中出现最频繁的10个字，部分Python程序如下，请在划线处选择合适的代码。
import pandas as pd
xb＝input(″请输入性别：″)　#输入性别″女″
nianji＝[″2020级″，″2021级″，″2022级″]
mzs＝[]　#存储姓名中的字
for nj in nianji：
　 mzs＝mzs＋getname(nj，xb)
data＝{'字'：mzs，'个数'：[1]*len(mzs)}
df1＝pd.DataFrame(data)
df2＝df1.groupby(″字″，as_index＝False).count() #统计每个字出现的次数
df3＝__________
划线处应选择的代码是________(单选，填字母)。
A.df2.sort_values(″个数″，ascending＝True)[：10]
B.df2.sort_values(″字″，ascending＝False).tail(10)
C.df2.sort_values(″字″，ascending＝True).tail(10)
D.df2.sort_values(″个数″，ascending＝False).head(10)
(3)将统计结果(10个最频繁的字)绘制成柱形图，部分Python程序如下，请在划线处填写合适的代码。
import matplotlib.pyplot as plt
plt.title(xb ＋″生取名常用字″)
plt.bar(df3.字，__________)
plt.show()
4.小明利用“在线社团报名系统”收集了全校学生的社团报名信息，并将报名数据导出到“社团报名.xlsx”中，如图a所示。然后编写Python程序对报名数据进行处理，生成分别以班级名和社团名为文件名的Excel文件，以便分发给相应的社团指导老师和班主任。
图a
图b
(1)在对表格进行数据整理时发现，关于“Jacky.Y”同学的记录可能存在的数据问题是________(选填：A.数据缺失　B.数据异常　C.逻辑错误　D.数据格式不一致)。
(2)其中生成每个社团名单文件的过程是：先对报名数据按社团名称进行分类，并对选报同一社团的学生按班级进行升序排序，然后生成各个社团名单文件，如图b所示。对应的程序代码如下，请在划线处填写合适的代码。
import pandas as pd
def read_file(filename)：
　 #读入报名数据的原始文件，并将表中的数据转换成列表，代码略
def save_file(a)：　#保存名单到相应社团的Excel电子表格文件
　 df ＝ pd.DataFrame(a，columns＝[″班级″，″姓名″，″选报社团″])
　 df.to_excel(①________＋″.xlsx″，index＝False)
a ＝ read_file(″社团报名.xlsx″)
n ＝ len(a)
#按社团名(参照拼音的字母顺序)进行升序排序，代码略
#统计各社团人数，存在列表rs中，rs＝[[“滑板社”，36]，…]，代码略
a＝[]；imin＝0；k＝0
s ＝ 0
for i in range(len(rs))：
　 ②________
　 left，right ＝ s, s＋num－1
　 while　left < right：
　　　 imin ＝ imax ＝ left
　　　 for k in range(left＋1，right＋1)：
　　　 if a[k][0]　　　　　　imin＝k　　
　　　 elif a[k][0]>a[imax][0]：
　　　　　　imax ＝ k
　　　 if imin ！＝ left：
　　　　　　a[imin]，a[left] ＝ a[left]，a[imin]
　　　 if imax ＝＝ left：
　　　　　　③________
　　　　　　if imax ！＝ right：
　　　　　　　　　a[imax]，a[right] ＝ a[right]，a[imax]
　　　left ＝ left ＋ 1；　right ＝ right－1
　　　④________
　　　s ＋＝ num
重难点2　利用函数按列进行数据统计
1.某单位根据全省各县市区的公共设施与服务运行情况，编制了“公共服务惠民指数”与“公共设施匹配指数”，现要对该两项指数进行分析。请回答下列问题：
图a
图b
(1)该单位希望在所有县市区中，筛选出“公共服务惠民指数”低于75分的县市区，提出预警。各县市区的指数数据保存在DataFrame对象df中，如图a所示。实现上述功能的部分Python程序如下：
df1 ＝ df[df[″公共服务惠民指数″] < 75]
print(″需要被预警的县市区个数为″，________，″个″)
下列语句中，符合要求的为________。(单选，填字母)
A.df1.count()
B.len(df1)
C.df1[″公共服务惠民指数″].sum()
(2)根据图a中数据中的区域代码列的前4位，可以获取到该区域所属的地区，例如“3301”即代表“杭州市”。现需要根据该数据，匹配出各县市区所属的地区。实现上述功能的部分Python程序如下，请在程序中划线处填入合适的代码。
import pandas as pd
import matplotlib.pyplot as plt
area ＝ {″3301″：″杭州市″，″3302″：″宁波市″，......，″3311″：″丽水市″}
df ＝ pd.read_excel(″基层智治指数.xlsx″)
df.insert(4，″地区″，″″)　#在第4列插入“地区”列，值为空
for i in df.index:
　 areacode ＝ str(df.at[i，″区域代码″])
　 df.at[i，″地区″]＝________________
df ＝ df.drop(″区域代码″ ，axis＝ 1)
(3)根据上述df中的地区信息，统计各地区“公共服务惠民指数”与“公共设施匹配指数”的平均值，并根据“公共服务惠民指数”数据绘制如图b所示的柱形图，实现该功能的部分Python程序如下：
dfg ＝ df.groupby(″地区″).________________
dfs ＝ dfg.sort_values( )
#设置绘图参数，代码略
plt.title(″公共服务惠民指数″)
plt.bar(dfs.index，dfs[″公共服务惠民指数″])
#绘制柱形图
①请在程序中划线处填入合适的代码。
②程序中的方框中应填入的正确代码为________(单选，填字母)。
A.″公共服务惠民指数″， ascending ＝ True
B.″公共服务惠民指数″， ascending ＝ False
C.dfg[″公共服务惠民指数″], ascending ＝ True
D.dfg[″公共服务惠民指数″], ascending ＝ False
2.某校高一学生的社团报名数据存储在“stbm.xlsx”文件中，如图a 所示。
{'书画社'：52，'动漫社'：97，'摄影社'：35，'汉学社'：38，'法学社'：51，'诗词社'：37，'辩论社'：43，'音乐社'：63，'飞羽社'：56，'魔方社'：29}
图c
(1)统计各社团报名人数，找出报名人数最多的三个社团(不存在并列名次情况)并创建如图b所示的图表。实现上述功能的 Python 程序如下，请在划线处填入合适代码。
import pandas as pd
import matplotlib.pyplot as plt
#设置中文字体，代码略
df＝pd.read_excel(″stbm.xlsx″)
df1＝df.groupby(″①__________″，as_index＝False).count()
#删除df1的“班级”列，并将列标题“姓名”重命名为“人数”，保存修改结果，代码略
df2＝df1.sort_values(″人数″，ascending＝False)
df3＝df2.②________
plt.bar(df3.社团，③________)
plt.title(″报名人数最多的前三个社团″)
plt.show()
#将各社团报名人数存入字典stdic并输出，结果如图c所示，代码略
(2)受场地限制，每个社团开展活动人数上限为45人。解决方案：超过45人的社团分成若干班级，每班人数按一定规则分配。编程解决社团分班问题，并输出如图d所示分班方案，请在划线处填入合适代码。
{'书画社'：[26，26]，'动漫社'：[32，32，33]， '摄影社'：35，'汉学社'：38，'法学社'：[25，26]， '诗词社'：37，'辩论社'：43，'音乐社'：[31，32]， '飞羽社'：[28，28]，'魔方社'：29}
图d
for i in stdic：
　 if stdic[i]>45：
　 n＝(stdic[i]－1)∥45＋1
　 num＝[]; x＝stdic[i]∥n
　 for j in range(n):
　　　　if j＝＝n－1：
　　　　num.append(________)
　　　　else：
　　　　 num.append(x)　#将x添加到列表num末尾
　 stdic[i]＝num
print(stdic)
(3)若“动漫社”实际报名人数为98人，则利用上述程序段进行分班后得到的结果为__________________________________________________________________
(单选，填字母：A.'动漫社'：[32，33，33]/B.'动漫社'：[32，32，34])。
3.小温对 5 个景区进行网络问卷调查，问卷中“环境”“硬件”“服务”和“交通”设置的选项及分值均一致，部分界面如图a所示。导出数据的部分界面如图b所示，其中数字对应问卷中每题的选项，如数字 i 代表该题的第 i个选项。请回答下列问题。
(1)若要统计每份问卷对应景区的评分， 部分代码如下：
#导入相关模块，读取如图b所示的数据，保存到DataFrame对象df中，代码略
qz＝[2.5，2，1.5，1，0.5]　　
________
则划线处的代码为________(单选，填字母)
A.df[″评分″] ＝ qz[df[″环境″]] ＋ qz[df[″硬件″]] ＋ qz[df[″服务″]] ＋ qz[df[″交通″]]
B.df[″评分″] ＝ df[[″环境″，″硬件″，″服务″，″交通″]].sum (axis＝1)
C.df[″评分″] ＝ 0
for i in df.index：
　 a＝ df.at[i，″环境″]; b＝ df.at[i，″硬件″]
　 c＝ df.at[i，″服务″]; d＝ df.at[i，″交通″]
　 df.at[i，″评分″] ＝ qz[a－1]＋qz[b－1]＋qz[c－1]＋qz[d－1]
(2)找出18～39 岁年龄段游客评分均值最高的景区，请在划线处填入合适的代码。
jq＝[″雁荡山″，″楠溪江″，″渔寮″，″南麂列岛″，″氡泉″]
df1 ＝ df[①________]
df2 ＝ df1.groupby(″景区″， as_ index＝False)[″评分″].mean()
df2 ＝ df2.sort_values(″②________″， ascending＝False)
print(jq[df2[″景区″][0]－1])
(3)根据上述 df2 中的评分数据， 绘制如图 c 所示的垂直柱形图， 代码如下：
#导入相关模块，　代码略
jq1 ＝ []
ave ＝ df2[″评分″].mean()
df2[″均差″] ＝ df2[″评分″] － ave
for i in df2.index：
　 jq1.append (jq[df2.at[i，″景区″] － 1])
plt.bar(x, y)
plt.show()
程序加框处的应填入的正确代码为________(单选， 填字母)。
A.x＝jq
y＝df2[″评分″]
B.x＝df2[″景区″]
y＝df2[″均差″]
C.x＝jq1
y＝df2[″均差″]
4.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，每天的用户数据存储于“shared_bikes.xlsx”文件中，不考虑跨天数据。数据格式如图a所示，请回答下列问题：
(1)cal 函数功能为：读取骑行时间的小时和分钟部分，转换为分钟格式并返回，如“2022/8/20 6：57”获取“6：57”转换为417(6*60＋57＝417)，代码如下。请在划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 ＝________ ＋ int(s[q＋1：])
　　return t
(2)统计本月各类型单车的每天平均骑行时长，并绘制柱形图，代码如下，绘制的图表如图b所示，请在划线处填入合适的代码。
图b
import pandas as pd
import matplotlib.pyplot as plt
df ＝ pd.read_excel(″shared_bikes.xlsx″)
bike ＝ [″哈罗单车″，″摩拜单车″，″美团单车″，″青桔单车″]
sm ＝ [0] * 4
avg ＝ [0] * 4
days ＝ 31
for i in ①________：
　 t ＝ cal(df.at[i，″结束时间″]) － cal(df.at[i，″开始时间″])
　 for j in range(len(bike))：
　 if df.at[i，″APP类型″] ＝＝ bike[j]：
　　　 ②________
　　　 break
for i in range(len(bike))：
　 avg[i] ＝ sm[i] / days
plt.figure(figsize ＝ (12，4))
x ＝ bike
y ＝③________
plt.bar(x，y)
plt.show()
(3)统计本月各类型单车的骑行次数，下列加框处代码有错，可以改正为________(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.
