资源简介

(共33张PPT)
课时11 pandas、matplotlib模块的基本操作
一、pandas模块
1.DataFrame对象中行、列的编辑。
（1）新增列、删除列、重命名列可以通过insert()、drop()、rename()等函数完成。
（2）追加数据行可以通过concat()函数完成。
（3）append()、drop()、rename()函数均默认不改变原有df对象中的数据，而是通过返回另一个DataFrame对象来存放改变后的数据。
2.DataFrame对象中数据的分组。
（1）使用groupby函数，可以对DataFrame对象各列或各行中的数据进行分组，然后对其中每一组数据进行不同的操作。
（2）参数as_index=True或缺省时，表示将分组依据列作为结果中的索引。
（3）参数as_index=False时，表示不将分组列作为结果的索引，会重新建立索引。
3.DataFrame对象中数据的排序。
（1）按索引排序可以使用　　　　函数，按值排序可以使用sort_values()函数。
（2）通过选项axis=0/1确定排序的轴向，axis默认值为　　　　，纵向排序。
（3）通过选项ascending=True/False确定升/降序，ascending默认值为　　　　，升序排序。
（4）默认排序结果返回一个新DataFrame对象。
sort_index()
0
True
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、坐标轴刻度、图例等。
2.在Python中引入matplotlib的pyplot子库的方法为：import matplotlib.pyplot as plt。
pyplot
二、matplotlib模块
函数 说明
figure() 创建一个新的图表对象，并设置为当前绘图对象，figsize参数指定figure对象的宽度和高度
注：不创建figure对象，直接调用plot等绘图函数进行绘图，matplotlib会　　　　创建一个figure对象
plot() 绘制线形图
bar() 绘制　　　　柱形图
barh() 绘制水平柱形图
scatter() 绘制　　　　图
title() 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　　　　.
show() 显示创建的所有绘图对象
3.常用绘图函数。
自动　
垂直
散点
图例
4.常用绘图函数的部分属性。
函数 属性 说明
plot() linestyle 指定线条样式
color 指定线条颜色
linewidth 指定线条宽度
bar()/barh() width/height 指定柱形宽度
color 指定柱形颜色
scatter() s 指定散点的大小
c 指定散点的颜色
linewidths 指定散点边框线的宽度
marker 指定散点的图形样式
上述所有 label 指定标签名称
典例 1 ［2024.7浙江］某校学生的课外运动积分存储在文件“jifen.xlsx”中，部分数据如图所示。编写Python程序，统计并输出积分大于100的高一01班学生信息。
import pandas as pd
#读文件中的数据
df1=pd.read_excel("jifen.xlsx")
　　　　　　　
print(df1)
方框中的代码由下列语句中的部分语句组成：
①df1=df1[df1.积分>100]
②df1=df1[df1.班级=="高一01班"]
③#降序排序
df1=df1.sort_values("积分",ascending=False)
④df1=df1.head(100) #取前100条数据
要实现上述功能，下列选项中正确的是 （　　）
A.②① B.②④ C.③① D.③④
A
√
题型导向一　pandas模块的基本操作
胜券点拨1
明考向 本题主要考查对DataFrame对象的基本操作
审关键 df1对象的内容、各操作的效果
考场思 维快闪 统计积分大于100的高一01班的学生信息，需要对表格中的积分和班级数据进行条件筛选，筛选条件分别是df1.积分>100和df1.班级=="高一01班"
典例 2 ［2023.7浙江］某省2022年全年气象灾害预警数据保存在文件“qxyj.xlsx”中，部分数据如图所示。编写Python程序，统计全年发布次数最多的5种气象预警。
import pandas as pd
df=pd.read_excel("qxyj.xlsx") #读文件中的数据
#删除列
df=df.drop(["预警发布单位","预警等级","预警发布时间"],axis=1)
　　　　　　　
print(df_s[0:5])
方框中代码由下列语句中的部分语句组成：
①df_g=df.groupby("预警名称 ",as_index=False).sum() #分组求和
②df_g=df_s.groupby("次数",as_index=False).sum()
③df_s=df.sort_values("次数",ascending=True) #升序排序
④df_s=df_g.sort_values("次数",ascending=False)
要实现上述功能，下列选项中正确的是 （　　）
A.①④ B.①③
C.②④ D.③②
A
√
胜券点拨2
明考向 本题主要考查对DataFrame对象的基本操作
审关键 df对象的内容、各操作的效果
