相关试卷

①从左到右划分这m个区间，每个区间的零件数量至少1个，不多于k个。

②一个区间内的零件加工难度的最大值与最小值的差距为该区间的“极差”。

③这m个区间的“极差”的最大值称为DIF值，划分时应使DIF值尽量最小。

现在要求计算加工这批零件的最小DIF值，并输出一种可行的区间划分方案。

例如,有8个零件，加工难度a=[5,4,2,6,2,8,7,3]，有2台机器，每台机器加工零件的数量不多于5个。一种划分方案为：第1组的难度为[5，4，2，6，2]，极差为4，第2组的难度为[8，7，3]，极差为5，则该分组方案的DIF值为5。在这个例子中，5是最小的DIF值。请回答下列问题：

（1）若在题目例子中增加1台机器，其他参数不变，则最小的DIF值是。

（2）定义bigsma（a）函数，预处理出任意一个连续区间内，加工难度的最大值和最小值。

def bigsma（a）:

#遍历所有可能的区间，求每个区间最大值

for i in range（n）:

for j in range（i, n）:

if i= =j:

max_ vals[i][j] = a[i]

else:

for k in range（i, j+1）:

max_ vals[i][j]=max（max_ vals[i][j],a[k]）

#遍历所有可能的区间，求每个区间最小值

for i in range（n）:

for j in range（i, n）:

if i= =j:

min_ vals[i][j] = a[i]

else:

min_ vals[i][j]=min（min_ vals[i][j-1],a[j]）

return max_ vals, min_ vals

该函数中求区间最①值（填：大或小）的算法效果更高，其时间复杂度为0（②）。

（3）定义judege（x）函数，用于判断Diff值为x时，是否可以找到一种可行的区间划分方案并记录方案。实现该功能的Python代码如下，请在程序中划线处填入合适的代码。

def judge(x):

cnt = start = 0

ans = []

while start <= n - 1:

end = start

for j in range(start, start + k):

if j > n - 1 or j > n - (m - cnt): break

cur_ max = max_ vals[start][j]

cur_ min = min_ vals[start][j]

if①:

break

else:

end = j

ans. append([start, end])

cnt += 1

②

if cnt == m:

return True, ans

return False, []

（4）算法思想：由于DIF越小，分组成功的可能性越小，反之越大，答案具有单调性。故使用二分算法查找答案并判定，求出最小的DIF的值。

#读取零件数量存入n，机器数量存入m，每个区间最多零件数存入k，保证k>n//m#每个零件的加工难度存入列表a，代码略。

max_ vals=[[0]*n for i in range(n)]#初始化存储每个区间最大值的二维数组

min_ vals=[[0]*n for i in range(n)]#初始化存储每个区间最小值的二维数组

max_ vals, min_ vals=bigsma(a)

left=0;right=max（a）-min(a)

final_ ans=[]

while left<=right:

mid=（left+right）//2

ok, ans=judge（mid）

if ok:

answer=mid

right=mid-1

else:

left=mid+1

print（"DIF值为:", answer）

print（"一种可行的分组方案:"）

for x in final_ ans:

print（a[x[0]:x[1]+1]）

图a

（1）首先，通过以下代码段提取该市所有学校名称，并且依次保存到列表xuexiao中。

import pandas as pd

import matplotlib. pyplot as plt

#读取数据

df = pd. read_ excel(' data. xlsx', sheet_ name = '数据')

df1 = df. groupby('            ', as_ index = True)

xuexiao = []

for item in df1:

xuexiao. append(item[0])   # append(x): 添加x到列表最后

划线处应该填写的是（单选，填字母）

A．学校       B．班级       C．总分       D．名次

（2）其次，通过以下代码段统计各学校各学科有效分以上的人数，并保存到列表ans中。然后绘制柱状图，请在划线①②③处填写合适的代码。

#计算各校各科目达标人数

teshu = 579 # 特殊线分数

kemu = ["语文", "数学", "外语", "选考"]

fenshu = [106,98,114,258]

n =①

m = len(kemu)

ans = [[xuexiao[i] , 0, 0, 0, 0] for i in range(n)]

df2 = df [②]

for i in range(m):

for j in range(n):

df3 = df2[df2['学校'] == xuexiao[j]]

df4 = df3[df3[kemu[i]] >= fenshu[i]]

temp = len(df4)     # len()用于获取DataFrame的行数(记录数)

