相关试卷

A.df.groupby("地市",as_index=False).count()

B.df.groupby("地市",as_index=False).sum()

C.df.groupby("地市",as_index=True).mean()

import pandas as pd

import matplotlib.pyplot as plt

df = pd.read_excel("T14.xlsx")

df1 =   ①         # 计算各地市不同年龄段的人数

print ("地 市17 岁以下    18-34 岁   35-59 岁   60 岁及以上")

#“df1.values.tolist()”实现将 df1 转换为二维列表。列表中每个元素包含 5 个数

#据项，分别对应地市名称和该地市 4 个年龄段人数总计，如['丽水市', 501421, ...]

df2=df1.values.tolist()

x,y = [],[]

for area in df2:

    for c in range(len(area)):

        if c == 0:

            x.append(area[0])

            print(area[0], end=" ?")

        else:

            sm = sum(area[1:])     #sum 函数实现对序列求和

            t=   ②   

            print('%.2f' %(t), end="% ?")     #按设置格式输出

            if c == 4:

                y.append(t)

print()

plt.title("浙江省各地市 60 岁以上人数占本地市总人口比例", fontsize=24)

plt.bar(x, y)

#绘制 60 岁及以上人数占本地市总人口比例柱形图

#设置绘图参数，显示如图 c 所示，代码略。

#df1为二维列表，列表中每个元素包含6个数据项，内容如图a所示；函数返回值dfs格式同题（1）二维列表 df2

def mygroupby(df1):

    dfs=[]     #创建一个空列表 dfs

    for row in df1:

        if n>0:

            for j in range(n):

                if row[0]==dfs[j][0]:

                    break

        if n==0 or row[0] != dfs[j][0]:

            dfs.append([row[0],0,0,0,0])

            j=n

        for k in range(2,len(row)):

return dfs

#导入各模块代码略

@app.route("/s")

def index( ):

    #数据库连接等代码略

    id=request.args.get("id")    #接收智能终端上传的传感器编号

    t=int(request.args.get("t"))    #接收智能终端上传的温度数值

    d=

    s="insert into da(id,tem)

    values ('"+id+"',"+str(d)+ ")"

    cur.execute(s)    #将数据保存到数据库中

    #数据库其它操作代码略

    return "ok"

if __name__ == "__main__":

    app.run(host="192.168.0.1",port=8080)

import pandas as pd

m = int(input('请输入需完成的最少任务数：'))

df = pd.read_excel('task.xlsx')

name = list(df.columns[2:]) #取任务名称

plan = list(df.计划号) #取计划号

task = list(df.values)

#task 中的保存 df 中的数据，不含标题。格式如图b所示

for i in range(len(task)):

    head = task[i][1]

    stat,k = check_up(link,head)

    if stat == 2:

        print(plan[i],'：安排合理，共完成',k,'项任务')

    elif :

        print(plan[i],'：任务重复，出错任务为',name[k])

    else:

        print(plan[i],'：任务不足，出错任务为',name[k])

def check_up(link,head):

    cnt=1

    p=link[head]

    pre=p

    while p!= -1 and p not in finished:

        finished.append(p)

        pre = p

        cnt+=1

    if p==-1:

        if cnt<m:

            return 1,pre

        else:

            return 2,cnt

    elif p in finished:

        return 0,pre

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']

import pandas as pd

import matplotlib.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:

        else:

            if count[j]>daymax[j]:

                daymax[j]=count[j]

            count[j]=0

    for k in range(n):

        if count[k]>daymax[k]:

print(daymax)

plt.figure(figsize=(12,4))

x=

y=daymax

plt.bar(x,y)

plt.show()

#导入相关模块，代码略

IP = "192.168.10.1" ; PORT = "5000"     # Web 服务器的 IP 地址和端口

#设置 IoT 模块连接的 Web 服务器的 IP 地址和端口，代码略

while True:

    temp, hum = dht11.read(pin0) #获取温度数据 temp，湿度数据 hum

    light = pin1.read_analog() #获取光线强度数据 light

    errno, resp = Obloq.get("  .    " + str(temp) + "&hum=" + str(hum) +

"&light=" + str(light) ,60000)

# 其他代码略

若智能终端上传数据给Web服务器的URL为 http://192.168.10.1:5000 /trans?

temp=30&hum=300&light=40，则程序划线处的代码应为。