1. (2022高二上·余姚期中) 小明搜集了某網(wǎng)絡(luò)購物平臺2021年1月1日至2021年9月30日時(shí)間段內(nèi)的日用化妝品銷售數(shù)據(jù)，原始數(shù)據(jù)如下圖a所示。

圖 a

1. （1） 小明對數(shù)據(jù)進(jìn)行了整理，下列操作不恰當(dāng)?shù)氖牵?  ）(單選，填字母)。

   A . 發(fā)現(xiàn)記錄中有6條重復(fù)，對這6條記錄進(jìn)行了刪除 B . 發(fā)現(xiàn)記錄中有38處數(shù)據(jù)項(xiàng)缺失，直接刪除相關(guān)記錄 C . 將某條記錄中訂單日期“2050-6-9”訂正為“2021-6-9” D . 將某條記錄中訂單日期“2021#3#11”修改為“2021-3-11”
3. （2） 圖a 所示的數(shù)據(jù)為(A .結(jié)構(gòu)化數(shù)據(jù)\ B .非結(jié)構(gòu)化數(shù)據(jù)\ C .半結(jié)構(gòu)化數(shù)據(jù)）
5. （3） 小明發(fā)現(xiàn)數(shù)據(jù)中仍有極少量時(shí)間段外的記錄混雜其中，利用Python 及pandas 模塊進(jìn)行處理。請回答問題：

   ①采用 pandas 模塊中的 (單選：填字母：A .Series/B .DataFrame) 數(shù)據(jù)結(jié)構(gòu)存儲全部數(shù)據(jù)會比較高效。

   ②全部數(shù)據(jù)保存于變量 df 中，為篩選出訂單日期為 2021 年第一季度內(nèi)的所有記錄，可以執(zhí)行 Python語句 dfl=，則 dfl 中保存篩選結(jié)果。(單選，填字母。提示：多條件篩選時(shí)，條件之間用“&”連接，表示需要同時(shí)滿足這多個(gè)條件)

   A.df[(df['訂單日期']<='2021-1-1')&(df['訂單日期']<='2021-3-31')]

   B.df[(df['訂單日期']>='2021-1-1')&(df['訂單日期']>='2021-3-31')]

   C.df[(df['訂單日期']>='2021-1-1')&(df['訂單日期']<='2021-3-31')]

7. （4） 經(jīng)過以上兩步處理之后，為了解“所在地市”第一季度“訂購數(shù)量”前 10 名的情況，編寫如下 Python 程序段：

   #數(shù)據(jù)整理結(jié)果保存于變量 dfl 中，代碼略 g=dfl.groupby(“所在地市”,as_index=False).sum( ) print(   ▲   )

   并生成圖 b 所示的圖表：

   圖 b

   則劃線處的代碼可為（   ）（多選，填字母）

   A . g.sort_values(“訂購數(shù)量”,ascending=False)[0:10] B . g.sort_values(“訂購數(shù)量”,ascending=True).tail(10) C . g.sort_values(“訂購數(shù)量”,ascending=True)[0:10] D . g.sort_values(“訂購數(shù)量”,ascending=False).head(10)
9. （5） 根據(jù)以上數(shù)據(jù)整理結(jié)果，小明對第一季度所在地市的“訂購數(shù)量”進(jìn)行可視化處理，如圖b所示。

   實(shí)現(xiàn)上述功能的Python程序部分代碼如下，程序中劃線處代碼請?zhí)羁铡?/p>

   #按“所在地市”對第一季度數(shù)據(jù)分組并求和，再按“訂購數(shù)量”升序排序 #選取最后10 條數(shù)據(jù)，存入變量s，代碼略 import matplotlib.pyplot as plt x=s[‘所在地市’] y= plt.barh(x,y,color=r) plt.show( )