相关试卷

验证数据集中，单个待测数据的预测步骤如下：

①计算该待测数据与样本数据所有点的距离。例如，待测的身高体重数据(160,50)与样本数据(163,54)，根据（距离计算公式$\sqrt{{(\mathrm{x}1-\mathrm{x}2)}^2+{(\mathrm{y}1-\mathrm{y}2)}^2}$）计算，距离为5；

②将样本按照距离升序排序；

③取前k个距离最近的样本；

④统计出k个样本中频次最高的性别，则为预测性别，并判断本次预测是否准确；

请回答下列问题：

                           图a                              图b                                           图c

（1）如图b所示，若用★表示待测数据，当k=3时，选取离它最近的3个数据，则预测结果为（填：男/女）。

（2）根据样本、验证数据集，通过实验来确定准确率最高的k值的程序如下，请在划线处填入合适的代码。

def cal(a,b):

       r=0

       for i in range(2):

             ①

       return round(r**0.5,2)

#距离列表生成函数

def getjl(data,sample):

       jl=[]

       for unit in sample:

             jl.append( [cal(data,unit),unit[2]] )

       return jl

"读取样本数据集存入sample列表，读取验证数据集存入test列表，每个元素包含身高、体重、性别3个数据项，代码略"

res=[0]*(len(sample)+1)

maxk=0

maxcnt=0

for k in range(1,len(sample)+1):

       for data in test:

             d={}

             mtype='' #存储预测性别

             mcnt=0

             jl=getjl(data,sample)

             for i in range( ): #1

                  for j in range( ): #2

                           if ②:

                                 jl[j],jl[j-1]=jl[j-1],jl[j]

             for t in range(k):

                    if jl[t][1] not in d:

                           d[jl[t][1]]=1

                    else:

                           d[jl[t][1]]+=1

                    if d[jl[t][1]] > mcnt:

                           mcnt=d[jl[t][1]]

                           ③

             if data[2] == mtype:

                    res[k]+=1

       if res[k] > maxcnt:

             maxcnt=res[k]

             maxk=k

       print('Now K:',k,' | 预测正确概率:',round(res[k]/len(test)*100,2),'%' )

print('K推荐值：',maxk)

（3）根据K近邻算法特性，仅需获取k个距离最近的样本，则以上程序加框处可进行优化的是（单选，填数字：1/2），优化代码为

请回答问题：

（1）下列功能无法在智能终端程序中实现的是（单选，填字母：A．采集传感器上的数据/B．传输数据到服务器/C．分析历史数据/D．发送指令到执行器）。

（2）基于Flask Web框架编写服务器端获取传感器数据的程序，部分代码如下：

app=Flask(_name_)

@app.route("/input")

def judge():

       id=int(request.args.get('id'))

       ph=float(request.args.get('p'))

#根据阈值，判断是否异常，并将结果返回到智能终端，代码略

if _name_ == "_main_":

       app.run(host=" 192.168.43.117 ", port=8080)

若深水区监测点编号id为2，某时刻采集的pH值为6.9，则该智能终端发送的URL

为http://(单选，填字母)。

A.192.168.43.117:8080/?id=2&ph=6.9       B.192.168.43.117:8080/input?id=2&ph=6.9

C.192.168.43.117:8080/?id=2&p=6.9       D.192.168.43.117:8080/input?id=2&p=6.9

（3）系统运行一段时间后，发现每个监测点的净化器都一直在工作，请从软件和数据的角度分析出现该现象的可能原因是。（注：回答2项）

（4）将系统中4月份的数据导出到文件data.xlsx中，部分数据如图a所示，分析每个监测点水温处于23℃~28℃的舒适范围内的天数，绘制如图b所示的柱形图，请在划线处填入合适的代码：

                                        图a                                                     图b

import pandas as pd

import matplotlib.pyplot as plt

df=pd.read_excel("data.xlsx")

df1=df[df["水温"]>=23]

df2=①

df3=df2.groupby("监测点",as_index=False)["水温"].②

plt.bar(③)

请回答下列问题：

（1）若某用户年龄为20，运动过程中某时刻的心率值为150，则该跑步机认为其心率（单选，填字母： A.正常/B.偏低/C.偏高）。

（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。

mina = 0;maxa = 15

mind = 1;maxd = 20

age = int(input("年龄:"))

t =int(input("跑步总时长(分钟):"))

d =int(input("初始速度(km/h):"))

th = 0.7 * (220 - age)

a = 0

m = 0

while m < t:

       # 获取当前心率数据存储到变量ch中，代码略

       while m < t and ①:

             if a < maxa:

                    a += 1

                    print("心率偏低 → 坡度升为↑", a)

             elif ②:

                    d += 1

                    print("坡度达到上限 → 速度升为↑", d)

             ③

             # 获取当前心率数据存储到变量ch中，代码略

#心率偏高，降低坡度、速度，代码略

#心率正常，维持原坡度、速度，代码略

       m += 1

n=int(input("请输入参与人数："))

m=int(input("请输入淘汰数："))

a=[[i+1,i+1]for i in range(n)]

a[n-1][1]=0

q=0;t=1

while n > 0:

       t+=1

print("胜出者为：",a[q][0])

a=[98,……,85,85,85,85,……,50]

key=int(input("请输入要查找的数据:"))

i=0;j=len(a)-1

while i <= j:

       m=(i+j)//2

       if (1)       :

             i=m+1

       else:

             j=m-1

print("大于等于key值的人数为:",(2)       )