重难点1　利用Pandas批量处理文件
1.管理员从该停车系统中导出了 3 月份每天的停车记录，如图a 所示，每天的停车记录内容格式如图b 所示(进出标记为 0 表示驶入，1 表示驶出，停车记录已按进出时间升序排列)。
图a
车牌 进出时间 进出标记
川B·8CC88 2023－3－23－06：09：56 0
川A·A98A8 2023－3－23－06：28：04 0
川C·9VV99 2023－3－23－06：56：45 0
川B·8UU88 2023－3－23－07：01：29 0
川C·9VV99 2023－3－23－07：48：01 1
图b
为统计停车场3月份每天的收入(只有驶入或驶出记录的车辆不参与计费)，编写Python程序。
(1)定义readdata函数，功能为：读取某一车牌车辆当天的进出时间记录，返回该车辆当天的停车总费用。参数 data 为该车牌当天的进出时间记录。函数代码如下，请回答下列问题：
①程序段中加框处应填入的代码为________(单选，填字母)。
A.data.进出标记[p]＝＝0
B.data.进出标记[p－1]＝＝0 and data.进出标记[p]＝＝1
C.data.进出标记[p＋1]＝＝1
D.data.进出标记[p]＝＝0 and data.进出标记[p＋1]＝＝1
②请在程序段划线处填入合适的代码。
def catime(t1，t2)：
　 #计算时间t1 与时间 t2 之间的时间差并计算本次停车的费用，函数返回停车费用，代码略。
def readdata(data):
　 m＝len(data)
　 p＝0；cost＝0；total＝0
　 while p　 if ：
　　　　　cost＝catime(data.进出时间[p]，data.进出时间[p＋1])
　　　　　total＋＝cost
　　　　　p＋＝1
　　　②________
　 return total
(2)统计停车场 3 月份每天的收入并绘制柱形图，部分Python代码如下，请在划线处填入合适的代码。
n＝31；dic＝{}
for i in range(1，n＋1)：
　 ①________
　 fname＝″3 月″＋str(i)＋″日.xlsx″
　 df＝pd.read_excel(fname)
　 df_g＝df.groupby(″车牌″).进出标记.count()
　 for k in df_g.index：
　 #只有一条驶入或驶出记录的车辆不参与计费
　 if ②________：
　　　 data＝df[df.车牌＝＝k]
　　　 dic[i]＋＝readdata(data)
plt.title(″某停车场3月份整体收入图″)
plt.bar(dic.keys()，dic.values())
plt.show()
(3)已知每月分为3个时间段，1－10日称为上旬，11－20日称为中旬，21－30(31)日称为下旬。则由图c可知，该停车场3月份________(选填：上旬/中旬/下旬)收入总和最高。
2.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。
图a
图b
(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))
3.小美收集了某电商平台某年1－12月的“十大”空调品牌的销售数据，每个月的数据保存在一个csv文件中，文件如图b所示，分别记录了对应月份的订单数据。
请回答下列问题：
(1)定义get_sales函数，功能为：读取某月的csv文件，返回某品牌当月的销售额。函数代码如下，
划线处应填入的代码为：________(单选，填字母)。
A.df[df['品牌'] ＝＝ brand] B.df[df['品牌'] ＝＝ month]
C.df['品牌'] ＝＝ brand D.df['品牌'] ＝＝ month
import pandas as pd
def get_sales(brand, month)：
　 filename ＝ str(month) ＋ '.csv'
　 df ＝ pd.read_csv(filename)　#读取文件
　 df ＝________
　 sales ＝ (df['数量'] * df['单价']).sum()　#求出df中所有数量*单价的总和
return sales
(2)统计十大品牌全年销售额，并找出销售额最大的品牌，绘制该品牌的1－12月销售额的线形图，部分Python程序如下，请在划线处填写合适的代码。
import matplotlib.pyplot as plt
brand_dict＝{'格力'：0，'美的'：0，'海尔'：0，'奥克斯'：0，'海信'：0，'三菱重工'：0，'日立'：0，'华菱'：0，'TCL'：0，'大金'：0}
x，y ＝ []，[]
max_sales，brandmax ＝0，''
for i in range(1，13)：
　 for j in brand_dict：
　 brand_dict[j] ＋＝ ①__________
for i in brand_dict：
　 if brand_dict[i] > max_sales：
　 max_sales ＝ brand_dict[i]
　 ②________
for i in range(1，13)：
　 x.append( ③________ )
　 y.append(get_sales(brandmax，i))
plt.plot(x，y)
plt.show()　#生成线形图如图c所示
图c
(3)由图c可知，该空调销售额增量最大的月份是________。
4. 一球迷收集了近3个赛季的CBA比赛数据，每个赛季的数据分别保存在独立文件中，如图a所示，文件中数据记录格式如图b所示，以球员“布莱克尼”的“二分”数据“7.9－16.3”为例，7.9表示二分球平均命中数量，16.3表示二分球平均投篮次数。
图c
该球迷想根据历史赛季数据预测各球队下个赛季的首发阵容，编写了如下Python程序，请回答下列问题：
(1)定义readData函数，功能为：读取某赛季的excel文件，返回每个队员的得分(得分＝二分球命中数量*2＋三分球命中数量*3＋罚球命中数量。函数代码如下，划线处应填入的代码为________(单选，填字母)。
A.df[″得分″][i]＋＝n*cols[col]
B.df[″得分″][i]＝n*cols[co1]
C.df[″得分″]＋＝n*cols[col]
D.df[″得分″]＝df.二分*2＋df.三分*3＋df.罚球
import pandas as pd
def readData(file)：
　 df＝pd.read_excel(file)　#读取文件file 中的数据
　 cols＝{″二分″：2，″三分″：3，″罚球″：1}
　 for i in range(len(df))：　#计算每个队员的得分
　 for col in cols：
　　　　 p＝df[col][i].find(″－″)　#在字符串中找到“－”的位置
　　　　 n＝float(df[col][i][：p])
　　　　________________
　 return df
(2)定义select函数，功能为：筛选各球队得分最高的5名球员作为首发阵容，并把球员名字及得分存入列表members后返回。其中n号球队各球员名字存入members[2*n]中，得分存入members[2*n＋1]中，请在划线处填写合适的代码。
def select(teams) ：
　 #teams是字典变量，如：{″浙江″：0，″上海″：1}，字典的值代表球队编号
　 seasons＝[″20－21″，″21－22″，″22－23″]
　 members＝[0]*len(teams)*2
　 df＝readData(seasons[0]＋″.x1sx″)
　 for season in ①________：
　 file＝season＋″.xlsx″
　 df1＝readData(file)
　 df＝pd.concat([df, df1])　#合并两个DataFrame对象数据
　 for team in teams：
　 df1＝②________
　 df1＝df1.groupby(″球员″ , as_index＝False).mean()　#计算各球员平均得分
　 df1＝df1.sort_values(″得分″，ascending＝False).head(5)　#按得分降序排序并选取前5名
　 ③________
　 members[2*n]＝df1[″球员″].values
　 members[2*n＋1]＝df1[″得分″].values
　　return members
(3)定义showChart函数，功能为：查询某球队的首发阵容，绘制柱形图，图表如图c所示，程序如下，请在划线处填写合适的代码。
import matplotlib.pyplot as plt
def showChart(tean, menbers) ：
　 n＝teams[team]
　 plt.bar(________ ，________)
　 plt.title(team＋″队首发阵容″)
　 plt.show()
主程序代码如下。
teams＝{″浙江″：0，″上海″：1，″山东″：2，″广东″：3，″北京″：4}
members＝select (teams)
while True：
　　team＝input(″输入球队：″)
　　if team＝＝″″ : break
　　showChart(team, members)
5.李老师收集了 2022 级学生“七选三” 选课意愿数据，每个班的数据分别保存以'xk'＋班级为命名的 xlsx 文件中，如图a所示，每个文件记录了该班每位学生的选考科目选课情况，如图b所示。
为统计分析全年级“七选三”选课意愿数据，编写 Python 程序，请回答下列问题：
(1)读取各班 xlsx 文件，并合并到一个 DataFrame 对象。程序代码如下，请在划线处填入合适的代码。
def data(i)：
　 i＝i＋1
　 if ①________：
　 t＝'0'＋str(i)
　else：
　 t＝str(i)
　df_t＝pd.read_excel('xk'＋t＋'.xlsx')
　return df_t
n＝12
df＝pd.DataFrame()
for i in range(n)：
　df＝df.append(②________，ignore_index＝True)　#在df末尾追加一个DataFrame
(2)统计“技术”选课人数占总人数的比例，并作出各个科目选课人数的柱形图。程序代码如下，请在划线处填入合适的代码。
图c
km＝{'物理'：0，'化学'：0，'生物'：0，'政治'：0，'历史'：0，'地理'：0，'技术'：0}
for i in range(len(df))：
　 xk＝df['选课'][i].split('，') 　#将'选课'字符串以逗号分隔出来
　 for j in xk：
　 ①________
print('选考技术占比： '＋str(round(②________*100，2))＋'%')
df_km＝pd.DataFrame({'科目'：km.keys()，'人数'：km.values()})　#转换为 DataFrame
plt.title('选考各科目人数对比图')
plt.bar(③________，df_km['人数']，label＝'各科目人数')
plt.legend()
plt.show()
(3)分析图c可知，选课人数最多的三门科目是________________。
6.某同学收集了部分城市2022年4月每天24小时空气质量数据，按日分别保存在csv文件中，部分文件如图a所示。数据格式如图b所示。请回答下列问题：
图a
图b
(1)定义函数 avg，功能是读取某天的数据文件，计算该天空气质量指数(AQI) 的平均值并返回，代码如下。请在划线①处应填入合适的代码。
def avg(filename)：
　 df＝pd.read_csv(filename)
　 df1＝df[df.columns[2：]]　#取类型及其后的所有列
　 g＝df1.groupby(①________，as_index＝False).mean()
　 return ②________
划线②处应填入的代码为________(单选，填字母)。
A.df[df.类型＝＝'AQI']
B.df1.AQI　
C.g.AQI
D.g[g.类型＝＝'AQI']
(2)统计本月各城市空气质量最长连续优、良的天数(按照环境空气质量标准，空气污染指数 AQI≤50为优级，AQI≤100 为良好)，代码如下，绘制的图表如图 c 所示。请在划线处填入合适的代码。
图c
import pandas as pd
import matplot1ib.pyplot as plt
n＝10　#城市个数
count＝[0]*n
daymax＝[0]*n
for i in range(1, 31):
　 day＝str(i)
　 if len(day) <2：
　 day＝'0' ＋str(i)
　 daydata＝' 202204' ＋day＋' . csv'
　 dayaqi＝avg(daydata)
　 city＝dayaqi.columns[1：n＋1]
　 for j in range (n) ：
　 t＝city[j]
　　 if dayaqi.at[0，t] <＝ 100：
　　　 ①________
　 else：
　　　 if count[j]>daymax[j]:
　　　　 daymax [j]＝count[j]
　　　 count[j]＝0
　for k in range (n)：
　 if count [k]>daymax[k]：
　　　 ②________
print (daymax)
p1t.figure(figsize＝(12，4))
x＝ ③________
y＝daymax
plt.bar(x, y)
p1t.show()
重难点2　利用函数按列进行数据统计
1.某竞赛获奖名单已公布，现要对获奖情况进行数据处理和分析。请回答下列问题：
　
　　　　　　　　 　 图a　　　　　　　　　　　 　图b
(1)将获奖名单读取到DataFrame对象df中，如图a所示，若要编写Pandas程序分析出浙江省内获得满分400分的总人数。下列方法正确的是________(单选，填字母)。
A.从df中筛选出省份为“浙江”的数据df1，再从df1中筛选出总分为“400”的数据df2，最后对df2中的“姓名”数据列使用count()函数统计出总人数
B.对df中数据按“总分”降序排列并保存到df1中，再从df1中筛选出省份为“浙江”的数据df2，最后对df2中的“姓名”数据列使用sum()函数统计出总人数
C.对df中数据按“总分”为关键字进行分组，并使用count()函数统计出总人数，得到数据df1，再从df1中筛选出省份为“浙江”的总人数
(2)提取获奖名单中的部分数据列，结果如图b所示。小陆想统计各省份一等奖获奖学生的准考证号，存储在字典dic中，h为一等奖获奖分数线。实现上述功能的部分python程序如下，请在划线处填入合适的代码。
import pandas as pd
#读取如图b所示数据，保存到DataFrame对象df中，代码略
#将DataFrame对象df转换为列表lst，代码略
#列表lst的值为[[″北京″，″BJ－0032″，400]，…，[″江苏″，″JS－0009″，350]，[″四川″，″SC－0003″，384]]
h ＝ int(input(″输入一等奖获奖分数线″))
i ＝ 0
s ＝″″
dic ＝ { }　#字典 dic 中的键为省份名称，值为一等奖获奖学生的准考证号
while i < len(lst)：
　　if ①________：
　 city ＝ lst[i][0]
　 if city in dic ：
　　　　 dic[city] ＋＝″，″＋lst[i][1]
　 else：
　　　　 ②____________
　　i ＋＝ 1
(3)获奖名单新增“获奖等级”数据列，存储在文件“data.xlsx”，如图c所示，小陆想分析出一等奖获奖人数最多的前5个省份(没有并列情况)，并绘制如图d所示的柱形图，实现该功能的部分Python程序如下。
　
图c
图d
import pandas as pd
import matplotlib.pyplot as plt
plt.rcParams[″font.sans－serif″] ＝ [″SimHei″]　#设置图表显示中文字体
df ＝ pd.read_excel(″data.xlsx″)
df1 ＝①________　#选取相应的一等奖数据
df2 ＝ df1.groupby(″省份″).count()　#分组统计总人数
df2.rename(columns ＝ {″姓名″：″获奖人数″}, inplace ＝ True)　#更改列标题名称
g ＝ df2.sort_values(″获奖人数″， ascending ＝ False).head(5)
plt.title(″一等奖获奖人数最多的前 5 个省份″)
plt.bar( ②________ )　#绘制柱形图