③

#绘图

df_ p = pd. DataFrame(ans, columns=["学校", "语文", "数学", "英语", "选考"])

#其他绘图代码略

（3）基于以上处理过程，绘制如图b的图表。由图可知，哪个学校数学学科是最弱势学科（填学校名称）

图b

（1）系统运行一段时间后，发现小喇叭连接的p1端口接触不稳定，小丽更换到p2端口，为了保证系统正常运行，小丽需要修改（单选，填字母：A．不需要修改任何程序B．服务器端程序C．智能终端程序）

（2）小丽在家通过手机浏览器查看实时数据，若WIFI状态下正常，使用移动通信网络无法访问，可能的原因是（单选，填字母）

A．IOT模块故障                  B．服务器与互联网连接故障                    C．智能终端与传感器连接故障

（3）下列关于该系统的数据及支撑技术的说法，正确的是（多选，填字母）。

A．服务器是硬件设备，服务器端运行的程序属于应用软件

B．服务器内存大小，决定了该系统可以存储多长时间的历史数据

C．该系统数据输入来源只有温度、湿度、光照强度传感器

D．温度、湿度、光照强度等数据采集时间间隔可以相同，也可以不同

（4）该系统关于宠物房温度数据连续5次温度值的平均值超过某阈值时，通过小喇叭播放声音报警。以下是实现该功能的部分程序段，哪个代码段有误（单选，填字母）#从数据库获取最近5次温度数据的列表lst

#判断avg的值是否在范围内，并返回相应控制信号值，代码略

（5）根据系统现有传感器设备，为系统设计一个基于传感器数据的自动控制功能。

a = "ABC"; n = len(a)

que = [["", "", a]]

while len(que) >0:

d = que. pop(0)     #pop(0)功能是返回索引0位置的数据，并删除

if len(d[0]) = = n:

print(d[0])

else:

if d[1] != "":

que. append([d[0] + d[1][-1], d[1][:-1], d[2]])

if d[2] != "":

que. append([d[0], d[1] + d[2][ 0], d[2][1:]])

程序运行结束后输出内容中的第3个字符串为（     ）

a = [2,3,1,2,4,4,3,2,5,4]

m = 0; tmp =0;

for i in range(len(a)):

if i % 4 != 0:

tmp += a[i]

elif m < tmp:

m = tmp; tmp =0

print(m)

程序运行结束后，输出的结果是（     ）

def f(x):

if x <= 3:

print(x)

return

for i in range(1,5):

f(x - i)

f(6)

程序执行结束后，输出3的个数是（     ）

如data为[3,5,1,6,3,8,7,5,1,8,7]，指定的两组序列为[5,1]、[3,8,7],“变换”处理后的data为[3,129,7,3,6,130,6,11,10,129,7,3,8,7]。对data“重排”处理通过给定的shuff函数实现。

请回答下列问题：

（1）若data为[3,5,1,6,3,8,7,5,1,8,7]，指定的两组序列为[5,1]、[8,7]，经过“变换”处理后，data中插入的标记元素个数为。

（2）“重排”处理的shuff函数如下：

def shuff(data, c):             # 根据列表c对列表data进行重排

# 若列表data的长度不是列表c长度的整数倍，则用0补足，代码略

m = len(c)

s = [0] * m

k = 0

while k < len(data):

for i in range(m):

s[i] = data[k + i]

for i in range(m):

data[k + i] = s[c[i]]

k += m

若data为[3,129,7,3,130,6,11,10]，c为[1,3,0,2]，调用shuff(data, c)后，data的最后一个元素值为。

（3）实现加密功能的部分Python程序如下，请在划线处填入合适的代码。

def compare(data, i, r):

# 函数功能：返回data从索引i位置、r从索引0位置开始的连续相等元素的个数

# 例如r为[7, 3, 6],data从索引i位置开始的元素依次为7, 6, 7, 3, …，函数返回1

j = 0

while j < len(r) and i + j < len(data):

if①:

break

else:

j += 1

return j

def trans(data, r, segs):

newsegs = []

for s in segs:

if s[0] == 0:

h = i = s[1]

m = len(r)

while i + m <= s[2] + 1:

if compare(data, i, r) == m:

if i > h:

newsegs.append([0, h, i－l])             # 为newsegs追加一个元素

newsegs.append([m, i, i + m－1])

i += m

②

else:

i += 1

if h <= s[2]:

newsegs.append([0, h, s[2]])

else:

newsegs.append(s)

return newsegs

def update(data, segs):

for s in segs:

if s[0] != 0:

data.append(0)

p = len(data)－1

for i in range(len(segs)－1, －1,－1):

for j in range(segs[i][2], segs[i][1]－1,－1):