考场思 维快闪 根据题意，要求统计全年发布次数最多的5种气象预警，因此要先将对象df按照“预警名称”进行分组求和，结果存储在对象df_g中，然后将对象df_g按照“次数”排序。根据代码“print(df_s[0:5))”可知，输出的结果为对象df_s的前5行，故设置ascending=False，表示降序排序
典例 3 ［2025.1浙江选考T14，（5）题］将系统中某年的数据导出到文件data.xlsx中，部分数据如图a所示。其中“预报温度”列是指学校所在地的天气预报温度数据，“差值”列是指实测温度与预报温度相减的绝对值。现要由高到低输出3月份各监测点差值的平均值（如图b所示），再用差值平均值最高的监测点的3月份实测温度数据绘制线形图（如图c所示）。
题型导向二　matplotlib模块的基本操作
实现上述功能的部分Python程序如下，请选择合适的代码填入画线处（填字母）。
import pandas as pd
import matplotlib.pyplot as plt
df=pd.read_excel("data.xlsx")
df1=　　　①　　　1
df2=　　　②　　　1
df2=　　　③　　　1
'''依次输出df2中各监测点编号及其差值的平均值，如图b所示，代码略'''
#将df2中首行的监测点编号存入uid，代码略
df2=　　　④　　　1
'''创建x列表，长度为248，元素依次为0~247，表示3月份采集时间点的序号，代码略'''
plt.plot(x,df2["实测温度"]) #绘制线形图
'''设置绘图参数，并显示如图c所示的线形图，代码略'''
C
①②③④处可选代码有：
A.#分组求平均
df.groupby("月",as_index=False).差值.mean()
B.df[df["监测点"]==uid] #筛选
C.df[df["月"]==3]
D.#降序排序
df1.sort_values("差值",ascending=False)
E.df1.groupby("监测点",as_index=False).差值.
mean()
F.df1[df1["监测点"]==uid]
G.df2.sort_values("差值",ascending=False)
E
G
F
胜券点拨3
明考向 本题主要考查pandas与matplotlib模块
审关键 图表样式、元素与代码语句对应
考场思 维快闪 ①要求由高到低输出3月份各监测点差值的平均值，首先应筛选出“月”列值为3的数据。②然后按“监测点”分组，并对“差值”求平均值。③然后按“差值”降序排序。④要求用差值平均值最高的监测点的3月份实测温度数据绘制线形图，df2中首行的监测点编号为uid，即筛选df1对象中“监测点”列值为uid的数据
典例 4 ［2024.6浙江选考T14，（5）~（6）题］（5）研究小组整理出近几年的水位（日平均）数据，部分数据如图a所示（图中水位单位为“米”）。现要统计 2023年水位最高的前100天在各月的分布情况，并绘制如图b所示的柱形图。
实现上述功能的部分Python程序如下：
import pandas as pd
import matplotlib.pyplot as plt
df=pd.read_excel("data.xlsx")
#筛选出2023年的数据
df=df[df["年"]==2023]
　　　　　　　
#绘制柱形图
plt.bar(df1["月"],df1["水位"])
#设置绘图参数，显示如图b所示的柱形图，代码略
方框中应填入的语句依次为　　　　　　　（选3项，填数字序列）。
①#分组计数
df1=df1.groupby("月",as_index=False).count()
②#降序排序
df1=df.sort_values("水位",ascending=False)
②④①
③#降序排序
df1=df1.sort_values("水位",ascending=False)
④#获取前100条数据
df1=df1.head(100)
（6）观察图b可知，2023年水位最高的前100天分布在7月的天数最多。现要筛选出2023年7月的水位数据以便进一步分析，可在第（1）小题处理结果的基础上，再运行如下语句，请在画线处填入合适的代码。
df2=df[　　　　　　　]
df.月==7　或　df["月"]==7
胜券点拨4
明考向 本题主要考查pandas与matplotlib模块
审关键 图表样式、元素与代码语句对应
考场思维快闪 （5） 要统计2023年水位最高的前100天在各月的分布情况，首先要将2023年的记录（存储在df对象中）按照“水位”排序，然后选取水位最高的100条记录，最后按照“月”分组计数
（6） 对象df已经筛选出2023年的全部数据，要筛选出2023年7月的数据，即筛选条件为df.月==7或df["月"]==7
1.追加DataFrame对象中的数据。
通法　DataFrame对象操作实例二（引入pandas模块代码为“import pandas as pd”）
2.删除DataFrame对象中的数据。
行 df2=df1.drop("2号") print(df2) 姓名 语文 数学
1号 王一 88 90
3号 吴三 92 91
列 df2=df1.drop("语文",axis=1) print(df2) 姓名 数学
1号 王一 90
2号 李二 93
3号 吴三 91
3.axis=0/1的使用情况。