plt.ylabel(″获奖人数″)
plt.show()
①请在程序中划线处填入合适的代码。
②程序的划线处中应填入的正确代码为________(单选，填字母)。
A.g.省份，g.获奖人数 B.df2[″省份″]，df2[″获奖人数″]
C.g.index，g.获奖人数 D.df2.index，df2.获奖人数
2.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。
图a
图b
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。
图c
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 i　　if：
　 xjh＝lst[i][0]
　 flag[i]＝True
　 ①________
　 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″)
　　②________
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＝③________
plt.bar(item，nums，label＝″运动次数″)
(3)程序加框处代码有错，请改正。
3.小帅收集了2023年的销售数据并存储在″超市销售数据.csv″文件中，部分数据如图a所示。分析某月的销售情况，柱形图如图b所示。部分Python程序如下：
顾客编号，大类名称，销售日期，小类名称，商品类型，单位，销售数量，商品单位，销售金额 5，粮油，20230101，番茄酱，一般商品，瓶，1，6.7，6.7 10，日配，20230101，冷藏果粒酸乳，一般商品，盒，1，8.9，5.9 26，冲调，20230101，麦片/粉，一般商品，袋，1，27.7，27.7 31，洗化，20230101，洗衣皂，一般商品，块，1，4.9，4.9 31，洗化，20230101，软抽纸巾，一般商品，提，1，9.7，6.9 49，蔬果，20230101，花果，生鲜，千克，0.902，9.96，8.98 8，日配，20230101，利乐砖纯奶，一般商品，提，1，65，49 15，家居，胶棉拖把，一般商品，把，1，70，70 50，休闲，20230101，软糖，一般商品，袋，1，10.9，10.9 1，蔬果，20230101，芽菜，生鲜，千克，0.456，2.78，1.27 5，蔬果，20230101，鲜调味，生鲜，千克，0.24，9.6，2.3 2，洗化，20230101，无芯纸，一般商品，提，1，24.9，18.9 9，休闲，20230101，趣味/休闲，一般商品，盒，1，6.9，6.9 46，蔬果，20230101，苹果类，生鲜，千克，1.776，4.98，8.84
图a
图b
import pandas as pd
import matplotlib.pyplot as plt
df＝pd.read_csv(″超市销售数据.csv″)　#读取文件中的数据
df.insert(0，″月份″，″″)　#插入列
for i in(1)________：
　 data＝str(df.at[i，″销售日期″])　#通过行标签和列标签选取单个值
　 df.at[i，″月份″]＝data[4：6]
m＝int(input(″请输入需查询的月份：″))
if m>＝10：
　 month＝str(m)
else：
　 month＝″0″＋str(m)
g＝df[①________]　#筛选月份数据
g＝g.groupby(″大类名称″，as_index＝False)[″销售金额″].sum()　#分组求和
g＝
x＝g[″大类名称″]
y＝②________
plt.bar(x，y)　#绘制柱形图
#设置绘图参数，显示如图b所示的柱形图，代码略
请回答下列问题：
(1)为提取“销售日期”中月份数据，划线处应填入的代码是________(单选，填字母)。
A.df.index　B.df.values　C.df.columns
(2)请在程序中划线①②处填入合适的代码。
(3) 加框处实现按“销售金额”降序排列后取前10项，下列代码中能正确实现的有________(多选，填字母)。(注：全部选对的得2分，选对但不全的得1分，不选或有选错的得0分)
A.g.sort_values(″销售金额″，ascending＝False).tail(10)
B.g.sort_values(″销售金额″，ascending＝False).head(10)
C.g.sort_values(″销售金额″，ascending＝True)[：11]
D.g.sort_values(″销售金额″，ascending＝False)[：10]
4.小陈在气象部门得到了一份2022年不同城市的月平均日照时数(单位：kW·h/m2/day)数据，存放在Excel文件“日照.xlsx”中。部分界面如图所示。
图a
请回答下列问题：
(1)第1步，小陈编写了如下代码。
import pandas as pd
df ＝ pd.read_excel(″日照.xlsx″)
mdays ＝ [31，28，31，30，31，30，31，31，30，31，30，31]
months ＝ list(df.columns)
for i in df.index ：
　 s ＝ 0
　 for j in range(12)：
　 m ＝ df.at[i，months[j ＋1]]
　 s ＋＝ mdays [j]
　 s ＋＝ m*mdays[j]
　　df.at[i，″年度平均″]＝ round(s/365，2)
该程序实现的功能是________。
(2)第2步，仅考虑平均日照时数因素，选出最适合用光伏发电给智能农业大棚提供能源的十个城市。划线处应填入的代码为________(单选，填字母)。
df＝________
A.df.sort_values(″城市名″，ascending＝False).head(10)
B.df.sort_values(″城市名″).tail(10)
C.df.sort_values(″年度平均″，ascending＝False)[：10]
D.df.sort_values(″年度平均″，ascending＝False).tail(10)
#输出结果如图b所示，代码略
年度平均最高的10个城市为： 日喀则地区　5.83 阿里地区　5.66 三沙市　5.57 山南地区　5.53 拉萨市　5.53 那曲地区　5.11 昌都地区　4.91 海西蒙古族藏族自治州　4.88 和田地区　4.84 攀枝花市　4.83
图b
(3)小陈想在家乡温州建一个智能大棚，采用光伏发电加蓄电设备供电，面积为1平方米的光伏板容量约为0.3 kW/块，光伏的充放电效率为80%，大棚每天消耗的最低电能约为30 kW·h，为确保每月能正常供电，需要1平方米的光伏发电板共①________块。(日均发电量＝电池板的容量/块×块数×平均日照时数×充放电效率)
建设光伏发电设备前要先获得当地的平均日照时数情况，小陈通过如下代码获取相关数据。程序运行界面如图c所示：
图c
res＝df[df[″城市名″]＝＝″温州市″]
res＝res.values[0][1：13].②________
print(″温州市月平均日照最小值为”，res)
5.小周要统计高二年级各班的行为规范得分情况，部分扣分数据如图a所示。
图a
(1)观察数据，发现存在重复扣分的记录，如图a第2、3行所示。现需对数据进行整理，以下操作合理的是____(单选，填字母)。
A.对班级、记录员均相同的记录去重
B.对日期、关联学生、项目名称均相同的记录去重
C.对关联学生、项目名称、项目扣分均相同的记录去重
(2)如图a第4行“关联学生”所示，多名学生信息以分号分隔集中登记。现需要将这些关联学生信息进行拆分，每位学生各一条记录。实现拆分功能的部分Python程序如下，请在划线处填入合适的代码。
import pandas as pd
df＝pd.read_excel(″高二年级学生行规扣分明细.xlsx″)
i＝0
while i　　s＝①________
　　t＝0
　　for j in range(len(s))：
　 if s[j]＝＝″；″：
　　　 df＝pd.concat([df, df[i：i＋1]]，ignore_index＝True)
　　　 #将当前记录复制并添加到表末尾，concat函数用于连接两个DataFrame对象
　　　 df.at[len(df)－1，″关联学生″]＝s[t：j]
　　　 df.at[i，″关联学生″]＝s[j＋1：]
　　　 ②________
　　i＝i＋1
图b
(3)该校高二年级共有16个班级，统计各班的行为规范得分(班级行为规范得分＝100分－本班所有学生扣分)，并绘制如图b所示的柱形图，实现该功能的部分Python程序如下，请在划线处填入合适的代码。
import matplotlib.pyplot as plt
point＝df.groupby(″①________″，as_index＝False).sum()
cla＝[100]*16
for i in range(len(point))：
　 m＝point.at[i，″班级″]
　 cla[m－1]－＝point.at[i，″项目扣分″]
x＝[str(i)＋″班″ for i in range(1，17)]
y＝②________
#设置绘图参数，代码略
plt.bar(x，y)
plt.show()
6.某中学“7选3”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a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a
(1)定义fenban函数，功能为：根据选考科目选报的总人数allrs及该科目最大班额maxbrs，计算需开设的班级数。函数代码如下，请在划线处填入合适的代码。
def fenban(allrs，maxbrs):
　 bjnum＝allrs∥maxbrs
　 if ________________：
　 bjnum＋＝1
　 return bjnum
(2)统计7选3各科的选报人数，输出各科的选报情况及开班情况，如图b所示。部分程序代码如下，请在划线处填入合适的代码。
物理　人数：398　班级数：10 化学　人数：408　班级数：11 生物　人数：133　班级数：4 政治　人数：261　班级数：7 历史　人数：244　班级数：7 地理　人数：361　班级数：10 技术　人数：136　班级数：4
图b
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，班额
bj＝[0]*7
xkrs＝[0]*7　#存储选考科目的选报人数
p＝0
for j in km：
　 __①________
　 for i in range(len(df)):
　 if df.at[i，j]＝＝1:
　　　 cnt＋＝1
　 ②________
　 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)绘制选考科目选科人数情况的柱形图，部分Python程序如下，请在划线处填写合适的代码。
import matplotlib.pyplot as plt
x＝km
y＝__________________
plt.bar(x，y)#绘制柱形图
#设置绘图参数，显示如图c所示柱形图，代码略
图c
(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________(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()
7.第19届杭州亚运会已完美落幕，亚运会赛事以“杭州为主，全省共享”的原则分布在杭州、宁波、温州、湖州、绍兴、金华各地。大会共有40个大项，61个分项，最终诞生了481块金牌。小李作为一名体育爱好者想重温大会赛程安排，他从杭州亚运会的官网上采集了相关数据，整理后存储在“杭州第19届亚运会总赛程.xlsx”文件中。如图a所示(0表示有赛事但不产生金牌，其他数字表示当天产生的金牌数)。
图a
为了更清楚地了解相关赛事信息，小李编写了Python程序，请回答以下问题。
(1)足球是小李最关注的大项，为了解足球的赛程安排，划线处应填入的代码为________(单选，填字母)
A.df.大项＝＝″足球″ B.df[″大项″＝＝″足球″]
C.df[df.大项＝＝″足球″] D.df[df[″大项″]＝＝足球]
import pandas as pd
df＝pd.read_excel(″杭州第 19 届亚运会总赛程.xlsx″)
df2＝________
print(df2)
(2)足球项目的比赛分布在杭州等城市的八个场馆，了解各个场馆举办足球赛事的具体场次，找到连续举办足球赛事最多的场馆，如图b所示。程序代码如下，请在划线处填入合适的代码。
黄龙体育中心体育场 [9/19, 9/21, 9/24, 9/27, 9/28, 10/1, 10/4, 10/6, 10/7] 临平体育中心体育场 [9/19, 9/21, 9/22, 9/24, 9/25, 9/28, 9/30, 10/3] 上城体育中心体育场 [9/20, 9/22, 9/24, 9/25, 9/27, 9/28, 10/1, 10/3, 10/7] 萧山体育中心体育场 [9/19, 9/20, 9/21, 9/22, 9/24, 9/25, 9/27, 9/28, 10/1, 10/4] 金华体育中心体育场 [9/19, 9/21, 9/24, 9/27] 浙江师范大学东体育场 [9/19, 9/21, 9/24, 9/27] 温州奥体中心体育场 [9/21, 9/22, 9/24, 9/25, 9/27, 9/28, 9/30] 温州体育中心体育场 [9/22, 9/24, 9/25, 9/27, 9/28, 9/30] 连续举办足球赛事最多的场馆：萧山体育中心体育场
图b
dic＝{}
max＝0；maxsta＝″″
lst＝df2.竞赛场馆.tolist()　#将数据转换为列表
for i in lst：
　 dic[i]＝[]
for i in df2.index：
　 c＝0
　 sta＝df2[″竞赛场馆″][i]
　 for j in df2.columns[2：－3]：
　 if df2.at[i，j]＝＝0 or df2.at[i，j]＝＝1：
　　　 ①________
　　　 c＝c＋1
　　　 if c>max：
　　　　　 max＝c；maxsta＝sta
　 else：
　　　 __②________
for i in dic：
　 print(i，dic[i])
print(″连续举办足球赛事最多的场馆：″，③________ )
(3)足球在亚运会期间总共产生两枚金牌，统计分析其他大项产生的金牌总数，找出产生金牌总数最多的十个大项，并绘制图形如图c所示。程序代码如下，请在划线处填入合适的代码。
图c
import matplotlib.pyplot as plt
plt.rcParams['font.sans－serif']＝['simhei']　#图表中文标签显示为黑体
grp＝df.groupby(①________ , as_index＝False).金牌总数.sum()
grp＝grp.sort_values(″金牌总数″，ascending＝False).②________
x＝grp.大项
y＝grp.金牌总数
#设置图表参数，代码略。
专题9　pandas数据统计
学习目标　
1.对DataFrame对象按列进行公式计算，描述DataFrame对象数据以字典中键为列的存储形式；
2.对每个键对应一列数据多个值进行切片，掌握取出不同数据区域内容的方法；
3.运用函数统计对象的平均值等操作，运用排序函数对数据进行有序排列；
4.运用groupby函数对数据进行分组的方法，并在分组的基础上进行数据统计.
Pandas有Series和DataFrame两种对象，这两种对象均有index和values属性，Series对象的values是一维的，DataFrame的values是二维的，因此DataFrame对象比Series对象多一个columns属性，可以理解为index表示行号，columns表示列名。pandas处理的对象主要是DataFrame，取出DataFrame中的一列，降维为Series对象，可以用list函数转换为列表，对某列的值进行切片，可以转换为一个数值。可以对记录选取、筛选和分组操作，灵活地区分不同类型的数据，可以对记录进行排序操作，实现数据的有序显示。可以对各条记录的字段进行遍历，统计符合要求字段值的数量、总和、平均值以及最值。
(2024年1月浙江省选考)某学院举行运动会，比赛设跳高、100米等项目，每个项目分男子组和女子组。现要进行报名数据处理和比赛成绩分析。请回答下列问题：
　
(1)运动会报名规则为：对于每个项目的男子组和女子组，每个专业最多各报5人(如“软件工程”专业在男子跳高项目中最多报5人)。软件工程专业的报名数据保存在DataFrame对象df中，如图a所示。若要编写Python程序检查该专业男子跳高项目报名是否符合规则，下列方法中，正确的是________(单选，填字母)。