③

p－= 1

if segs[i][0] > 0:

data[p] = 127 + segs[i][0]

p－= 1

# 读取待加密数据存入data,读取指定的若干组用于变换的序列存入rs，代码略

'''

列表segs用于记录data的变换信息，segs[i]包含三个元素，segs[i][0]、segs[i][1]、segs[i][2]分别表示data中一个子序列的状态、起始位置和结束位置，如果segs[i][0]为0，则表示该子序列未经过变换。

'''

segs = [[0,0,len(data)－1]]

for r in rs:

segs = trans(data,r,segs)             # 根据r更新segs

update(data, segs)                                 # 利用segs完成对data的变换操作

c = [1,3,0,2]

shuff(data, c)

# 输出加密后的data序列，代码略

（1）该模拟系统中的传感器和执行器（单选，填字母：A.必须连接在不同智能终端 / B.可以连接在同一智能终端）。

（2）水位传感器和土壤水分传感器连接在同一智能终端，服务器能正常获取土壤含水量数据，但不能正常获取水位数据，以下故障与该现象无关的是（单选，填字母）。

A.水位传感器故障          B.水位传感器与智能终端连接故障          C.智能终端无法与服务器通信

（3）下列关于该系统设计的说法，正确的有（多选，填字母）。

A.水位、土壤含水量等数据的采集时间间隔不能相同

B.水位、土壤含水量等数据可用数据库存储

C.可以基于Flask Web 框架编写服务器程序

D.系统获取数据的程序可以只部署在服务器端

（4）现场实地测试时需要设置多个监测点，每个监测点配备一个智能终端。为使服务器能区分出数据的监测点来源，从智能终端的角度写出一种可行的解决方法。

（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")

df=df[df["年"] == 2023]                    # 筛选出2023年的数据       

plt.bar(df1["月"],df1["水位"])          # 绘制柱形图

#设置绘图参数，显示如图图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）。

①df1 = df1.groupby("月",as_index = False).count()             # 分组计数

②df1 = df.sort_values("水位",ascending = False)                # 降序排序

③df1 = df1.sort_values("水位",ascending = False)             # 降序排序

④df1 = df1.head(100)                                                     # 获取前100条数据

（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（5）小题处理结果的基础上，再运行如下语句，请在划线处填入合适的代码。

df2 = df[]

现要编写程序，每隔1秒采集并检测信号灯是否存在如下异常状态：第一类，红绿灯同亮或同灭；第二类，红灯或绿灯超时，即保持同一状态时长大于上限值（如300秒）。检测到异常状态就发送相应信息。请回答下列问题：

（1）若检测到“红绿灯同亮”异常，则采集到的数据是（单选，填字母）。

A.[0,0]                           B.[0,1]                           C.[1,0]                           D.[1,1]

（2）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。

tlimit = 300                    # 设置信号灯保持同一状态时长上限值

pre = [－1,－1]

t = [0,0]                       # t[0]、t[1]分别记录红灯、绿灯保持同一状态的时长

while True:

# 接收一次采集到的状态数据，存入d，代码略

if①:

if d[0] == 1:

# 发送“红绿灯同亮”信息，代码略

else:

# 发送“红绿灯同灭”信息，代码略

for i in②:   

if d[i] == pre[i]:

t[i]＋= 1

if③:   

if i == 0:

# 发送“红灯超时”信息，代码略

else：

# 发送“绿灯超时”信息，代码略

else:

t[i] = 1

pre = d

# 延时1秒，代码略

p,i = h,0

while p! =－1:

tp = d[p][1]

if p == i:

i＋= 1

elif p>i:

d[i][0],d[p][0] = d[p][0],d[i][0]

i＋= 1

p = tp

# 调整头指针h及指针区域，保持节点链接关系不变，代码略

for i in range(0,len(a)－1,2):

if i > 0 and a[i] < a[i－1]:

a[i],a[i－1] = a[i－1],a[i]

if a[i] < a[i＋1]:

a[i],a[i＋1] = a[i＋1],a[i]

列表a有6个元素，运行该程序段后，a可能的值是（     ）