浙江省湖州市2022-2023学年高二上学期信息技术期末调研测试卷

某停车场采用了无人值守停车收费系统，当车辆离场时，压到出口的地感线圈，地感线圈发射信号给卡口的高速摄像机，摄像机拍摄并通过软件识别车牌号，在出口终端显示器显示收款二维码，以及一些提示信息，如图所示。司机扫码支付后，道闸自动抬杆放行。

为全力做好亚运保障，杭州市政府推出了智能排水系统，依托低功耗嵌入式AI的毫米波雷达、超声雷达测速测距技术以及精准流量模型，不仅能在线监测实时降雨、管网水位、出水水量等信息，还能实时感知重点区域地表积水、窨井盖异位等情况，可实现地下污水管网漏损和淤积提前预警。

import random

ans=""

while len(ans)<3:

    t=chr(random.randint(0,25)+ord("A"))

    if t not in ans:

        ans+=t

print(ans)

程序运行后，输出的结果可能是（   ）

判断某字符串是否为回文串，若是返回 True，否则返回 False。

def hw(s):

    i=0

    while s[i]==s[len(s)-i-1]:

        if i==len(s)//2:

        i+=1

return flag

上述程序段中方框处可选语句为：①flag=True   ②flag=False   ③break

则(1)(2)(3)处语句依次为（   ）

s="a123b456"

t=""

f=True

for i in s:

    if "0"<=i<="9" and f:

        t+=i

        f=False

    else:

        f=True

print(t)

运行程序， 输出结果是（   ）

表1  空气质量指数(AQI)划分标准

图a

图b

f=open("日均 AQI.csv","r")

grade={"优":0,"良":0,"轻度污染":0,"中度污染":0,"重度污染":0,"严重污染":0}

for line in f:

    a=line.split(",")  #列表a数据格式形如['11 月7 日', '41.17', '63.75']

    t=float(_____)

    if t<=50:

        key="优"

    elif t<=100:

        key="良"

    elif t<=150:

        key="轻度污染"

    elif t<=200:

        key="中度污染"

    elif t<=300:

        key="重度污染"

    grade[key]+=1

print("本周共有"+str(grade["优"])+"天的空气质量为优")

实现上述功能的Python代码如下：

#导入库， 代码略

img=np.array(Image.open ("hz.png").convert("L"))       #将图像转换为二维矩阵

rows,cols=img.shape          #图像尺寸分别赋值，rows表示行数，cols表示列数

for i in range(rows):

    for j in range(cols):

        if img[i,j]>180:     #0~255表示256级灰度值，0表示黑色，255表示白色

            img[i,j]=1

        else:

            img[i,j]=0

plt.imshow(img,cmap="gray")    #显示灰度图像

plt.show ()   #弹出包含了图片的窗口

c=img[0,0]; cnt=0; ys=[]

for i in range(rows):

    for j in range(cols):

        if img[i,j]==c:

            ______

        else:

            ys.append(cnt*10+c)

            cnt=1

ys.append(cnt*10+c)

print(ys)

第1步，系统根据用户的听歌行为，使用-2~5进行量化，单曲循环=5，分享=4，收藏=3，主动播放=2，听完=1，未听=0，跳过=-1，拉黑=-2，量化值大于0表示喜欢，建立如图a数据。

图 a

第2步，分别计算待推荐用户与其他每位用户的听歌相似度(相似度=两用户同时喜欢的歌曲数/两用户中至少有一人喜欢的歌曲数)。

第3步，分别计算其他用户对每一首歌曲的推荐度(推荐度=某用户该歌曲的量化值*两用户的相似度)。

第4步，在其他用户所有量化值大于0的歌曲中找到推荐度最高的，且待推荐用户没有听过的歌曲，推荐给该用户。

小明用Python程序模拟了此推荐算法，请回答下列问题。