A.从df中筛选出性别为“男”的数据dfs，再从dfs中筛选出项目为“跳高”的数据，判断筛选出的数据行是否超过5行
B.对df中数据按性别排序并保存到dfs中，再从dfs中筛选出项目为“跳高”的数据，判断筛选出的数据行是否超过5行
C.从df中筛选出项目为“跳高”的数据dfs，判断dfs中是否有连续5行以上的男生数据
(2)运动员比赛成绩的部分数据如图b所示。根据已有名次计算得，第1名至8名分别计9，7，6，5，4，3，2，1分，第8名之后计0分。实现上述功能的部分Python程序如下，请在程序中划线处填入合适的代码。
import pandas as pd
import matplotlib.pyplot as plt
#读取如图b所示数据，保存到 DataFrame 对象 df1 中，代码略
f ＝ [9, 7, 6, 5, 4, 3, 2, 1]
for i in range(0，len(df1))：
　 rank ＝ df1.at[i，″名次″]　#通过行、列标签取单个值
　 score ＝ 0
　 if rank <＝ 8：
　 ______________
df1.at[i，″得分″] ＝ score
(3)根据上述 df1 中的得分数据，统计各专业总分，绘制如图 c 所示的柱形图，实现该功能的部分Python程序如下：
df2 ＝ dfl.groupby(″________″，as_index＝False).sum()　#分组求和
#设置绘图参数，代码略
plt.bar(x，y)
①请在程序中划线处填入合适的代码。
②程序的方框中应填入的正确代码为________(单选，填字母)
A.x＝df1[″专业″]
y＝df1[″总分″]
B.x＝df2[″专业″]
y＝df2[″得分″]
C.df1[″专业″]＝″专业″
df1[″总分″]＝″总分″
D.df2[″专业″]＝″专业″
df2[″得分″]＝″得分″
答案　(1)A　(2)score＝f[rank－1]或score＝f[int(rank)－1]　(3)①专业　②B
解析　本题考查利用Pandas模块进行数据处理。(1)A选项分二次筛选后，得到该专业男生参加跳高的人数，并检查数据。(2)名次为1－8的可以在列表f中取出对应的得分，但列表的索引下标是从0开始的。(3)①从图表中可以看出是按″专业″进行分组；②图表横轴为专业名称，纵轴为各专业的得分情况。
重难点1　利用Pandas批量处理文件
Pandas主要功能是计算一个集合对象中某个字段的记录数量、总和、平均值和最值(最大值或最小值)。这个集合可以是通过筛选找到符合处理条件的数据(子集)，也可以是通过分组，将某列相同字段值的记录组合在一起，形成一个个的分组，再分别统计各个分组的数量、和、平均值和最值。这些功能Excel软件也可以实现，但若是数据分布在多个数据文件时，Excel软件就要手工不断地打开数据，重复进行统计，而Pandas可以通过算法，利用循环结构，将这些操作让计算机自动完成。
例题 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形图，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)　#绘制线性图
#设置绘图参数，显示如图c所示线形图，代码略
(3)城市A 2021年PM2.5年平均浓度为34.6微克/立方米。由图c可知，城市A 2021年PM2.5月平均浓度超过年平均浓度的月份共________个。
明考向 本题考查利用Pandas进行数据统计
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
答案　(1)D　(2)①mdays[m]　②sm ＋＝ sd　③pm　(3)5
变式 学校食堂以服务质量进行了调查问卷，调查项目共 5 项(具体内容略)。12个班级的调查结果分别存储在“dy01.csv”“dy02.csv”等文件中(如图a所示)，每个文件部分界面如图b所示。
现需要分析每个问题选“A”的情况，采用Python编制程序代码，请回答下列问题。
(1)定义fun_A函数实现统计某个班级5个问题的选“A”的人数，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 col in df.columns[1：]:
　 ________________
　A_list.append(c)
　 return A_list
(2)统计12个班级每个问题选“A”的总人数，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
　 for j in range(12)：
②__________
　 y[i]＝s
(3)根据上述统计的得分数据，统计每个问题选“A”的数量，绘制如图 c 所示的柱形图，请在划线处填入合适代码。
图c
import matplotlib.pyplot as plt
plt.title(″每个问题选A的总人数″)
plt.bar(①__________，②__________，label＝'A 选项')
plt.legend()
plt.show()
答案　(1)c＝len(df[df[col]＝＝″A″])
(2)①s[i：i＋2]　②s＋＝ans_list[j][i]　(3)x，y
解析　本题考查利用Pandas进行数据统计。(1)df.columns[1：]依次对应5个问题的名称，对每个问题进行筛选，找出选A的记录并统计数据，赋值给c，再将c添加到列表A_list中。(2) ①12个班级的班名存储在字符串s中，每个班名占两个数字，变量i表示每个班名的起始索引。②ans_list是一个二维数组，共12个元素，分别存储每个班5个问题的选A的人数，现要统计每个问题选A的总和，因此变量i是ans_list数组的列索引，变量j是ans_list数组的行索引。(3)图表的横轴为问题的名称x，纵轴为各个问题选A的总人数y。
重难点2　利用函数按列进行数据统计
DataFrame是Pandas处理的主要对象，index属性记录了每行记录所在的行索引，columns属性记录每列的名称。df.列名就可以表示该列所有的数据的集合，可以运用函数计算一个集合对象的记录数量、总和、平均值和最值(最大值或最小值)。通过筛选找到符合处理条件的数据(子集)集合，再对集合进行求和等计算。通过分组，将某列相同字段值的记录组合在一起，形成一个个的分组，再分别统计各个分组的数量、和、平均值和最值。
例题 小明通过调查问卷收集了食堂满意度情况数据，保存在“data.csv”文件，如图a所示。
图a
图b
为统计分析每个调查项目不同选项的人数及不满意率，编写Python程序。请回答下列问题：
(1)统计每一项调查内容的总票数、满意、一般及不满意人数，程序运行结果如图b所示，
import pandas as pd
import matplotlib.pyplot as plt　#导入模块
df＝pd.read_csv(″data.csv″，encoding＝″utf－8″)#读取csv文件中的数据
cols＝df.columns[1：]
poll＝len(df)
data＝ {″调查项目″：[]，″总票数″：[]，″满意″：[]，″一般″：[]，″不满意″：[]}
for colname in cols：
　 dfc＝df.groupby(①__________，as_index＝False)[″序号″].count()
　 data[″调查项目″].append(colname)
　 data[″总票数″].append(poll)
　 for j in dfc.index：
　name＝dfc.at[j，colname]
　 data[name].append(②__________)
df2＝pd.DataFrame(data) ; print(df2)
(2)计算每个项目的“不满意率”(＝“不满意”/“总票数”*100)，并使用柱形图分析每个项目的“不满意率”情况，如图c所示，请在划线处填入合适的代码。
图c
df2[″不满意率(%)″]＝①__________
x＝②__________
y＝df2[″不满意率(%)″]
plt.figure(figsize＝(8，4))
pl.title(″食堂调查问卷不满意率(%)情况″)
plt.bar(x，y，label＝″不满意率(%)″)
plt.legend()
思维点拨
明考向 本题考查利用Pandas进行数据统计
精点拨 (1)①一共有饭菜质量、饭菜价格等6个项目，每个项目都有满意、一般和不满意三个选项，因此需进行6次对不同项目进行分组统计，cols为项目名称的集合，colname是每个项目的名称，因此需按colname进行分组并统计各个选项的个数。以饭菜质量为例，得到的dfc对象如表所示。 饭菜质量序号0满意4
21一般5122不满意65
②dfc对象是每个项目colname的满意、一般和不满意3个项目的投票数，遍历该对象，name是每个选项的名称，因此需将每个选项的值添加到字典中去。 (2)根据字典data创建了一个df2对象，①将在df2对象中新增"不满意率（%）"列，其值计算方法为不满意选项数除以总得票数，在图表中可知，其值大于1，因此需乘以100。②创建图表的x轴为各个调查项目
答案　(1)①colname　②dfc.at[j，″序号″]或dfc[″序号″][j]或dfc.序号[j]　(2)①df2[″不满意″]/df2[″总票数″]*100或df2[″不满意″]/po1l*100或df2.不满意/df2.总票数*100或df2.不满意/pol1*100或其他等价答案　②df2[″调查项目″]或df2.调查项目
变式 某学校开设选修课并在期末让学生对其进行满意度调查，选修课分艺术、体育、语言、计算机、职业技能等领域。现要进行报名数据处理和满意度分析， 请回答下列问题：
图a
图b
(1)选修课开设的条件为：报名人数大于20人。其中计算机类选修课的报名数据保存在DataFrame对象df中，如图a所示。若要编写Python程序检查其中第1学期的“数字视音频处理”选修课是否符合开设条件，下列方法中，不正确的是________(单选，填字母)。
A.对df中数据按开设学期排序并保存到dfs中，再从dfs筛选出选修课名称为“数字视音频处理”的数据，判断筛选出的数据行是否超过20行
B.从df中筛选出选修课名称为“数字视音频处理”的数据dfs，再对dfs按开设学期进行升序排序，判断数据前21行的开设学期是否是第1学期
C.从df中筛选出选修课名称为“数字视音频处理”的数据dfs，再按开设学期分组统计个数，判断第1学期的个数是否超过20
(2)计算机类选修课学生的满意度调查部分数据如图b所示。满意度分3个等级：A.满意、B.一般、C.不满意，分别计1分、0分、－1分，基础分为100分。实现计算各选修课的满意度功能的部分Python程序如下，请在划线处填入合适的代码。
import pandas as pd
import matplotlib.pyplot as plt
#读取如图b所示数据，保存到DataFrame对象df1中，代码略
score＝[1，0，－1]
for i in range(0，len(df1))：
　 rank＝df1.at[i，″满意度″]
　 ①________
　 df1.at[i，″得分″]＝mark
a＝df1.groupby(″选修课名称″，as_index＝False)[″得分″].②________
for i in range(0，len(a))：
　 a.at[i，″得分″]＋＝100
(3)根据满意度进行降序排序，绘制如图c所示的柱形图，实现该功能的部分Python程序如下：
图c
a＝a.sort_values(″①__________″，ascending＝False)
#设置绘图参数，代码略
x＝②________
y＝a[″得分″]
plt.bar(x，y)　#绘制柱形图
答案　(1)A　(2)①mark＝score[ord(rank)－ord(″A″)]或 mark＝score[ord(rank)－65] ②sum()　(3)①得分　②a[″选修课名称″]或 a.选修课名称
解析　本题考查利用Pandas进行数据统计。(1)A选项筛选出的数据行包含其他学期的记录。(2)①满意度的等级依次为ABC，对应score中3个得分，需将ABC转换成012的索引，并在score列表中取出相应的值。②求出每门选修课的得分之和，因此该处为求和函数。(3)①从图上来看，是按得分降序排列。②图表的横轴为各门选修课的名称，需要从排好序的a对象中取出选修课名称列的内容。
重难点1　利用Pandas批量处理文件
1.高一年级(9个班级)进行“七选三”预选科。每个班一个Excel文件(如图a所示)存储预选科数据。数据表中“1”代表学生选择该科目，空白代表学生未选择该科目(某班部分选科数据如图b所示)。请回答下列问题。
图a
图b
(1)定义如下函数check(dfs)检查选考科目数是否有误，其中参数dfs为DataFrame对象，由如图b所示Excel数据导入。返回值erlst为列表，列表元素数据类型为整型，表示错误数据行对应的学生序号(例如第6行学生“戴*跃”的序号为5)。
def check(dfs)：
　 erlst ＝ []
　 for i in range(len(dfs))：
xk_sum ＝ 0
　 for j in dfs.columns[2：]：
　　　　dyg ＝ ①________
　　　　if dyg ＝＝ 1：
　　　　　xk_sum ＋＝ dyg
　 if xk_sum ！＝ 3：
　　 erlst.append(②________)
return erlst
①在程序中划线处填入的正确代码为________(单选，填字母)。
A.dfs.at['i'，'j'] B.dfs.at['j'，'i']
C.dfs.at[i，j] D.dfs.at[j，i]
②在程序中划线处填入合适的代码。
(2)读取每个班级的Excel选科数据，若检查无误，则统计每个班级同时选报“物理”和“化学”学科的人数，存储在字典ans中。实现该功能的Python程序如下：
import pandas as pd
ans ＝ {}
for i in range(1，10)：
　 filename ＝ str(i)＋'. xlsx'
　 df ＝pd.read_excel(filename)
　 errlist ＝ check(df)
　 if errlist ！＝ []：
　　　print(″请检查文件″， filename，″中序号为″， errlist，″的学生″)
　　　else：
　 ①__________　#筛选同时选择物理和化学的数据记录存储在 df1中
　 ans[str(i)＋'班'] ＝ [②________]　#形如{“1班”：[41]}
①在程序划线处应填入的正确代码段为________(多选，填字母)。(注：全部选对的得 2 分，选对但不全的得1分，不选或有选错的得 0 分)
A.df1 ＝ df[df['物理']＝＝1]
df1 ＝ df1[df1['化学']＝＝1]
B.df1 ＝ df[df['物理']＝＝1]
df1 ＝ df[df['化学']＝＝1]
C.df1 ＝ df[df['化学']＝＝1]
df1 ＝ dfl[df1['物理']＝＝1]
D.df1 ＝ df[df['化学']＝＝1]
df1 ＝ df[df['物理']＝＝1]
②在程序划线处填入合适的代码。
(3)用字典ans创建并转置的DataFrame对象如图c所示，绘制柱形图如图d所示。实现该功能的Python程序如下：
import matplotlib.pyplot as plt
adf ＝ pd.DataFrame(ans，index＝ ['人数']).T
plt.bar(______)
#设置绘图参数，代码略
plt.show()
程序的划线处应填入的正确代码为________(单选，填字母)。
A.adf.人数，adf.班级
B.adf.班级，adf.人数
C.adf.人数，adf.index
D.adf.index，adf.人数
答案　(1)①C　②i＋1　(2)①AC　②len(df1)或 len(df1.index)　(3)D
解析　(1)①函数check检查选考科目数是否有误，变量i表示学生所在行索引，j表示列的名称，因此用变量dfs.at[i，j]表示某个单元格的名称。②函数返回错误数据行对应的学生序号，序号为行索引i加1。(2)①先筛选出选物理的学生记录，保存在对象df1中，再在df1中筛选出选化学的学生；或者先筛选出选化学的学生记录，再筛选出选物理的学生记录。②统计每个班级同时选报“物理”和“化学”学科的人数，而该人数就是对象df1的记录的数量len(df1)。(3)利用字典ans创建对象adf，字典的键为各个列标题的名称，值为每一行的记录值，该对象只有一行记录，且设置index为人数。转置是对行列发生变换，一共有10行，对应的属性是index，只有一列，列的标题是人数。
