Python程序设计考核题目(练习卷)

'''python程序设计是全校公共课，选课学生有1万人，现在模拟构造成绩数据集，并测试相关应用，任务如下：1)构建一个学生编号列表，其中学生编号为字符串，从PY00001-PY10000，记为F1;2)构建一个学生选课名称列表，元素值为课程名称（均为“Python”），记为F2，  其中F2长度与F1相同。3)构建学生成绩数组（一维），元素值为成绩（0-100中随机生成的整数），记为F3，  其长度也与F1相同4)通过构造字典，将其转换为数据框df，其中数据字段列名分别为：  学号、课程名称、成绩，数据依次为F1、F2、F35)构建一个成绩分级列表F4，对成绩数据进行分级：  优秀（90-100）、良好（80-89）、中等（70-79）、及格（60-69）、不及格（0-59）6)将F4添加到df后面，列名称记为成绩分级，最后得到的df字段名称和数据为：  学号、课程名称、成绩、成绩分级，数据依次为F1、F2、F3、F47)基于最新的df数据框的数据内容，进行统计分析，统计内容包括：  优秀人数、良好人数、中等人数、及格人数、不及格人数、及格率和优秀率，  并通过print打印出来'''

def level(t):    if t>=90 and t<=100:        s='优秀'    elif t>=80 and t<=89:        s='良好'    elif t>=70 and t<=79:        s='中等'    elif t>=60 and t<=69:        s='及格'    else:        s='不及格'    return sF1=[]F2=[]F3=[]import randomimport numpy as npimport pandas as pdfor i in range(1,10001):    xh='PY'+str(i)    k=7-len(xh)    s=''    for t in range(k):        s=s+'0'    xh='PY'+s+str(i)    F1.append(xh)    F2.append('python')    F3.append(random.randint(0,100))F3=np.array(F3)d={'学号':F1,'课程名称':F2,'成绩':F3}df=pd.DataFrame(d)F4=[]for i in range(len(df)):    c=df.iloc[i,2]    s=level(c)    F4.append(s)df['成绩分级']=F4res=df.groupby('成绩分级')['成绩分级'].count()print('不及格人数：',res['不及格'])print('及格人数：',res['及格'])print('中等人数：',res['中等'])print('良好人数：',res['良好'])print('优秀人数：',res['优秀'])print('及格率：',(10000-res['不及格'])/10000)print('优秀率：',res['优秀']/10000)

'''今有地铁站点进出站客流数据表(Data.xlsx)，表结构字段如下：站点编号、日期、时刻、进站人数、出站人数，第一条记录数据形如：155	2015-10-01	7	294	1215数据类型：数值、字符串、数值、数值、数值完成以下任务：1)基于pandas读取数据表，获得数据变量A（数据框）2)取出A的第0列，通过去重的方式获得地铁站点编号列表，记为code3)筛选155、135、127三个站点编号，国庆期间(10.1-10.7)的数据记录，  数据字段同A4)计算每个站点国庆节期间（10.1~10.7）的进站人数和出站人数，  并基于2*1的子图结构，第1个子图绘制各站点进站人数的柱状图，  第2个子图绘制各站点出站人数的线性图5)计算每个站点10.8-10.31的进站人数，并创建一个序列将其存储起来，  其中序列的值为进站人数，索引（index）为站点编号，  并将序列按值进行降序排序'''

#1)import pandas as pdA=pd.read_excel('Data.xlsx')#2)code=list(A.iloc[:,0].unique())#3)tf1=A['站点编号'].values==155tf2=A['站点编号'].values==135tf3=A['站点编号'].values==127tf4=A['日期'].values<='2015-10-07'tf=(tf1&tf4)|(tf2&tf4)|(tf3&tf4)res=A.iloc[tf,:]#4)A1=A.iloc[tf4,:]r1=A1.groupby(['站点编号'])['进站人数'].sum()  #进站r2=A1.groupby(['站点编号'])['出站人数'].sum()  #进站import matplotlib.pyplot as pltplt.rcParams['font.sans-serif']='SimHei'plt.subplot(2,1,1)plt.bar(list(r1.index),list(r1.values))plt.xlabel('站点编号')plt.ylabel('进站人数')plt.title('各站点进站人数的柱状图')plt.subplot(2,1,2)plt.plot(list(r2.index),list(r2.values))plt.tight_layout()plt.show()#5)A2=A.iloc[~tf4,:]re2=A2.groupby(['站点编号'])['进站人数'].sum()  #进站re2=re2.sort_values(ascending=False) 

'''今有表1和表2两个数据表，其中表1字段如下：单品编码、单品名称、分类编码、分类名称，其中一条记录（均为字符串）如：102900005115168、牛首生菜、1011010101、花叶类 表2字段如下：销售日期、扫码销售时间、单品编码、销量(千克)、销售单价(元/千克)、销售类型、是否打折销售，其中一条记录如下（数据类型为：前3为字符串、4-5为数值，6-7为字符串）：2020-07-01、09:15:07.924、102900005117056、0.396、7.60、销售、否任务如下：1)以单品编码作为关联字段，进行内连接，合并为一个完整数据表。2)在此基础上，计算6个蔬菜品类（分类名称）每天的销售量和销售额3)定义一个函数，输入参数为蔬菜品类（分类名称）、日期，返回值为销售量和销售额4)调用该函数，给出一个调用例子'''

#1)import pandas as pdb1=pd.read_excel('表1.xlsx')b2=pd.read_excel('表2.xlsx')b=pd.merge(b1,b2,how='inner',on=['单品编码'])#2)r1=b.groupby(['分类名称','销售日期'])['销量(千克)'].sum()b['销售额']=b['销量(千克)'].values*b['销售单价(元/千克)'].valuesr2=b.groupby(['分类名称','销售日期'])['销售额'].sum()#3）def qa(nm,day):    #nm--分类名称    #day--日期，形如“2020-07-01”字符串    data=pd.DataFrame(list(r1.index))    data.columns=['分类名称','日期']    data['销售量']=r1.values    data['销售额']=r2.values    #将字符串日期转化为Timestamp，因为data中的日期是Timestamp类型    day_timestamp=pd.to_datetime(day)    tf1=data['日期'].values==day_timestamp    tf2=data['分类名称'].values==nm    data_qa=data.iloc[tf1&tf2,:]    if len(data_qa)>0:        return (data_qa.iloc[0,2],data_qa.iloc[0,3])    else:        return '没有查询到数据'#4）res=qa('花叶类','2020-07-02')print('花叶类,2020-07-02销售量为：',res[0])print('花叶类,2020-07-02销售额为：',res[1])