图 a | 图 b |
import pandas as pd
import matplotlib.pyplot as plt
#读取如图 b 所示数据,保存到 DataFrame 对象 df1 中,代码略
f = [9, 7, 6, 5, 4, 3, 2, 1]
for i in range(0,len(dfl)):
rank = df1.at[i,"名次"] #通过行、列标签取单个值
score = 0
if rank <= 8:
df1.at[i,"得分"] = score
df2 = dfl.groupby(" ▲ ",as_index=False).sum() #分组求和
#设置绘图参数,代码略
plt.bar(x,y) #绘制柱形图
①请在程序中划线处填入合适的代码。
②程序的方框中应填入的正确代码为 (单选,填字母)
A.x = df1["专业"]
y = df1["总分"]
B.x = df2["专业"]
y = df2["得分"]
C.df1["专业"] = "专业"
df1["总分"] = "总分"
D.Df2["专业"] = "专业"
Df2["得分"] = "得分"
def f(x):
for i in b:
if x==i:
return True
return False a=[2,0,9,3,10]
b=[10,9,16,2,7]
for i in a:
if f(i):
cnt+=1 print(cnt)
程序执行后的输出结果是( )
y="温度过高" if w<10:
y="温度过低"
else:
y="温度正常" print(y)
B . y="温度正常"if w>30:
y="温度过高"
elif w<10:
y="温度过低" print(y)
C . if w>30:y="温度过高" elif w<10:
y="温度过低" else:
y="温度正常"
print(y)
D . if w>30:y="温度过高" if w<10:
y="温度过低" if 10<=w<=30:
y="温度正常"
print(y)
亚运会直播累计获62亿人次观看,相关话题视频播放量也超过503亿。杭州亚运会运用了多种AI技术,如高速运动AI解说系统,通过多种传感器采集运动数据,基于多模态大模型算法和深度学习模型对这些运动数据进行分析并生成实时的个性化解说服务,从而为不同语种的观众提供个性化解说。又比如通过大数据的分析处理,人工智能可以准确判断对手的特点和态势,帮助运动员做出更精准的决策,并实时调整自己的战术策略。
dic = {"a": [9,12],"b": [8,16]}
dic["a"][1] = 15
dic["c"] = [12,13,11]
s="abc";sum=0
for i in s:
sum += dic[i][1] print(sum)
该程序运行后输出的结果为( )
a=[9, 7, 17, 16, 13, 9, 16, 14, 8, 13]
n=len(a)
p=[False]*n
ans=[]
for i in range(2):
mx=-1
for j in range(n):
if not p[j]:
if mx==-1 or a[j]>a[mx]:
mx=j p[mx]=True
ans.append(a[mx]) print(ans)
程序执行后的输出结果是( )