2.学校暑期开展“青春迎亚运”活动，邀请高二学生每日参加运动锻炼并进行线上打卡。每周收集一次相关数据，分别保存在相应的xlsx文件中，部分文件如图a所示；每个文件记录了一周7天的打卡数据，示例如图b所示，其中运动时长单位：分钟。
图a
图b
为统计分析学生锻炼情况，给出周报数据，编写Python程序，请回答以下问题：
(1)定义px函数，功能为：读取某一周的打卡数据，将其按班级进行排序操作并返回结果。函数代码如下，将划线处代码补充完整。
import pandas as pd
def px(file_week)：
　 df＝pd.read_excel(file_week)
　 df＝df.sort_values(________，ignore_index＝True)
　 #按班级升序排序，参数ignore_index＝True 表示更新索引
　 return df
(2)统计某一周各运动项目的参与人次，并绘制柱形图，部分Python代码如下：
import matplotlib. pyplot as plt
s＝input(″请输入文件名：″)
df＝px(s)
df1＝df.groupby(″运动项目″，as_index＝False).①________　#统计各运动项目参与人次
df1.rename(columns＝{″学号″：″参与人次″}，inplace＝True)　#更改列标题
plt.bar(②________)
plt.xlabel(″运动项目″)
plt.ylabel(″参与人次″)
plt.show()
划线处应填入的代码为________(单选，填字母)。
A.①count()　②df1[″参与人次″]，df1[″运动项目″]
B.①sum()　②df1[″参与人次″]，df1[″运动项目″]
C.①sum()　②df1.运动项目，df1.参与人次
D.①count()　②df1.运动项目，df1.参与人次
(3)统计某一周每班各学生的总运动时长后，比较得出该周每班最高的前两位时长，部分Python程序代码如下，请在划线处填入合适的代码。
qp＝[[0 for i in range(m)]for j in range(n)]
'''
定义数组qp记录每班各学生一周运动总时长，n为班级数，m为每班人数。其中qp[0][0]～qp[0][m－1]存储1班1号～m号同学的每周运动总时长，以此类推，qp[n－1][0]～qp[n－1][m－1]存储n班1号～m号同学的每周运动总时长。
'''
print(″本周每班最高的前两位时长分别为：″)
i＝0
while i　　num＝df[″学号″][i]
　　cla＝df[″班级″][i]
　 ①________
　　if i！＝0 and df[″班级″][i]！＝df[″班级″][i－1] or②________：
　 cla＝df[″班级″][i－1]
　 k1＝0；k2＝0
　 for j in range(1，len(qp[cla－1]))：
　　　 if qp[cla－1][j]>qp[cla－1][k1]：
　　　　　 ③________
　　　　　　k1＝j
　　　　elif qp[cla－1][j]>qp[cla－1][k2]:
　　　　　　k2＝j
　　　　print(cla，″班″，qp[cla －1][k1]，qp[cla －1][k2])
　i＝i＋1
(4)统计某一周各运动项目的参与人次后绘制柱形图如图c所示，由图可知，该周参与人气最高的运动项目为______________。
图c
答案　(1)'班级'　(2)D　(3)①qp[cla－1][num－1]＋＝df['运动时长'][i]　②i＝＝len(df)－1　③k2＝k1　(4)跑步
解析　(1)题目要求按班级进行排序。(2)统计各运动项目参与人次用count函数。图表的x和y轴分别为运动项目和参与人次。(3)①从df中获取每位同学的数据。while循环遍历df中的每一位同学，num和cla对应该同学的班级和学号，则可对qp进行赋值，获取每位同学的运动时长。②最后一个班级的情况。条件i！＝0 and df[″班级″][i]！＝df[″班级″][i－1]，表示找出两个不同的班级。若最后几位学生都在同一个班级，显示不满足条件df[″班级″][i]！＝df[″班级″][i－1]，那么最后一个班级的情况也要做出处理。③for循环对当前班级的学生进行遍历，选取最大的前两位时长，第一个判断语句qp[cla－1][j]>qp[cla－1][k1]时，则表示j学生的时长比之前的最大值大，则j同学变为新的最大值时长，k1同学变为新的第二大的时长。(4)略。
3.为统计分析不同年级学生名字中的常用字，小王同学收集了本校所有学生的名字，并以入学年份为文件名分别保存在Excel文件中，文件如图a所示，每个文件包含了学生的年级、姓名和性别信息，如图b所示。
编写Python程序。请回答下列问题：
(1)定义getname函数，功能为：读取某年级的Excel文件，找出文件中同性别的学生，将学生姓名中的每个字(不包含姓氏，没有复姓学生)提取出来存储在列表mz中并返回列表。函数代码如下，请在划线处填写合适的代码。
def getname(nj, xb)：
　 mz＝[]
　 df＝pd.read_excel(nj＋″学生名单.xlsx″)
　 for i in df.index：
　 xm＝df.at[i，″姓名″]
　 if ①________：
　　　 for m in xm[1：]：
　　　　　 mz.append(m)
　　return ②________
(2)小王想统计女生名字中出现最频繁的10个字，部分Python程序如下，请在划线处选择合适的代码。
import pandas as pd
xb＝input(″请输入性别：″)　#输入性别″女″
nianji＝[″2020级″，″2021级″，″2022级″]
mzs＝[]　#存储姓名中的字
for nj in nianji：
　 mzs＝mzs＋getname(nj，xb)
data＝{'字'：mzs，'个数'：[1]*len(mzs)}
df1＝pd.DataFrame(data)
df2＝df1.groupby(″字″，as_index＝False).count() #统计每个字出现的次数
df3＝__________
划线处应选择的代码是________(单选，填字母)。
A.df2.sort_values(″个数″，ascending＝True)[：10]
B.df2.sort_values(″字″，ascending＝False).tail(10)
C.df2.sort_values(″字″，ascending＝True).tail(10)
D.df2.sort_values(″个数″，ascending＝False).head(10)
(3)将统计结果(10个最频繁的字)绘制成柱形图，部分Python程序如下，请在划线处填写合适的代码。
import matplotlib.pyplot as plt
plt.title(xb ＋″生取名常用字″)
plt.bar(df3.字，__________)
plt.show()
答案　(1)① df.at[i，″性别″]＝＝xb 或 df[″性别″][i]＝＝xb 或 df性别[i]＝＝xb　②mz　(2)D　(3)df3.个数 或 df3[″个数″]
解析　(1)①遍历学生名单每一行，取出当前行学生姓名，找出当前行中性别df.at[i，″性别″]等于性别xb的学生记录。②将符合条件学生名字中每个文字存储到列表mz，并返回列表。(2)利用字典data创建一个df1对象，该对象有“字”和“个数”两列，“字”列是提取的每个姓名中的字符，对应的数量均为1，按“字”分组并统计出现的次数，因此需按″个数″进行降序排列，并取出最大(最前面)的10条记录。(3)图表中横轴为出现的最常见的10个字，纵轴为每个字对应出现的次数。
4.小明利用“在线社团报名系统”收集了全校学生的社团报名信息，并将报名数据导出到“社团报名.xlsx”中，如图a所示。然后编写Python程序对报名数据进行处理，生成分别以班级名和社团名为文件名的Excel文件，以便分发给相应的社团指导老师和班主任。
图a
图b
(1)在对表格进行数据整理时发现，关于“Jacky.Y”同学的记录可能存在的数据问题是________(选填：A.数据缺失　B.数据异常　C.逻辑错误　D.数据格式不一致)。
(2)其中生成每个社团名单文件的过程是：先对报名数据按社团名称进行分类，并对选报同一社团的学生按班级进行升序排序，然后生成各个社团名单文件，如图b所示。对应的程序代码如下，请在划线处填写合适的代码。
import pandas as pd
def read_file(filename)：
　 #读入报名数据的原始文件，并将表中的数据转换成列表，代码略
def save_file(a)：　#保存名单到相应社团的Excel电子表格文件
　 df ＝ pd.(共171张PPT)
第二部分　算法与程序设计
专题9　pandas数据统计
1.对DataFrame对象按列进行公式计算，描述DataFrame对象数据以字典中键为列的存储形式；
2.对每个键对应一列数据多个值进行切片，掌握取出不同数据区域内容的方法；
3.运用函数统计对象的平均值等操作，运用排序函数对数据进行有序排列；
4.运用groupby函数对数据进行分组的方法，并在分组的基础上进行数据统计.
目 录
CONTENTS
体系构建
01
真题再现
02
考点精练
03
当堂检测
04
课后练习
05
体系构建
1
Pandas有Series和DataFrame两种对象，这两种对象均有index和values属性，Series对象的values是一维的，DataFrame的values是二维的，因此DataFrame对象比Series对象多一个columns属性，可以理解为index表示行号，columns表示列名。pandas处理的对象主要是DataFrame，取出DataFrame中的一列，降维为Series对象，可以用list函数转换为列表，对某列的值进行切片，可以转换为一个数值。可以对记录选取、筛选和分组操作，灵活地区分不同类型的数据，可以对记录进行排序操作，实现数据的有序显示。可以对各条记录的字段进行遍历，统计符合要求字段值的数量、总和、平均值以及最值。
真题再现
2
(2024年1月浙江省选考)某学院举行运动会，比赛设跳高、100米等项目，每个项目分男子组和女子组。现要进行报名数据处理和比赛成绩分析。请回答下列问题：
(1)运动会报名规则为：对于每个项目的男子组和女子组，每个专业最多各报5人(如“软件工程”专业在男子跳高项目中最多报5人)。软件工程专业的报名数据保存在DataFrame对象df中，如图a所示。若要编写Python程序检查该专业男子跳高项目报名是否符合规则，下列方法中，正确的是________(单选，填字母)。
A.从df中筛选出性别为“男”的数据dfs，再从dfs中筛选出项目为“跳高”的数据，判断筛选出的数据行是否超过5行
B.对df中数据按性别排序并保存到dfs中，再从dfs中筛选出项目为“跳高”的数据，判断筛选出的数据行是否超过5行
C.从df中筛选出项目为“跳高”的数据dfs，判断dfs中是否有连续5行以上的男生数据
(2)运动员比赛成绩的部分数据如图b所示。根据已有名次计算得，第1名至8名分别计9，7，6，5，4，3，2，1分，第8名之后计0分。实现上述功能的部分Python程序如下，请在程序中划线处填入合适的代码。
import pandas as pd
import matplotlib.pyplot as plt
#读取如图b所示数据，保存到 DataFrame 对象 df1 中，代码略
f ＝ [9, 7, 6, 5, 4, 3, 2, 1]
for i in range(0，len(df1))：
　 rank ＝ df1.at[i，″名次″]　#通过行、列标签取单个值
　 score ＝ 0
　 if rank <＝ 8：
　 ______________
df1.at[i，″得分″] ＝ score
(3)根据上述 df1 中的得分数据，统计各专业总分，绘制如图 c 所示的柱形图，实现该功能的部分Python程序如下：
②程序的方框中应填入的正确代码为________(单选，填字母)
A.x＝df1[″专业″]
y＝df1[″总分″]
B.x＝df2[″专业″]
y＝df2[″得分″]
C.df1[″专业″]＝″专业″
df1[″总分″]＝″总分″
D.df2[″专业″]＝″专业″
df2[″得分″]＝″得分″
答案　(1)A　(2)score＝f[rank－1]或score＝f[int(rank)－1]　(3)①专业　②B
解析　本题考查利用Pandas模块进行数据处理。(1)A选项分二次筛选后，得到该专业男生参加跳高的人数，并检查数据。(2)名次为1－8的可以在列表f中取出对应的得分，但列表的索引下标是从0开始的。(3)①从图表中可以看出是按″专业″进行分组；②图表横轴为专业名称，纵轴为各专业的得分情况。
(1)运动会报名规则为：对于每个项目的男子组和女子组，每个专业最多各报5人(如“软件工程”专业在男子跳高项目中最多报5人)。软件工程专业的报名数据保存在DataFrame对象df中，如图a所示。若要编写Python程序检查该专业男子跳高项目报名是否符合规则，下列方法中，正确的是________(单选，填字母)。
A.从df中筛选出性别为“男”的数据dfs，再从dfs中筛选出项目为“跳高”的数据，判断筛选出的数据行是否超过5行
B.对df中数据按性别排序并保存到dfs中，再从dfs中筛选出项目为“跳高”的数据，判断筛选出的数据行是否超过5行
C.从df中筛选出项目为“跳高”的数据dfs，判断dfs中是否有连续5行以上的男生数据
考点精练
3
重难点1　利用Pandas批量处理文件
Pandas主要功能是计算一个集合对象中某个字段的记录数量、总和、平均值和最值(最大值或最小值)。这个集合可以是通过筛选找到符合处理条件的数据(子集)，也可以是通过分组，将某列相同字段值的记录组合在一起，形成一个个的分组，再分别统计各个分组的数量、和、平均值和最值。这些功能Excel软件也可以实现，但若是数据分布在多个数据文件时，Excel软件就要手工不断地打开数据，重复进行统计，而Pandas可以通过算法，利用循环结构，将这些操作让计算机自动完成。
例题 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形图，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)　#绘制线性图
#设置绘图参数，显示如图c所示线形图，代码略
(3)城市A 2021年PM2.5年平均浓度为34.6微克/立方米。由图c可知，城市A 2021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 本题考查利用Pandas进行数据统计
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
答案　(1)D　(2)①mdays[m]　②sm ＋＝ sd　③pm　(3)5
变式 学校食堂以服务质量进行了调查问卷，调查项目共 5 项(具体内容略)。12个班级的调查结果分别存储在“dy01.csv”“dy02.csv”等文件中(如图a所示)，每个文件部分界面如图b所示。
现需要分析每个问题选“A”的情况，采用Python编制程序代码，请回答下列问题。
(3)根据上述统计的得分数据，统计每个问题选“A”的数量，绘制如图 c 所示的柱形图，请在划线处填入合适代码。
图c
import matplotlib.pyplot as plt
plt.title(″每个问题选A的总人数″)
plt.bar(①__________，
②__________，label＝'A 选项')
plt.legend()
plt.show()
解析　本题考查利用Pandas进行数据统计。(1)df.columns[1：]依次对应5个问题的名称，对每个问题进行筛选，找出选A的记录并统计数据，赋值给c，再将c添加到列表A_list中。(2) ①12个班级的班名存储在字符串s中，每个班名占两个数字，变量i表示每个班名的起始索引。②ans_list是一个二维数组，共12个元素，分别存储每个班5个问题的选A的人数，现要统计每个问题选A的总和，因此变量i是ans_list数组的列索引，变量j是ans_list数组的行索引。(3)图表的横轴为问题的名称x，纵轴为各个问题选A的总人数y。
答案　(1)c＝len(df[df[col]＝＝″A″])
(2)①s[i：i＋2]　②s＋＝ans_list[j][i]　(3)x，y
重难点2　利用函数按列进行数据统计
DataFrame是Pandas处理的主要对象，index属性记录了每行记录所在的行索引，columns属性记录每列的名称。df.列名就可以表示该列所有的数据的集合，可以运用函数计算一个集合对象的记录数量、总和、平均值和最值(最大值或最小值)。通过筛选找到符合处理条件的数据(子集)集合，再对集合进行求和等计算。通过分组，将某列相同字段值的记录组合在一起，形成一个个的分组，再分别统计各个分组的数量、和、平均值和最值。
例题 小明通过调查问卷收集了食堂满意度情况数据，保存在“data.csv”文件，如图a所示。
