A.存储器   B.控制器   C.中央处理器   D.运算器

E.传感器   F.显示器

A.信息   B.数据   C.系统软件   D.应用软件

①确认预约挂号，支付挂号费   ②查看医生出诊排班，预约医生

③微信搜索并关注医院公众号   ④凭预约码去医院就诊⑤收到预约码和就诊提醒短信

其正确的顺序是（   ）。

A.处理   B.计算   C.输出   D.决策

@app.route（"", methods=["GET"]）

Def get_bh（）:

DB="data/books.db"

bbh=request.args.get（"bbh"）

conn=sqlite3.connect（）

#在数据库中查询编号为bbh的图书借阅日期存入变量rslt，代码略

return rslt

import pandas as pd

import matplotlib.pyplot as plt

df=pd.read_csv(’bookdata.csv’）           #读取bookdata.csv中的数据

df_gp=df.groupby（’BookTitle’, as_index=False）[’BookID’]．   Ⓐ  

#分组统计书籍被借阅次数

n=len（df_gp）

pm=[1]*n

for i in range（n）:

for j in range（n）:

if df_gp.at[i,'BookID']<df_gp.at[j,'BookID']:

#通过行标签和列标签选取值进行比较

pm[i]+=1

df_gp.insert（2, ’排名’, pm）                  #插入“排名”列，值为列表pm

df_pm=df_gp[   Ⓑ   ]                      #筛选最受欢迎的五本图书

df_pm=df_pm.sort_values（’排名’, ascending=True,ignore_index=True）#升序排列

print（’本月图书借阅次数最多的前五名：’）

print（df_pm[’BookTitle’]）

①划线Ⓐ处应填入的代码为（单选：填字母）

A．sum( )   B．mean( )   C．count( )   D．max( )

②在划线Ⓑ处填写合适的代码。

#导入 Flask 框架模块及其他相关模块，代码略

app=Flask(__name__)

@app.route("/")

def index():

#从数据库读取温度和湿度数据，并返回页面，代码略

@app.route("/search")

def search():

#根据日期查询相应数据，并返回页面，代码略

#服务器其他功能，代码略

import pandas as pd

import matplotlib.pyplot as plt df=pd.read_csv("data.csv")       #读取文件 data.csv 中的数据

df.insert(0,"小时","")      #插入列

for i in df.index:       #通过行标签和列标签选取单个值

    t=df.at[i,"时间"]

    df.at[i,"小时"]=t[:2]

df=df.groupby("小时",as_index=False).▲     #以“小时”分组求均值

plt.bar(df.小时,df.温度)

#设置绘图参数，显示如图 c 所示柱形图，代码略

①程序中划线处合适的代码是（单选， 填字母： A .sum()/B .mean()/C .count()）。

②加框处的语句作用：实现获取当天平均温度高于30的所有时间段中温度最高的5个，该处代码由以下三部分组成：

A .df=df.sort_values("温度")     B .df=df.tail(5)     C .df=df[df.温度>30]

则加框处代码依次为 （填字母）。

#导入函数库，代码略

#设置智能终端连接 web服务器的参数、连接网络的参数并连接网络，代码略

while True：

    h=pin0. read_analog()

    errno, resp=obloq. get（"input？ id=1&h="+  ,  10000）

    if errno! =200：#表明网络通信连接异常

        display. show（str（errno））

    else：

        if resp=="1"：       #开启水泵进行浇灌

            pin1. write_digital（1）

            sleep（10*60*1000）

    sleep（1000*5）

import pandas aspd

import matplotlib.pyplot asplt

df=pd.read-excel（"day.xlsx"）

df1=df[  ]

df2=df1.groupby（"设备名称" , as-index—False）.count()

plt.（df2.设备名称, df2.是否浇水）

plt.title（"各区块8月10日浇水次数统计"）

plt.show()