相关试卷

def sort(info):

    m=len(info)

    for i in range(1,m):

        for j in range(0,m-i):

            if info[j][0] > info[j+1][0]:

                info[j],info[j+1] = info[j+1],info[j]

若输入的info=[[1,2,1],[0,1,3],[2,3,4],[3,-1,2]],运行 sort(info)后，info中的数据为       （单选，填字母）。

def crt_lnk():     #创建工序链表，维护相关信息

    for job in info:

        lnk.append([job[0],job[1]])

    for i in range(n):

        if pre[i] == 0:

            cur = i

            while cur != -1:

                src[cur].append(i)

def cal_ans(obj):     #计算完成工序 obj 的费用

    flag=[0]*n

    res = info[obj][2]

    for i in src[obj]:

        p = i

        while p != obj:

            if flag[p]==0:

                flag[p]=1

            p = lnk[p][1]

    return res

#读取数据到列表 info，每个元素依次为工序编号、后续工序及该工序的费用，代码略

n = len(info)

pre = [0] * n     #pre 列表用于存储每个工序的前置工序的数量

lnk = []

src = [[] for i in range(n)]

sort(info)

m = int(input())

crt_lnk()

print(cal_ans(m))

import pandas as pd

def get_sales(brand, month):

    filename = str(month) + '.csv'

    df = pd.read_csv(filename)    #读取文件

    df =       

    sales = (df['数量'] * df['单价']).sum() #求出 df 中所有数量*单价的总和

return sales

import matplotlib.pyplot as plt

brand_dict = {'格力': 0, '美的': 0, '海尔': 0, '奥克斯': 0, '海信': 0, '三菱重工': 0, '日立': 0, '华菱': 0, 'TCL':0, '大金': 0}

x,y,max_sales,brandmax = [],[],0,''

for i in range(1,13):

    for j in brand_dict:

        brand_dict[j] +=

for i in brand_dict:

    if brand_dict[i] > max_sales:

        max_sales = brand_dict[i]

for i in range(1,13):

    x.append()

    y.append(get_sales(brandmax,i))

plt.plot(x,y)

plt.show()    #生成线形图如3 图所示

2 图

#读取待处理数据，保存在数组 d 中，并显示输出，代码略

mt,i,n=[],1,len(d)

while i<n:

    while i<n and d[i]<=d[i-1]:    #A

        i+=1

    st=i-1

    while i<n and d[i]>d[i-1]:

        i+=1

    if:

        continue    #跳出本轮循环，然后继续进行下一轮循环

    while i<n and d[i]<d[i-1]:

        i+=1

    ln=i-st

    if len(mt)==0:

        mt.append([ln,st,-1])    #为 mt 追加一个列表元素

        head=0;q=head

    else:

        while p!=-1 and :

            q=p

            p=mt[p][2]

        if p==head:

            mt.append([ln,st,head])

            head=len(mt)-1

        else:

            mt.append([ln,st,p])

if len(mt)==0:

    print("不存在波峰")

else:

    print("输出结果(长度：开始下标～结束下标):")

    p=head

    while p!=-1:

        print(mt[p][0],":",mt[p][1]," ～",mt[p][0]+mt[p][1]-1)

        p=mt[p][2]

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)