图a
图b
为统计分析每个调查项目不同选项的人数及不满意率，编写Python程序。请回答下列问题：
(1)统计每一项调查内容的总票数、满意、一般及不满意人数，程序运行结果如图b所示，
import pandas as pd
import matplotlib.pyplot as plt　#导入模块
df＝pd.read_csv(″data.csv″，encoding＝″utf－8″)#读取csv文件中的数据
cols＝df.columns[1：]
poll＝len(df)
data＝ {″调查项目″：[]，″总票数″：[]，″满意″：[]，″一般″：[]，″不满意″：[]}
for colname in cols：
　 dfc＝df.groupby(①__________，as_index＝False)[″序号″].count()
　 data[″调查项目″].append(colname)
　 data[″总票数″].append(poll)
　 for j in dfc.index：
　name＝dfc.at[j，colname]
　 data[name].append(②__________)
df2＝pd.DataFrame(data) ; print(df2)
(2)计算每个项目的“不满意率”(＝“不满意”/“总票数”*100)，并使用柱形图分析每个项目的“不满意率”情况，如图c所示，请在划线处填入合适的代码。
图c
df2[″不满意率(%)″]＝①__________
x＝②__________
y＝df2[″不满意率(%)″]
plt.figure(figsize＝(8，4))
pl.title(″食堂调查问卷不满意率(%)情况″)
plt.bar(x，y，label＝″不满意率(%)″)
plt.legend()
思维点拨
明考向 本题考查利用Pandas进行数据统计
精点拨 (1)①一共有饭菜质量、饭菜价格等6个项目，每个项目都有满意、一般和不满意三个选项，因此需进行6次对不同项目进行分组统计，cols为项目名称的集合，colname是每个项目的名称，因此需按colname进行分组并统计各个选项的个数。以饭菜质量为例，得到的dfc对象如表所示。
精点拨 ②dfc对象是每个项目colname的满意、一般和不满意3个项目的投票数，遍历该对象，name是每个选项的名称，因此需将每个选项的值添加到字典中去。
(2)根据字典data创建了一个df2对象，①将在df2对象中新增"不满意率（%）"列，其值计算方法为不满意选项数除以总得票数，在图表中可知，其值大于1，因此需乘以100。②创建图表的x轴为各个调查项目
答案　(1)①colname　②dfc.at[j，″序号″]或dfc[″序号″][j]或dfc.序号[j]　(2)①df2[″不满意″]/df2[″总票数″]*100或df2[″不满意″]/po1l*100或df2.不满意/df2.总票数*100或df2.不满意/pol1*100或其他等价答案　②df2[″调查项目″]或df2.调查项目
变式 某学校开设选修课并在期末让学生对其进行满意度调查，选修课分艺术、体育、语言、计算机、职业技能等领域。现要进行报名数据处理和满意度分析， 请回答下列问题：
图a
图b
(1)选修课开设的条件为：报名人数大于20人。其中计算机类选修课的报名数据保存在DataFrame对象df中，如图a所示。若要编写Python程序检查其中第1学期的“数字视音频处理”选修课是否符合开设条件，下列方法中，
________(单选，填字母)。
A.对df中数据按开设学期排序并保存到dfs中，再从dfs筛选出选修课名称为“数字视音频处理”的数据，判断筛选出的数据行是否超过20行
B.从df中筛选出选修课名称为“数字视音频处理”的数据dfs，再对dfs按开设学期进行升序排序，判断数据前21行的开设学期是否是第1学期
C.从df中筛选出选修课名称为“数字视音频处理”的数据dfs，再按开设学期分组统计个数，判断第1学期的个数是否超过20
(2)计算机类选修课学生的满意度调查部分数据如图b所示。满意度分3个等级：
A.满意、B.一般、C.不满意，分别计1分、0分、－1分，基础分为100分。实现计算各选修课的满意度功能的部分Python程序如下，请在划线处填入合适的代码。
import pandas as pd
import matplotlib.pyplot as plt
#读取如图b所示数据，保存到DataFrame对象df1中，代码略
score＝[1，0，－1]
for i in range(0，len(df1))：
　 rank＝df1.at[i，″满意度″]
　 ①________
　 df1.at[i，″得分″]＝mark
a＝df1.groupby(″选修课名称″，as_index＝False)[″得分″].②________
for i in range(0，len(a))：
　 a.at[i，″得分″]＋＝100
(3)根据满意度进行降序排序，绘制如图c所示的柱形图，实现该功能的部分Python程序如下：
图c
a＝a.sort_values(″①__________″，ascending＝False)
#设置绘图参数，代码略
x＝②________
y＝a[″得分″]
plt.bar(x，y)　#绘制柱形图
答案　(1)A　(2)①mark＝score[ord(rank)－ord(″A″)]或 mark＝score[ord(rank)－65] ②sum()　(3)①得分　②a[″选修课名称″]或 a.选修课名称
解析　本题考查利用Pandas进行数据统计。(1)A选项筛选出的数据行包含其他学期的记录。(2)①满意度的等级依次为ABC，对应score中3个得分，需将ABC转换成012的索引，并在score列表中取出相应的值。②求出每门选修课的得分之和，因此该处为求和函数。(3)①从图上来看，是按得分降序排列。②图表的横轴为各门选修课的名称，需要从排好序的a对象中取出选修课名称列的内容。
当堂检测
4
重难点1　利用Pandas批量处理文件
重难点2　利用函数按列进行数据统计
1.高一年级(9个班级)进行“七选三”预选科。每个班一个Excel文件(如图a所示)存储预选科数据。数据表中“1”代表学生选择该科目，空白代表学生未选择该科目(某班部分选科数据如图b所示)。请回答下列问题。
图a
图b
(1)定义如下函数check(dfs)检查选考科目数是否有误，其中参数dfs为DataFrame对象，由如图b所示Excel数据导入。返回值erlst为列表，列表元素数据类型为整型，表示错误数据行对应的学生序号(例如第6行学生“戴*跃”的序号为5)。
def check(dfs)：
　 erlst ＝ []
　 for i in range(len(dfs))：
xk_sum ＝ 0
　 for j in dfs.columns[2：]：
　　　　dyg ＝ ①________
　　　　if dyg ＝＝ 1：
　　　　　xk_sum ＋＝ dyg
　 if xk_sum ！＝ 3：
　 　 erlst.append(②________)
return erlst
A.df1 ＝ df[df['物理']＝＝1] df1 ＝ df1[df1['化学']＝＝1]
B.df1 ＝ df[df['物理']＝＝1] df1 ＝ df[df['化学']＝＝1]
C.df1 ＝ df[df['化学']＝＝1] df1 ＝ dfl[df1['物理']＝＝1]
D.df1 ＝ df[df['化学']＝＝1] df1 ＝ df[df['物理']＝＝1]
②在程序划线处填入合适的代码。
(3)用字典ans创建并转置的DataFrame对象如图c所示，绘制柱形图如图d所示。实现该功能的Python程序如下：
import matplotlib.pyplot as plt
adf ＝ pd.DataFrame(ans，index＝ ['人数']).T
plt.bar(______)
#设置绘图参数，代码略
plt.show()
程序的划线处应填入的正确代码为________(单选，填字母)。
A.adf.人数，adf.班级 B.adf.班级，adf.人数
C.adf.人数，adf.index D.adf.index，adf.人数
答案　(1)①C　②i＋1　(2)①AC　②len(df1)或 len(df1.index)　(3)D
解析　(1)①函数check检查选考科目数是否有误，变量i表示学生所在行索引，j表示列的名称，因此用变量dfs.at[i，j]表示某个单元格的名称。②函数返回错误数据行对应的学生序号，序号为行索引i加1。(2)①先筛选出选物理的学生记录，保存在对象df1中，再在df1中筛选出选化学的学生；或者先筛选出选化学的学生记录，再筛选出选物理的学生记录。②统计每个班级同时选报“物理”和“化学”学科的人数，而该人数就是对象df1的记录的数量len(df1)。(3)利用字典ans创建对象adf，字典的键为各个列标题的名称，值为每一行的记录值，该对象只有一行记录，且设置index为人数。转置是对行列发生变换，一共有10行，对应的属性是index，只有一列，列的标题是人数。
2.学校暑期开展“青春迎亚运”活动，邀请高二学生每日参加运动锻炼并进行线上打卡。每周收集一次相关数据，分别保存在相应的xlsx文件中，部分文件如图a所示；每个文件记录了一周7天的打卡数据，示例如图b所示，其中运动时长单位：分钟。
图b
图a
(3)统计某一周每班各学生的总运动时长后，比较得出该周每班最高的前两位时长，部分Python程序代码如下，请在划线处填入合适的代码。
qp＝[[0 for i in range(m)]for j in range(n)]
'''
定义数组qp记录每班各学生一周运动总时长，n为班级数，m为每班人数。其中qp[0][0]～qp[0][m－1]存储1班1号～m号同学的每周运动总时长，以此类推，qp[n－1][0]～qp[n－1][m－1]存储n班1号～m号同学的每周运动总时长。
'''
print(″本周每班最高的前两位时长分别为：″)
i＝0
while i(4)统计某一周各运动项目的参与人次后绘制柱形图如图c所示，由图可知，该周参与人气最高的运动项目为______________。
图c
答案　(1)'班级'　(2)D　(3)①qp[cla－1][num－1]＋＝df['运动时长'][i]　②i＝＝len(df)－1　③k2＝k1　(4)跑步
解析　(1)题目要求按班级进行排序。(2)统计各运动项目参与人次用count函数。图表的x和y轴分别为运动项目和参与人次。(3)①从df中获取每位同学的数据。while循环遍历df中的每一位同学，num和cla对应该同学的班级和学号，则可对qp进行赋值，获取每位同学的运动时长。②最后一个班级的情况。条件i！＝0 and df[″班级″][i]！＝df[″班级″][i－1]，表示找出两个不同的班级。若最后几位学生都在同一个班级，显示不满足条件df[″班级″][i]！＝df[″班级″][i－1]，那么最后一个班级的情况也要做出处理。③for循环对当前班级的学生进行遍历，选取最大的前两位时长，第一个判断语句qp[cla－1][j]>qp[cla－1][k1]时，则表示j学生的时长比之前的最大值大，则j同学变为新的最大值时长，k1同学变为新的第二大的时长。(4)略。
3.为统计分析不同年级学生名字中的常用字，小王同学收集了本校所有学生的名字，并以入学年份为文件名分别保存在Excel文件中，文件如图a所示，每个文件包含了学生的年级、姓名和性别信息，如图b所示。
编写Python程序。请回答下列问题：
(2)小王想统计女生名字中出现最频繁的10个字，部分Python程序如下，请在划线处选择合适的代码。
import pandas as pd
xb＝input(″请输入性别：″)　#输入性别″女″
nianji＝[″2020级″，″2021级″，″2022级″]
mzs＝[]　#存储姓名中的字
for nj in nianji：
　 mzs＝mzs＋getname(nj，xb)
data＝{'字'：mzs，'个数'：[1]*len(mzs)}
df1＝pd.DataFrame(data)
df2＝df1.groupby(″字″，as_index＝False).count() #统计每个字出现的次数
df3＝__________
划线处应选择的代码是________(单选，填字母)。
A.df2.sort_values(″个数″，ascending＝True)[：10]
B.df2.sort_values(″字″，ascending＝False).tail(10)
C.df2.sort_values(″字″，ascending＝True).tail(10)
D.df2.sort_values(″个数″，ascending＝False).head(10)
(3)将统计结果(10个最频繁的字)绘制成柱形图，部分Python程序如下，请在划线处填写合适的代码。
import matplotlib.pyplot as plt
plt.title(xb ＋″生取名常用字″)
plt.bar(df3.字，__________)
plt.show()
答案　(1)① df.at[i，″性别″]＝＝xb 或 df[″性别″][i]＝＝xb 或 df性别[i]＝＝xb　②mz　(2)D　(3)df3.个数 或 df3[″个数″]
解析　(1)①遍历学生名单每一行，取出当前行学生姓名，找出当前行中性别df.at[i，″性别″]等于性别xb的学生记录。②将符合条件学生名字中每个文字存储到列表mz，并返回列表。(2)利用字典data创建一个df1对象，该对象有“字”和“个数”两列，“字”列是提取的每个姓名中的字符，对应的数量均为1，按“字”分组并统计出现的次数，因此需按″个数″进行降序排列，并取出最大(最前面)的10条记录。(3)图表中横轴为出现的最常见的10个字，纵轴为每个字对应出现的次数。
4.小明利用“在线社团报名系统”收集了全校学生的社团报名信息，并将报名数据导出到“社团报名.xlsx”中，如图a所示。然后编写Python程序对报名数据进行处理，生成分别以班级名和社团名为文件名的Excel文件，以便分发给相应的社团指导老师和班主任。
图a
图b
(1)在对表格进行数据整理时发现，关于“Jacky.Y”同学的记录可能存在的数据问题是________(选填：A.数据缺失　B.数据异常　C.逻辑错误　D.数据格式不一致)。
(2)其中生成每个社团名单文件的过程是：先对报名数据按社团名称进行分类，并对选报同一社团的学生按班级进行升序排序，然后生成各个社团名单文件，如图b所示。对应的程序代码如下，请在划线处填写合适的代码。
import pandas as pd
def read_file(filename)：
　 #读入报名数据的原始文件，并将表中的数据转换成列表，代码略
def save_file(a)：　#保存名单到相应社团的Excel电子表格文件
答案　(1)B　(2)①a[0][2] 或 df.at[0，“选报社团”] 或　df[“选报社团”][0]　②num＝rs[i][1]　③imax ＝ imin　 ④save_file(a[s：s＋num])
解析　本题主要考查Pandas数据处理。(1)逻辑错误一般指违背事物的业务逻辑，不符合预期的值，显然不适用于本题中的数据情况。(2)①空根据形参a生成当前的文件名，文件名根据图2可知是a所属的社团名称。②空实现分组双向选择排序，是对num的初始化。变量num用于表示当前组的总人数。③空imax＝imin是在特殊情况下的imax重定向。由于imin与前端left元素交换时并未考虑imax的取值，当恰好imax＝＝left时，最大值提前交换到了imin处，因此需要重定向。④空则是对排序好的当前组内数据提交保存为excel文件，调用save_file函数，当前组有效数据为a[s: s ＋ num]。
4.小明利用“在线社团报名系统”收集了全校学生的社团报名信息，并将报名数据导出到“社团报名.xlsx”中，如图a所示。然后编写Python程序对报名数据进行处理，生成分别以班级名和社团名为文件名的Excel文件，以便分发给相应的社团指导老师和班主任。
1.某单位根据全省各县市区的公共设施与服务运行情况，编制了“公共服务惠民指数”与“公共设施匹配指数”，现要对该两项指数进行分析。请回答下列问题：
图a
图b
(1)该单位希望在所有县市区中，筛选出“公共服务惠民指数”低于75分的县市区，提出预警。各县市区的指数数据保存在DataFrame对象df中，如图a所示。实现上述功能的部分Python程序如下：
df1 ＝ df[df[″公共服务惠民指数″] < 75]
print(″需要被预警的县市区个数为″，________，″个″)
下列语句中，符合要求的为________。(单选，填字母)
A.df1.count()
B.len(df1)
C.df1[″公共服务惠民指数″].sum()
(2)根据图a中数据中的区域代码列的前4位，可以获取到该区域所属的地区，例如“3301”即代表“杭州市”。现需要根据该数据，匹配出各县市区所属的地区。实现上述功能的部分Python程序如下，请在程序中划线处填入合适的代码。
import pandas as pd