（1）axis=0：数据在纵向发生变化，沿着每一列向下执行（默认axis=0）。在删除行时，axis为0，即让计算机纵向删除每一列中的那个数据，以实现整体删除行的效果。
（2）axis=1：数据在横向发生变化，沿着每一行横向执行。对于求平均值mean()，则是从左到右横向求平均；对于删除数据drop()，是横向发生变化，体现为列的减少。在删除列时，axis为1，即让计算机横向删除每一行中的那个数据，以实现整体删除列的效果。
4.DataFrame对象中数据的统计与计算。
分组求平均 data={"姓名":["王一","李二","吴三","雷五"],"性别": ["男","女","男","女"],"语文":[88,99,92,96], "数学":[90,93,91,100]} df1=pd.DataFrame(data,index=["1号","2号","3号","4号"], columns=["姓名","性别","语文","数学"]) df1=df1.drop("姓名",axis=1) df2=df1.groupby("性别",as_index=False).mean() df3=df1.groupby("性别",as_index=True).mean() print(df2) print(df3) 性别 语文 数学
0 女 97.5 96.5
1 男 90.0 90.5
　　 语文 数学
性别
女 97.5 96.5
男 90.0 90.5
分组求和 df2=df1.groupby("性别",as_index=False).sum() print(df2) 性别 语文 数学
0 女 195 193
1 男 180 181
分组求数量 df2=df1.groupby("性别",as_index=False).count() print(df2) 性别 语文 数学
0 女 2 2
1 男 2 2
5.DataFrame对象中数据的排序。
降序排序 升序排序
df2=df1.sort_values("数学", ascending=False) print(df2) df2=df1.sort_values("数学",
ascending=True)
#或df2=df1.sort_values("数学")
print(df2)
姓名 性别 语文 数学 4号 雷五 女 96 100 2号 李二 女 99 93 3号 吴三 男 92 91 1号 王一 男 88 90 姓名 性别 语文 数学
1号 王一 男 88 90
3号 吴三 男 92 91
2号 李二 女 99 93
4号 雷五 女 96 100
1.学校食堂汇总整理一周学生提前线上点餐情况，保存在“食堂点菜.xlsx”中，部分数据如图a所示。为统计5月16日学生中最畅销的前5名菜品，编写如下Python程序，程序运行结果如图b所示。
import pandas as pd
df=pd.read_excel("食堂点菜.xlsx")
#新增“日期”列，从“商品名称”列中提取
df["日期"]=df["商品名称"].str[:4]
df=　　　　　　　.
df=　　　　　　　.
df=　　　　　　　.
print(df.商品名称.head(5))
有如下可选语句：
①df[df["日期"]=="0516"]
②df.sort_values("用户名称",ascending=False)
③df.groupby("商品名称",as_index=False).用户名称.count()
画线处应填入代码的正确顺序是 （　　）
A.①②③ B.①③② C.③②① D.②③①
统计的是5月16日的数据，故首先筛选“日期”列为"0516"的数据，即语句①；然后按照“商品名称”分组，统计每组“用户名称”的数量，就得到每种菜品的点菜数量，即语句③；最后按“用户名称”降序排序取前5项的商品名称，就得到最畅销的前5名菜品，即语句②。
一、pandas模块
B　
√
2.使用matplotlib模块绘制如图所示的图像，代码如下。
import matplotlib.pyplot as plt
import numpy as np
x=np.linspace(0,2,50)
plt.plot(x,x**2,label="quadratic")
plt.plot(x,x**3,label="cubic")
plt.xlabel("X axis")
　　　　　　　.
plt.title("Simple Plot")
plt.legend()
plt.show()
则画线处应填入的正确代码为 （　　）
A.plt.ylabel() B.plt.ylabel("Y axis")
C.plt.ylim("Y axis") D.plt.ylim()
分析图表元素与程序代码，发现画线处缺少设置Y轴标签的代码。
二、matplotlib模块
B　
√
3.［2025绍兴模拟］2025年1月的部分学生订餐数据如图a所示。现要统计1月学生最喜欢的3个套餐（即订餐数量最多的3个套餐），并绘制如图b所示的柱形图。实现上述功能的部分Python程序如下，请在画线处填入合适的代码。
import pandas as pd
import matplotlib.pyplot as plt
df=pd.read_excel("食堂刷卡数据.xlsx")
df["月份"]=1　#插入“月份”列
for i in df.index:
df.at[i,"月份"]=int(df.at[i,"消费时间"][5:7])
df1=　　　①　　　.