划线（1）（2）处可供选择的语句有：

①key <= a[m]   ②key   < a[m]   ③j+1   ④i+1

则正确的代码应为（     ）

def f(j,t,b):

       if t < 0:

             return "no answer"

       elif j*2+t*4 == b:

             return str(j)+" "+str(t)

       else:

             return f(j+1,t-1,b)

print(f(0,10,36))

运行该程序段，输出的结果是（     ）

（1）实验室某天09:30前学生进出情况如图a所示，09:00时实验室内的学生数为。

图a

（2）定义如下函数，用于统计在实验室连续停留时间少于5分钟的学生人次。参数b列表中每个元素包含3个数据项，依次为学号、时间（用分钟表示，例如08:05表示为485）和行为（1表示进，-1表示出）。列表b用于存放某天学生进、出实验室的记录，每条进（出）的记录都有一条与之对应的出（进）记录。

def fcount（b）:

       i=cnt=0

       while i < len(b)-1:

             if b[i+1][1]-b[i][1]<5:

                    cnt+=1

             i+=1

       return cnt

①要实现函数功能，方框处需实现对列表b的操作是（单选）。

A.按时间排序；时间相同时，按行为由大到小排序

B.按学号排序；学号相同时，按时间由小到大排序

C.按行为排序；行为相同时，按学号由小到大排序

②若函数fcount（b）的功能修改为统计“学生离开实验室后，8分钟内返回”的情况出现的次数，可将函数中划线处代码修改为：and b[i][1]-b[i-1][1]<8。

（3）仪器预约系统中，学生可在线预约仪器使用时段，系统按预约提交顺序逐个处理，如果预约的使用时段有仪器可用，预约成功，否则失败。

实现预约处理功能的函数如下，其中用到的部分列表函数与方法如图b所示，请在划线处填入合适的代码。

图b

""

函数参数data列表存放已按提交顺序排列的预约信息，每个元素包含4个数据项，依次为学号、起始时间、终止时间、是否成功。其中起始、终止时间都用8位数字字符串表示，如“09280830”表示9月28日8点30分，“是否成功”数据项用于存放每个预约的处理结果。

参数m存放实验室仪器台数。

""

def proc(data,m):

       a=[]

       for i in range(len(data)):

             ①

             pl=0

             while pl < len(a)and a[p1][0] < data[i][1]:

                    pl+=1

             if pl > 0:

                    p2=p1-1

             else:

                    p2=0

             while p2 < len(a) and a[p2][0] < data[i][2]:

                    if②:

                           flag=False

                           break

                    p2+=1

             if flag:

                    for j in range(p1,p2)

                           a[i][1]+=1

                    a.insert(p2,[data[i][2],0])

                    a.insert(p1,[data[i][1],1])

                    if pl>0:

                           ①

                    a[p2+1][1]=a[p2][1]-1

             data[i][3]=flag

（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划线处（单选）。

import pandas as pd

import matplotlib.pyplot as plt

df=pd.read_excel("pHdata.xlsx")

dfl=df.groupby("月",as_index=False).pH.mean()             #分组求平均

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.df.sort_values("pH",ascending=False)                                #降序排序

D.df_ex.groupby("日",as_index=False).pH.count()                 #分组计数

E.dfl.sort_values("pH",ascending=False)

F.df_ex.groupby("时",as_index=False).pH.count()

（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，请在划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

max n=start=maxt=0

①

while i < len（data）:

       if 6<=data[i]<=8:

             total=0

             k=i

             while i < len（data） and   6 <= data[i] <= 8:

                    total+=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

（1）pH数据从采集到存入数据库的数据流向为（单选）。

A.传感器→服务器→智能终端→数据库

B.传感器→智能终端→服务器→数据库

（2）该系统的数据处理（单选）。

A.全部在服务器端完成

B.全部在智能终端完成

C.部分在智能终端完成，部分在服务器端完成

（3）若连接在智能终端上的5G模块突发故障不能工作，会引发的问题有（多选）

A.无法通过浏览器访问溶解氧历史数据             B.智能终端无法传输pH数据至服务器

C.服务器向智能终端传送控制信号失败               D.服务器向管理员发送警示信息失败

（4）智能终端每小时获取的3个pH数据分别存入y1、y2和y3，将中位数存入m的部分流程图如图所示。图中①处应填入。

（5）现需增加水温监测的功能，在智能终端接入温度传感器后，还需对软件部分作多处修改。请用文字描述其中1处修改建议。

def bsearch(data,key):

       i,j=0,len(data)-1

       while i<=j:

             m=(i+j)//2

             for k in range(m-1,m+2):

                    if i<=k<=j and data[k]==key:

                           return k

             if data[m] < key:

                    i=m+2

             else:

                    j=m-2

       return-1

如果调用函数返回结果不正确，则data可能是（     ）