import matplotlib.pyplot as plt
area ＝ {″3301″：″杭州市″，″3302″：″宁波市″，......，″3311″：″丽水市″}
df ＝ pd.read_excel(″基层智治指数.xlsx″)
df.insert(4，″地区″，″″)　#在第4列插入“地区”列，值为空
for i in df.index:
　 areacode ＝ str(df.at[i，″区域代码″])
　 df.at[i，″地区″]＝________________
df ＝ df.drop(″区域代码″ ，axis＝ 1)
②程序中的方框中应填入的正确代码为________(单选，填字母)。
A.″公共服务惠民指数″， ascending ＝ True
B.″公共服务惠民指数″， ascending ＝ False
C.dfg[″公共服务惠民指数″], ascending ＝ True
D.dfg[″公共服务惠民指数″], ascending ＝ False
答案　(1)B　(2)area[areacode[0：4]] (3)①mean()　②B
解析　(1)A选项count函数统计记录的数量。B选项len(df1)是取得df1的行数。C选项对公共服务惠民指数这个列的数据求和。(2)根据第i行的区域代码列字符串中的前4位，在字典area中获取对应的地区名称，赋给第i行的地区列。(3)①根据地区分组统计多个列的平均值。②根据图中可知要对dfg的数据按公共服务惠民指数进行降序排序。
2.某校高一学生的社团报名数据存储在“stbm.xlsx”文件中，如图a 所示。
{'书画社'：52，'动漫社'：97，'摄影社'：35，'汉学社'：38，'法学社'：51，
'诗词社'：37，'辩论社'：43，'音乐社'：63，'飞羽社'：56，'魔方社'：29}
图c
(1)统计各社团报名人数，找出报名人数最多的三个社团(不存在并列名次情况)并创建如图b所示的图表。实现上述功能的 Python 程序如下，请在划线处填入合适代码。
import pandas as pd
import matplotlib.pyplot as plt
#设置中文字体，代码略
df＝pd.read_excel(″stbm.xlsx″)
df1＝df.groupby(″①__________″，as_index＝False).count()
#删除df1的“班级”列，并将列标题“姓名”重命名为“人数”，保存修改结果，代码略
df2＝df1.sort_values(″人数″，ascending＝False)
df3＝df2.②________
plt.bar(df3.社团，③________)
plt.title(″报名人数最多的前三个社团″)
plt.show()
#将各社团报名人数存入字典stdic并输出，结果如图c所示，代码略
(2)受场地限制，每个社团开展活动人数上限为45人。解决方案：超过45人的社团分成若干班级，每班人数按一定规则分配。编程解决社团分班问题，并输出如图d所示分班方案，请在划线处填入合适代码。
{'书画社'：[26，26]，'动漫社'：[32，32，33]，
'摄影社'：35，'汉学社'：38，'法学社'：[25，26]，
'诗词社'：37，'辩论社'：43，'音乐社'：[31，32]，
'飞羽社'：[28，28]，'魔方社'：29}
图d
(3)若“动漫社”实际报名人数为98人，则利用上述程序段进行分班后得到的结果为_______________________________________________________________
(单选，填字母：A.'动漫社'：[32，33，33]/B.'动漫社'：[32，32，34])。
答案　(1)①社团　②head(3)　③df3.人数或 df3[″人数″]　(2)x＋stdic[i]%n或stdic[i]－(n－1)*x或stdic[i]－j*x或stdic[i]－sum(num) stdic[i]－len(num)*x或stdic[i]－(n－1)*num[0]　(3)B
解析　(1)统计各社团报名人数，需按社团进行分组统计。②找出报名人数最多的三个社团，用head函数获取前三条记录。③纵轴为排序后的社团人数。(2)当前社团人数stdic[i]大于45时，先确定班级数量n，再确定平均每班人数x，若是最后一个班级，则num中添加剩余人数stdic[i]－(n－1)*x。(3)报名人数为98人将分成3个班，根据x＝stdic[i]∥n算计得到x的值为32，将剩余人数34添加到最后。
3.小温对 5 个景区进行网络问卷调查，问卷中“环境”“硬件”“服务”和“交通”设置的选项及分值均一致，部分界面如图a所示。导出数据的部分界面如图b所示，其中数字对应问卷中每题的选项，如数字 i 代表该题的第 i个选项。请回答下列问题。
(2)找出18～39 岁年龄段游客评分均值最高的景区，请在划线处填入合适的代码。
jq＝[″雁荡山″，″楠溪江″，″渔寮″，″南麂列岛″，″氡泉″]
df1 ＝ df[①________]
df2 ＝ df1.groupby(″景区″， as_ index＝False)[″评分″].mean()
df2 ＝ df2.sort_values(″②________″， ascending＝False)
print(jq[df2[″景区″][0]－1])
(3)根据上述 df2 中的评分数据， 绘制如图 c 所示的垂直柱形图， 代码如下：
A.x＝jq
y＝df2[″评分″]
B.x＝df2[″景区″]
y＝df2[″均差″]
C.x＝jq1
y＝df2[″均差″]
答案　(1)C　(2)①df[″年龄″]＝＝2或者df.年龄＝＝2；　②评分　(3)C
解析　(1)统计每份问卷对应景区的评分，数字i代表该题的第i个选项，即数字1代表第1个选项，计2.5分，数字2代表第2个选项，计2分，以此类推。(2)①找出18～39岁年龄段游客评分均值最高的景区，18～39岁是第2个选项。②找出18～39岁年龄段游客评分均值最高的景区，需对df2中的评分进行降序排序。(3)A选项垂直柱形图横坐标景区的顺序和jq变量中景区的顺序不同。B选项柱形图横坐标为各景区的名字，而df2中景区一列为数字。
4.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，每天的用户数据存储于“shared_bikes.xlsx”文件中，不考虑跨天数据。数据格式如图a所示，请回答下列问题：
(2)统计本月各类型单车的每天平均骑行时长，并绘制柱形图，代码如下，绘制的图表如图b所示，请在划线处填入合适的代码。
图b
答案　(1)int(s[p＋1：q]) * 60　(2)①df.index或range(len(df))　②sm[j] ＋＝ t　
③avg　(3)D
解析　本题考查Pandas数据统计。(1)p记录空格位置，q记录冒号位置，而小时介于这两者之间。取出小时后转换为数字再乘以60。(2)①按行遍历整个df对象，行的数量为0至len(df)－1，也可以在index属性中取出。②变量j遍历bike列表索引位置，找到相同类型就保存对应的sm列表元素中。③最后统计各种类型的平均值avg，因此y轴保存avg值。(3)骑行次数应对分组后数据进行计数。
课后练习
5
重难点1　利用Pandas批量处理文件
重难点2　利用函数按列进行数据统计
1.管理员从该停车系统中导出了 3 月份每天的停车记录，如图a 所示，每天的停车记录内容格式如图b 所示(进出标记为 0 表示驶入，1 表示驶出，停车记录已按进出时间升序排列)。
图a
车牌 进出时间 进出标记
川B·8CC88 2023－3－23－06：09：56 0
川A·A98A8 2023－3－23－06：28：04 0
川C·9VV99 2023－3－23－06：56：45 0
川B·8UU88 2023－3－23－07：01：29 0
川C·9VV99 2023－3－23－07：48：01 1
图b
为统计停车场3月份每天的收入(只有驶入或驶出记录的车辆不参与计费)，编写Python程序。
(1)定义readdata函数，功能为：读取某一车牌车辆当天的进出时间记录，返回该车辆当天的停车总费用。参数 data 为该车牌当天的进出时间记录。函数代码如下，请回答下列问题：
①程序段中加框处应填入的代码为________(单选，填字母)。
A.data.进出标记[p]＝＝0
B.data.进出标记[p－1]＝＝0 and data.进出标记[p]＝＝1
C.data.进出标记[p＋1]＝＝1
D.data.进出标记[p]＝＝0 and data.进出标记[p＋1]＝＝1
(2)统计停车场 3 月份每天的收入并绘制柱形图，部分Python代码如下，请在划线处填入合适的代码。
(3)已知每月分为3个时间段，1－10日称为上旬，11－20日称为中旬，21－30(31)日称为下旬。则由图c可知，该停车场3月份________(选填：上旬/中旬/下旬)收入总和最高。
答案　(1)①D　②p＋＝1或p＝p＋1
(2)①dic[i]＝0　②df_g[k]>1　(3)下旬
解析　(1)①遍历数据data，进出标记为 0 表示驶入，1 表示驶出，先有驶入，再有驶出。②处理下一条记录。(2)①语句dic[i]＋＝readdata(data)将计算每天的费用，因此需对dic[i]赋值为0。②df_g是按车牌进行分组记录数量，只有一条驶入或驶出记录的车辆不参与计费，即df_g[k]的值大于1。(3)略。
2.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。
图a
图b
(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。
答案　(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。
3.小美收集了某电商平台某年1－12月的“十大”空调品牌的销售数据，每个月的数据保存在一个csv文件中，文件如图b所示，分别记录了对应月份的订单数据。
请回答下列问题：
(1)定义get_sales函数，功能为：读取某月的csv文件，返回某品牌当月的销售额。函数代码如下，
划线处应填入的代码为：________(单选，填字母)。
A.df[df['品牌'] ＝＝ brand] B.df[df['品牌'] ＝＝ month]
C.df['品牌'] ＝＝ brand D.df['品牌'] ＝＝ month
import pandas as pd
def get_sales(brand, month)：
　 filename ＝ str(month) ＋ '.csv'
　 df ＝ pd.read_csv(filename)　#读取文件
　 df ＝________
　 sales ＝ (df['数量'] * df['单价']).sum()　#求出df中所有数量*单价的总和
return sales
(2)统计十大品牌全年销售额，并找出销售额最大的品牌，绘制该品牌的1－12月销售额的线形图，部分Python程序如下，请在划线处填写合适的代码。
import matplotlib.pyplot as plt
brand_dict＝{'格力'：0，'美的'：0，'海尔'：0，'奥克斯'：0，'海信'：0，'三菱重工'：0，'日立'：0，'华菱'：0，'TCL'：0，'大金'：0}
x，y ＝ []，[]
plt.show()　#生成线形图如图c所示
图c
(3)由图c可知，该空调销售额增量最大的月份是________。
答案　(1)①A　(2)①get_sales(j，i)　②brandmax ＝ i　③i (3)11
解析　本题考查Pandas数据处理。(1)①get_sales函数读取某月的csv文件，返回某品牌当月的销售额，函数两个参数：month为月份，brand应为品牌。(2)①brand_dict字典用于统计每种品牌的全年销售额，外循环i遍历月份，内循环j遍历品牌名称，此处可利用自定义函数来累加该品牌每月销售额。②处求所有品牌全年销售额的最大值max_sales和最大值的品牌名称brandmax。(3)略。
4. 一球迷收集了近3个赛季的CBA比赛数据，每个赛季的数据分别保存在独立文件中，如图a所示，文件中数据记录格式如图b所示，以球员“布莱克尼”的“二分”数据“7.9－16.3”为例，7.9表示二分球平均命中数量，16.3表示二分球平均投篮次数。
图c
该球迷想根据历史赛季数据预测各球队下个赛季的首发阵容，编写了如下Python程序，请回答下列问题：
(1)定义readData函数，功能为：读取某赛季的excel文件，返回每个队员的得分(得分＝二分球命中数量*2＋三分球命中数量*3＋罚球命中数量。函数代码如下，划线处应填入的代码为________(单选，填字母)。
A.df[″得分″][i]＋＝n*cols[col]
B.df[″得分″][i]＝n*cols[co1]
C.df[″得分″]＋＝n*cols[col]
D.df[″得分″]＝df.二分*2＋df.三分*3＋df.罚球
import pandas as pd
def readData(file)：
答案　(1)A　(2)①seasons[1：]　②df[df.球队＝＝team]　③n＝teams[team]
(3) members[n*2], members[2*n＋1]
解析　本题考查Pandas数据处理和可视化。(1)遍历每位队员的二分、三分和罚球的平均命中数量，根据公式求队员的3种投篮得分之和。col是字典中的键(二分、三分和罚球)，cols[col]是投篮得分，df[col]表示二分等某列值数据，p是第i位球员命中数量和投篮次数分隔位置，因此n*cols[col]的乘积之和该球员总得分。(2)①seasons列表中存储了3场比赛的文件名，将这3个文件合并为一个文件。语句df＝readData(seasons[0]＋″.x1sx″)已经读取第1个文件，需对剩余的文件进行合并。②筛选各球队得分最高的5名球员作为首发阵容。teams是字典变量，键是球队名称，对每个球队进行遍历，筛选出该队全部队员，找出在3场比较得分和最高5名球员。③取出球队编号，将每个球队的球员姓名和得分存储到members对应的数组元素中。teams字典值为球队的编号，members中元素个数为len(teams)*2，n号球队各球员名字存入members[2*n]中，得分存入members[2*n＋1]中。
5.李老师收集了 2022 级学生“七选三” 选课意愿数据，每个班的数据分别保存以'xk'＋班级为命名的 xlsx 文件中，如图a所示，每个文件记录了该班每位学生的选考科目选课情况，如图b所示。
(2)统计“技术”选课人数占总人数的比例，并作出各个科目选课人数的柱形图。程序代码如下，请在划线处填入合适的代码。
图c
答案　(1)① i<10或者i<＝9　② data (i)
(2)①km[j]＋＝1　②km['技术']/len(df)
③df_km['科目']　(3)物理、化学、地理(不分顺序)
解析　本题考查Pandas与Matplotlab模块相关知识。(1)①空在班号前补0，当i值介于1－9之间时需要补0。②函数data功能代入班号，生成班级文件名，用pd_read将对应文件转换为dataframe对象返回。(2)①遍历学生所选学科，统计各科选课人数，以科目为键将结果存入字典km。②空统计技术选考人数占总人数的比例，而总人数可以通过len(df)得到。③观察图表x轴数据为科目。(3)略。
6.某同学收集了部分城市2022年4月每天24小时空气质量数据，按日分别保存在csv文件中，部分文件如图a所示。数据格式如图b所示。请回答下列问题：
图a
图b
(1)定义函数 avg，功能是读取某天的数据文件，计算该天空气质量指数(AQI) 的平均值并返回，代码如下。请在划线①处应填入合适的代码。
def avg(filename)：
　 df＝pd.read_csv(filename)
　 df1＝df[df.columns[2：]]　#取类型及其后的所有列
　 g＝df1.groupby(①________，as_index＝False).mean()
　 return ②________
划线②处应填入的代码为________(单选，填字母)。
A.df[df.类型＝＝'AQI'] B.df1.AQI　
C.g.AQI D.g[g.类型＝＝'AQI']
(2)统计本月各城市空气质量最长连续优、良的天数(按照环境空气质量标准，空气污染指数 AQI≤50为优级，AQI≤100 为良好)，代码如下，绘制的图表如图 c 所示。请在划线处填入合适的代码。
图c
import pandas as pd
import matplot1ib.pyplot as plt
n＝10　#城市个数
count＝[0]*n
daymax＝[0]*n
for i in range(1, 31):
答案　(1)①'类型'　② D　(2)①count[j]＋＝1　②daymax[k]＝count [k]　③city