df1=df1.groupby("套餐",as_index=False).count()
#把列标题“学生ID”改为“数量”
df1=df1.rename(columns={"学生ID":"数量"})
df1=df1.sort_values("数量",ascending=False)
df1=df1.head(3)
plt.title("1月份学生最喜欢的套餐")
plt.bar(　　　②　　　,df1.数量)
plt.show()
①处在前面的程序中插入了“月份”列，通过该列可以选择1月份的数据，故填入代码为df[df["月份"]==1]。②处绘制柱形图，横坐标的数据为套餐类型，故填入代码为df1["套餐"]或df1.套餐。
df[df.月份==1]　或　df[df["月份"]==1]　
df1.套餐
或　df1["套餐"]　
4.［2023.6浙江选考］小华将系统中某天24小时
的湿度数据导出，部分数据如图a所示（时间格式
为“时:分:秒”），分析每小时的最大湿度值，
线形图如图b所示，部分Python程序如下：
import pandas as pd
import matplotlib.pyplot as plt
#读取文件data.csv中的数据
dft=pd.read_csv('data.csv')
dft.insert(0,'小时',' ')　#插入列
for i in dft.index:
#通过行标签和列标签选取单个值
t=dft.at[i,'时间']
dft.at[i,'小时']=t[0:2]
#分组求最大值
dfh=dft.groupby(　　　　　　　,as_index=False).max()
plt.plot(dfh['小时'],dfh['监测值'])　#绘制线形图
#设置绘图参数，显示如图b所示线形图，代码略
（1）请在程序中画线处填入合适的代码。
（1）groupby函数对DataFrame对象的指定列进行分组，参数是列标题，从图b看，“小时”数据在横坐标轴上，因此以列标题“小时”进行分组。　
'小时'　
（2）小华分析线形图发现存在湿度值大于等于100的噪声数据，要删除dft对象中的噪声数据，下列代码段中，能正确实现的有　　　　　　　（多选，填字母）。
A.dft=dft[dft['监测值']<100]
B.dft=dft['监测值']<100
C.n=len(dft[dft['监测值']>=100])
dft=dft.sort_values('监测值')　#升序排序
dft=dft.tail(n)　#获取尾部数据行
D.for i in dft.index:
if dft.at[i,'监测值']>=100:
dft=dft.drop(i)　#删除行
（2）可以通过筛选的方式复制出符合条件的数据的副本（即选项A），也可以删除不符合条件的数据（即选项D）。选项B筛选格式书写错误，选项C升序后应删除尾部数据而不是获取尾部数据。
AD　
5.[2024.1浙江选考]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
（1）选项A首先从df中筛选出性别为“男”的数据，然后再次筛选出项目为“跳高”的数据，最后判断筛选出的数据行是否超过5行。选项B不需要对数据进行排序，因为关注点是性别为“男”且项目为“跳高”的数据行数，排序并不会改变数据行的数量。选项C只筛选出了项目为“跳高”的数据，没有进一步筛选出性别为“男”的数据。
A　
（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分，第1名至第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，请在程序中画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)):
#通过行、列标签取单个值
rank=df1.at[i,"名次"]
score=0
if rank<=8:
　　　　　　　.
df1.at[i,"得分"]=score
（2）if语句判断当前名次是否小于或等于8（即是否在前8名之内），若是，则根据名次计算得分，使用数组索引，因为数组的索引是从0开始的，而名次是从1开始的，所以需要减去1，然后将对应的得分赋值给变量score，故填入代码为score=f[rank-1]或score=f[int(rank)-1]。
score=f[rank-1]　或　score=f[int(rank)-1]
　
（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=df1.groupby("　　　　　　 ",as_index=False).sum()　#分组求和
#设置绘图参数，代码略
plt.bar(x,y)　#绘制柱形图
①请在程序中画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"
（3）①根据图c可知，X轴数据根据专业进行分组求和，故填入代码为专业。②根据代码“plt.bar(x,y)”可知，需要对x和y进行赋值，而值为进行分组求和后的数据。
专业
　
B　
6.［2023.1浙江选考］小红收集了部分城市2021年全年每天PM2.5、PM10、CO质量浓度数据，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的月平均质量浓度（当月的日平均质量浓度的平均值），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的日平均质量浓度。函数代码如下，画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):
#读取文件dayfile中的数据
df=pd.read_csv(dayfile)
df=　　　　　　　.
