df = pd.read_excel("历年世界杯各国数据.xlsx")

print(df)

则方框处可选代码是 (按数据处理先后顺序填序号)。

①df = df.groupby("所属大洲")

②df = df[：3]

③df = df.sort_values("进球数"， ascending=False)

④df = df[df["所属大洲"]=="非洲"]

⑤df = df["非洲"]

图 b

df1 = pd.read_excel("历年世界杯各国数据.xlsx")

df2 = pd.read_excel("英格兰.xlsx")

for i in range(len(df1))：

if df1.at[i， "球队"]=="英格兰"：

break

for line in df2.values：

    goal = line[2]； lost = line[3]

    if goal>lost：

        df1.at[index， "胜"] += 1

    elif

        goal<lost：

        df1.at[index， "负"] += 1

    else：

        df1.at[index， "平"] += 1

df1.at[index， "进球数"] += goal

df1.at[index， "失球数"] += lost

df1.at[index， "净胜球"] += goal - lost

df1.to_excel("(new)历年世界杯各国数据.xlsx"， index=False) #去除索引保存文件

图 c

df1 = pd.read_excel("(new)历年世界杯各国数据.xlsx")

df1 = df1.sort_values("进球数"，ascending=False)      #①

df1 = df1[df1["所属大洲"]=="南美洲"]

df1 = df1[["球队"， "进球数"]]                                       #②

df1.plot.bar(x="球队"， y="进球数")                             #③

plt.show()                                                                         #④

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()

def check(datafile):

    df=pd.read_excel(datafile)

    df["票数"]=df.sum(axis=1)-df["序号"]    # 统计每张选票的票选数

    df1=df[    ]

    return df1

划线处应填入的代码为       （单选，填字母）。

df=check("vote2023.xlsx")

df2=df.drop(["序号","票数"],axis=1)   # 删除序号列、票数列

s=[];st=[]

for i in df2.columns:

    s.append([i,int(df2[i].sum())])

    #统计每人选票数，格式如['李彤',377]

for i in range(len(s)):

    num=1

    for j in range(len(s)):

        if  :

            num+=1

        if :

            st.append(s[i])     # 存储前三名数据

for i in range(len(st)):

    plt.bar(st[i][0], )     # 绘制柱形图

# 设置图表的标题及图例数据并显示图表，代码略

图 b

import pandas as pd

import matplotlib.pyplot as plt

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

tp = input('请输入疾病类型：')

df1 =       # 筛选 tp 疾病的数据

count = [0] * 4

for i in range(len(df1)):

    age = df.at[i, "年龄"]

    if:

        count[0] += 1

    elif age <= 35:

        count[1] += 1

    elif age <= 60:

        count[2] += 1

    else:

        count[3] += 1

x = ['0-18', '19-35', '36-60', '61 以上']

y = []

for i in range(4):

    y.append

plt.bar(x, y)      # 显示不同年龄段患该病的人数百分比

# 设置图表其他参数，代码略

plt.show()

def get_head10(df, age):

    return df.疾病.head(10)

print(get_head10(df, 61))

上述程序段中方框处可选代码为：

①df = df.sort_values("年龄", ascending=False)

②df = df[df.年龄 >= age]

③df = df.groupby("疾病", as_index=False).count()

则加框处应填代码的顺序依次为(   )（单选，填字母）

图b

import pandas as pd

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']

plt.rcParams['axes.unicode_minus'] = False

import pandas as pd

df=pd.read_excel ("weather.xlsx")

df1=                    

print(df1)

import matplotlib.pyplot as plt

plt.rcParams['font.family']='SimHei'  #设置图表中的中文字体

days=[31,28,31,30,31,30,31,31,30,31,30,31]   #2022 年每月天数

rain_days=[0]*12

begin=0

for m in range(12):

for d in range(begin, ):

if df1.at[d,"降水量"]>0:

begin+=days[m]

x=[i+1 for i in range(12)]

y=rain_days

plt.bar ( , label="降水天数") plt.xticks(x)    #设置横坐标刻度

plt.legend()

plt.show ()

图 c

import pandas as pd                 #引入pandas 模块

import matplotlib.pyplot as plt     #引入matplotlib 的pyplot 子库

df=pd. ('cj.xlsx')    #读取"cj.xlsx"文件中的数据，创建DataFrame 对象df

# 若要筛选本次考试数学分数超过120分且技术分数到达88分及以上的学生并输出他们的考试情况 (df1中保存筛选结果，提示： 多条件筛选时，与(and) 关系用“&”连接， 或(or) 关系用“|”连接)

df1 =  (单选， 填字母)

print (df1)

A．df[(df["数学"] >= 120 )&(df["技术取高"] >= 88)]

B．df[(df["数学"] > 120 )&(df["技术取高"] >= 88)]

C．df[(df["数学"] > 120 ) | (df["技术取高"] >= 88)]

D．df[(df["数学"] >= 120 ) | (df["技术取高"] > 88)]

# 若要了解该校参加该次考试选考各科的选课人数，请完善下面的代码。

for km in df.columns[6:13]:

    renshu = ;

    print("选",km,"的人数为：",renshu)

# 想要了解该校技术班级数学科的平均分，并绘制一个图表， 针对各班数学平均分进行比较分析 df2 = df.groupby("班级"，as_index = False).mean()

df3 = df2.sort_values("数学",  ) # 通过排序使得按平均分降序排序并存储在 df3 中 plt.bar (df3.班级， df3.数学 )

plt.title("班级数学平均分比较")

plt.xlabel("班级")

plt.ylabel("数学平均分")

plt.show ()

import pandas as pd

import matplotlib.pyplot as plt

plt.rcParams["font.sans-serif"] = ["Simhei"]

df=pd.read_excel ("空气质量.xlsx")

df=df.head(24*7)

df_ave=df.groupby("日期",as_index=False).        #日平均 AQI df_sort=df_ave.sort_values("AQI",ascending= ) 

plt.bar( ,df_sort["AQI"],label="日均空气质量指数")  

plt.legend( )

plt.xlabel("日期")

plt.ylabel("AQI 值")

plt.title("湖州市 11 月第 1 周日均空气质量指数对比")

plt.show ()