解析　本题考查Pandas及数据处理相关知识。(1)函数要求计算该天空气质量指数(AQI)的平均值，故应按“类型”分组并求平均，返回AQI的平均值，②中需筛选出类型是AQI的记录。(2)①处统计连续优、良的天数，当dayaqi.at[0，t]<＝100时，该城市计数器加1，填count[j]＋＝1。②处求count[k]的最大值，填daymax[k]＝count[k]从题c的图表可以看出，x轴数据为城市名称，从city＝dayaqi.columns[1：n＋1]可以看出，city是城市名称列表。
1.某竞赛获奖名单已公布，现要对获奖情况进行数据处理和分析。请回答下列问题：
图a　
图b　
(1)将获奖名单读取到DataFrame对象df中，如图a所示，若要编写Pandas程序分析出浙江省内获得满分400分的总人数。下列方法正确的是________(单选，填字母)。
A.从df中筛选出省份为“浙江”的数据df1，再从df1中筛选出总分为“400”的数据df2，最后对df2中的“姓名”数据列使用count()函数统计出总人数
B.对df中数据按“总分”降序排列并保存到df1中，再从df1中筛选出省份为“浙江”的数据df2，最后对df2中的“姓名”数据列使用sum()函数统计出总人数
C.对df中数据按“总分”为关键字进行分组，并使用count()函数统计出总人数，得到数据df1，再从df1中筛选出省份为“浙江”的总人数
(3)获奖名单新增“获奖等级”数据列，存储在文件“data.xlsx”，如图c所示，小陆想分析出一等奖获奖人数最多的前5个省份(没有并列情况)，并绘制如图d所示的柱形图，实现该功能的部分Python程序如下。
图c
图d
import pandas as pd
import matplotlib.pyplot as plt
plt.rcParams[″font.sans－serif″] ＝
[″SimHei″]　#设置图表显示中文字体
df ＝ pd.read_excel(″data.xlsx″)
df1 ＝①________　#选取相应的一等奖数据
df2 ＝ df1.groupby(″省份″).count()　#分组统计
总人数
df2.rename(columns ＝ {″姓名″：″获奖人数″}, inplace ＝ True)　#更改列标题名称
g ＝ df2.sort_values(″获奖人数″， ascending ＝ False).head(5)
plt.title(″一等奖获奖人数最多的前 5 个省份″)
plt.bar( ②________ )　#绘制柱形图
plt.ylabel(″获奖人数″)
plt.show()
①请在程序中划线处填入合适的代码。
②程序的划线处中应填入的正确代码为________(单选，填字母)。
A.g.省份，g.获奖人数 B.df2[″省份″]，df2[″获奖人数″]
C.g.index，g.获奖人数 D.df2.index，df2.获奖人数
答案　(1)A　(2)①lst[i][2]>＝h　②dic[city]＝lst[i][1]　(3)①df[df.获奖等级＝＝″一等奖″] 或 df[df[″获奖等级″]＝＝″一等奖″]　②C
解析　(1)B选项姓名列是字符串类型，不能进行sum求和。C选项不能按总分进行分组。(2)①找出一等奖的条件是lst[i][2] >＝ h。②不在字典中，新建一个以city为名的新键值对。(3)略。
2.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。
图a
图b
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
(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。
图c
答案　(1)AD　(2)①days＝1　②i＋＝1
③yd1[4：]或yd1.values[4：]
(3)not flag[i] and lst[i][2]>＝3
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)①对days初始化为1。②遍历下一条记录。③前4列依次为日期、学籍号、姓名和性别，从第列开始统计的是项目的次数。(3)每天锻炼项目达到 3 项及以上，即第1次达到后就是达标，以后的表示已经达标，因此和flag[i]的状态有关。
3.小帅收集了2023年的销售数据并存储在″超市销售数据.csv″文件中，部分数据如图a所示。分析某月的销售情况，柱形图如图b所示。部分Python程序如下：
顾客编号，大类名称，销售日期，小类名称，商品类型，单位，销售数量，商品单位，销售金额
5，粮油，20230101，番茄酱，一般商品，瓶，1，6.7，6.7
10，日配，20230101，冷藏果粒酸乳，一般商品，盒，1，8.9，5.9
26，冲调，20230101，麦片/粉，一般商品，袋，1，27.7，27.7
31，洗化，20230101，洗衣皂，一般商品，块，1，4.9，4.9
31，洗化，20230101，软抽纸巾，一般商品，提，1，9.7，6.9
49，蔬果，20230101，花果，生鲜，千克，0.902，9.96，8.98
8，日配，20230101，利乐砖纯奶，一般商品，提，1，65，49
15，家居，胶棉拖把，一般商品，把，1，70，70
50，休闲，20230101，软糖，一般商品，袋，1，10.9，10.9
1，蔬果，20230101，芽菜，生鲜，千克，0.456，2.78，1.27
5，蔬果，20230101，鲜调味，生鲜，千克，0.24，9.6，2.3
2，洗化，20230101，无芯纸，一般商品，提，1，24.9，18.9
9，休闲，20230101，趣味/休闲，一般商品，盒，1，6.9，6.9
46，蔬果，20230101，苹果类，生鲜，千克，1.776，4.98，8.84
图a
图b
请回答下列问题：
(1)为提取“销售日期”中月份数据，划线处应填入的代码是________(单选，填字母)。
A.df.index　B.df.values　C.df.columns
(2)请在程序中划线①②处填入合适的代码。
(3) 加框处实现按“销售金额”降序排列后取前10项，下列代码中能正确实现的有________(多选，填字母)。(注：全部选对的得2分，选对但不全的得1分，不选或有选错的得0分)
A.g.sort_values(″销售金额″，ascending＝False).tail(10)
B.g.sort_values(″销售金额″，ascending＝False).head(10)
C.g.sort_values(″销售金额″，ascending＝True)[：11]
D.g.sort_values(″销售金额″，ascending＝False)[：10]
答案　(1)A　(2)①df.月份＝＝month或df[″月份″]＝＝month　②g.销售金额或g[″销售金额″] (3)BD
解析　(1)表达式df.at[i，″销售日期″]中，变量i表示记录的行索引，因此需遍历df的行索引集合。(2)①输入需查询的月份month，筛选月份数据的条件是月份列中值为month。②图表的纵坐标为销售金额。(3)按“销售金额”降序排列后取前10项，可以采用head函数，也可以采用切片，但切片时得到的是前闭后开的区间。
4.小陈在气象部门得到了一份2022年不同城市的月平均日照时数(单位：kW·h/m2/day)数据，存放在Excel文件“日照.xlsx”中。部分界面如图所示。
图a
(2)第2步，仅考虑平均日照时数因素，选出最适合用光伏发电给智能农业大棚提供能源的十个城市。划线处应填入的代码为________(单选，填字母)。
df＝________
A.df.sort_values(″城市名″，ascending＝False).head(10)
B.df.sort_values(″城市名″).tail(10)
C.df.sort_values(″年度平均″，ascending＝False)[：10]
D.df.sort_values(″年度平均″，ascending＝False).tail(10)
#输出结果如图b所示，代码略
年度平均最高的10个城市为：
日喀则地区　5.83
阿里地区　5.66
三沙市　5.57
山南地区　5.53
拉萨市　5.53
那曲地区　5.11
昌都地区　4.91
海西蒙古族藏族自治州　4.88
和田地区　4.84
攀枝花市　4.83
图b
(3)小陈想在家乡温州建一个智能大棚，采用光伏发电加蓄电设备供电，面积为1平方米的光伏板容量约为0.3 kW/块，光伏的充放电效率为80%，大棚每天消耗的最低电能约为30 kW·h，为确保每月能正常供电，需要1平方米的光伏发电板共①________块。(日均发电量＝电池板的容量/块×块数×平均日照时数×充放电效率)
建设光伏发电设备前要先获得当地的平均日照时数情况，小陈通过如下代码获取相关数据。程序运行界面如图c所示：
图c
res＝df[df[″城市名″]＝＝″温州市″]
res＝res.values[0][1：13].②________
print(″温州市月平均日照最小值为”，res)
答案　(1)计算每个城市的年度平均日照时数　(2)C　(3)①52　②min()
解析　本题考查Pandas相关操作及其应用。(1)mdays列表中存放每个月的天数，Excel表格中存放的是每个月的月平均日照时数，通过for循环将月平均日照时数*每个月的天数并进行累加，得到全年的日照时数，再计算出当前城市的日平均日照时数，并通过round函数保留2位小数。故该程序功能为计算每个城市的年度平均日照时数。(2)最适合用光伏发电的十个城市即日照时数最长的十个城市，通过sort_vlaues进行降序排序，取前十个。(3)根据图c可知温州市月平均日照最小值为2.42，再根据公式：日均发电量＝电池板的容量/块×块数×平均日照时数×充放电效率。0.3 kW/块*块数*2.42*0.8＝30 kW，得到需要的光伏发电板共52块。②处使用min()函数求最小值。
5.小周要统计高二年级各班的行为规范得分情况，部分扣分数据如图a所示。
图a
(1)观察数据，发现存在重复扣分的记录，如图a第2、3行所示。现需对数据进行整理，以下操作合理的是____(单选，填字母)。
A.对班级、记录员均相同的记录去重
B.对日期、关联学生、项目名称均相同的记录去重
C.对关联学生、项目名称、项目扣分均相同的记录去重
(3)该校高二年级共有16个班级，统计各班的行为规范得分(班级行为规范得分＝100分－本班所有学生扣分)，并绘制如图b所示的柱形图，实现该功能的部分Python程序如下，请在划线处填入合适的代码。
图b
答案　(1)B　(2)①df[″关联学生″][i]或df.关联学生[i]或df.at[i，″关联学生″]　
②t＝j＋1　(3)①班级　②cla
解析　(1)日期、关联学生、项目名称都相同，那么这两条记录是重复。(2)①索引为i的“关联学生”列的名称为df[″关联学生″][i]。②从表达式s[t：j]来看，变量t的表示一位学生的开始索引位置，若当前位置的值为引号，则下一位学生的索引位置从j＋1开始。(3)①计算每个班级的得分，因此须按班级进行分组统计。②列表cla中存储每个班级的得分。
6.某中学“7选3”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a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a
(2)统计7选3各科的选报人数，输出各科的选报情况及开班情况，如图b所示。部分程序代码如下，请在划线处填入合适的代码。
物理　人数：398　班级数：10
化学　人数：408　班级数：11
生物　人数：133　班级数：4
政治　人数：261　班级数：7
历史　人数：244　班级数：7
地理　人数：361　班级数：10
技术　人数：136　班级数：4
图b
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，班额
bj＝[0]*7
xkrs＝[0]*7　#存储选考科目的选报人数
p＝0
for j in km：
　 ①________
　 for i in range(len(df)):
　 if df.at[i，j]＝＝1:
　　　 cnt＋＝1
　 ②________
　 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)绘制选考科目选科人数情况的柱形图，部分Python程序如下，请在划线处填写合适的代码。
import matplotlib.pyplot as plt
x＝km
y＝__________________
plt.bar(x，y)#绘制柱形图
#设置绘图参数，显示如图c所示柱形图，代码略
图c
(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________(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()
答案　(1)allrs%maxbrs！＝0或allrs%maxbrs>0或bjnum*maxbrs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 。(2)对变量cnt赋初值0。②统计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)图表的纵坐标数据为各科的选科人数xkrs。(4)略。
7.第19届杭州亚运会已完美落幕，亚运会赛事以“杭州为主，全省共享”的原则分布在杭州、宁波、温州、湖州、绍兴、金华各地。大会共有40个大项，61个分项，最终诞生了481块金牌。小李作为一名体育爱好者想重温大会赛程安排，他从杭州亚运会的官网上采集了相关数据，整理后存储在“杭州第19届亚运会总赛程.xlsx”文件中。如图a所示(0表示有赛事但不产生金牌，其他数字表示当天产生的金牌数)。
图a
为了更清楚地了解相关赛事信息，小李编写了Python程序，请回答以下问题。
(1)足球是小李最关注的大项，为了解足球的赛程安排，划线处应填入的代码为________(单选，填字母)
A.df.大项＝＝″足球″ B.df[″大项″＝＝″足球″]
C.df[df.大项＝＝″足球″] D.df[df[″大项″]＝＝足球]
import pandas as pd
df＝pd.read_excel(″杭州第 19 届亚运会总赛程.xlsx″)
df2＝________
print(df2)
(2)足球项目的比赛分布在杭州等城市的八个场馆，了解各个场馆举办足球赛事的具体场次，找到连续举办足球赛事最多的场馆，如图b所示。程序代码如下，请在划线处填入合适的代码。
黄龙体育中心体育场 [9/19, 9/21, 9/24, 9/27, 9/28, 10/1, 10/4, 10/6, 10/7]
临平体育中心体育场 [9/19, 9/21, 9/22, 9/24, 9/25, 9/28, 9/30, 10/3]
上城体育中心体育场 [9/20, 9/22, 9/24, 9/25, 9/27, 9/28, 10/1, 10/3, 10/7]
萧山体育中心体育场 [9/19, 9/20, 9/21, 9/22, 9/24, 9/25, 9/27, 9/28, 10/1, 10/4]
金华体育中心体育场 [9/19, 9/21, 9/24, 9/27]
浙江师范大学东体育场 [9/19, 9/21, 9/24, 9/27]
温州奥体中心体育场 [9/21, 9/22, 9/24, 9/25, 9/27, 9/28, 9/30]
温州体育中心体育场 [9/22, 9/24, 9/25, 9/27, 9/28, 9/30]
连续举办足球赛事最多的场馆：萧山体育中心体育场
图b
(3)足球在亚运会期间总共产生两枚金牌，统计分析其他大项产生的金牌总数，找出产生金牌总数最多的十个大项，并绘制图形如图c所示。程序代码如下，请在划线处填入合适的代码。
图c
import matplotlib.pyplot as plt
plt.rcParams['font.sans－serif']＝['simhei']　#图表中文标签显示为黑体
grp＝df.groupby(①________ , as_index＝False).金牌总数.sum()
grp＝grp.sort_values(″金牌总数″，ascending＝False).②________
x＝grp.大项
y＝grp.金牌总数
#设置图表参数，代码略。
答案　(1)C　(2)①dic[sta].append(j)或 dic[sta]＋＝[j]　②c＝0　③maxsta
(3)①″大项″　②head(10)
解析　(1)了解足球的赛程安排需符合″大项″列中值为″足球″的记录。(2)①遍历每行的第3列到倒数第4列，若这些单元格中值为0或1，表示该天举办足球赛事，将当天日期j添加到字典dic以场馆名称sta为键的值中。②统计连续举办足球赛事最多的场馆，若当天没有赛事，则将连续天数s的值置为0。③连续举办足球赛事最多的场馆名称保存在变量maxstak。(3)①统计分析其他大项产生的金牌总数，需按大项进行分类统计。②grp对象的sort_values方法是按金牌进行降序排列，找出产生金牌总数最多的十个大项，因此需用head函数。

展开更多......

收起↑