'''返回城市A当天PM2.5的日平均质量浓度'''
return df['城市A'].mean()
（1）观察程序可知，pmday函数实现读取某天的CSV文件，返回城市A当天PM2.5的日平均浓度，筛选条件为df['类型']=='PM2.5'，筛选对象为df，故填入代码为df[df['类型']=='PM2.5']，正确的是选项D。
D　
（2）统计城市A各月份PM2.5的月平均质量浓度并绘制线形图，部分Python程序如下，请在画线处填入合适的代码。
import matplotlib.pyplot as plt
def tstr(t):
if t<10:
return '0'+str(t)
else:
return str(t)
pm=[0]*12
#2021年每月天数
mdays=[31,28,31,30,31,30,31,31,30,31,30,31]
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　　　.
（2）①处变量m表示一年的12个月，
d的数值表示12个月中的每个月的天
数，故填入代码为mdays[m]或0,
mdays[m]。②处由代码“sd=pmday
(dayfile)”和“pm[m]=sm/mdays[m]”
可知，sd为PM2.5的日平均浓度，sm为
每个月中每一天平均值的累加，故填
入代码为sm+=sd或sm=sm+sd。③处观
察图像可知，Y轴的数据来自每个月的
PM2.5的平均浓度，故填入代码为pm。　
（3）城市A2021年PM2.5年平均浓度为34.6微克/立方米。观察图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有5个，分别是1、2、3、4、11月。
pm[m]=sm/mdays[m]
x=[1,2,3,4,5,6,7,8,9,10,11,12]
y=　　　③　　　.
plt.plot(x,y)　#绘制线形图
'''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年平均质量浓度为34.6微克/米3。由图c可知，城市A 2021年PM2.5月平均质量浓度超过年平均质量浓度的月份共　　　　　　　个。
mdays[m]　或　0,mdays[m]　
sm+=sd　或　sm=sm+sd　
pm　
5
7.［2025.6浙江选考］水质监测系统已采集了某水域一年的pH数据，该水域pH值的正常范围为6~8。现要对这些数据进行分析，请回答下列问题：
（1）将监测点1的数据导出，存于pHdata.xlsx文件中，如图a所示。现要找出pH均值最高的月份，并统计该月pH大于8的日分布情况，绘制如图b所示的柱形图。实现上述功能的部分Python程序如下，请选择合适的代码填入画线处（单选）。
import pandas as pd
import matplotlib.pyplot as plt
df=pd.read_excel("pHdata.xlsx")
#分组求平均
df1=df.groupby("月",as_index=False).pH.mean()
df2=　　　①　　　.
#将df2首行的月份存入m，代码略
print("pH值最高月份序列为：",m)
df_m=　　　②　　　.
df_ex=df_m[df_m["pH"]>8]　#筛选
df_cnt=　　　③　　　.
#重命名pH列名称为“次数”，代码略
plt.bar(df_cnt["日"],df_cnt["次数"])
#设置绘图参数，显示如图b所示的柱形图，代码略
程序中①②③处可选的代码有：
A.df[df["月"]==m]
B.df2[df2["月"]==m]
C.#降序排序
df.sort_values("pH",ascending=False)
D.#分组计数
df_ex.groupby("日",as_index=False).pH.count()
E.df1.sort_values("pH",ascending=False)
F.df_ex.groupby("时",as_index=False).pH.count()
E　
A　
D　
（2）将7—12月的pH数据存储于列表data中，要求出一个最长连续序列，其中每个pH值均在正常范围内。如果这样的序列有多个，则选择数值总和最小的序列（若仍有多个，选择最早出现的），输出其长度和起始下标。实现上述功能的部分Python程序如下，请在画线处填入合适的代码。
'''读入pH数据，按采集的时间顺序存储于列表data中，代码略'''
maxn=start=maxt=0
　　　①　　　.
while iif 6<=data[i]<=8:
total=0
k=i
while itotal+=data[i]
i+=1
　　　②　　　.
if n>maxn:
maxn=n
start=k
maxt=total
elif 　　　③　　　:
start=k
maxt=total
i+=1
'''输出最长连续序列的长度maxn和起始下标start，代码略'''
i=0　
n=i-k　
n==maxn and total（1）①想要找出pH均值最高的月份，应先按“月”分组求“pH”列的平均值，存入df1，然后将df1按“pH”列进行排序，由下面的注释“将df2首行的月份存入m”可知，应进行降序排序。②要筛选出对象df中pH均值最高的月份的所有数据，故填入代码为df[df["月"]==m]。③df_ex存储m月份中所有pH>8的数据，接下来要使用groupby按“日”分组，并对“pH”列进行计数，参数as_index=False，以便后续绘图。　（2）①处为变量i赋初值，故填入代码为i=0。②处子序列的起始下标为变量k，计算当前连续子序列长度，故填入代码为n=i-k。③处为“如果这样的序列有多个，则选择数值总和最小的序列”的情况，故填入代码为n==maxn and total

展开更多......

收起↑