2025年全国计算机二级Python数据分析实践操作试题集

2025年全国计算机二级Python数据分析实践操作试题集考试时间：______分钟总分：______分姓名：______试题一假设你已经成功导入了pandas库，并命名为pd。现有名为"data.csv"的CSV文件，其中包含以下列：`"姓名"`（字符串类型）、`"年龄"`（整数类型）、`"城市"`（字符串类型）、`"收入"`（浮点类型，可能包含缺失值）、`"购买力"`（字符串类型，值为"高"、"中"、"低"）。请编写代码完成以下任务：1.读取"data.csv"文件到名为df的DataFrame中。2.显示df的前5行数据。3.查看df的基本信息（包括索引、列名、数据类型以及非空值数量）。4.计算"年龄"列的均值、中位数、最大值和最小值，并将结果存储在一个名为age_stats的字典中。5.删除df中所有"收入"列缺失的行。6.将所有"城市"列的值统一转换为小写。7.按照"收入"列从高到低进行降序排序，并将排序后的DataFrame存储为新的变量df_sorted。8.筛选出"购买力"为"高"且"年龄"大于30岁的所有行，并将结果存储为新的DataFramedf_high_buyer_old。9.计算每个城市的"收入"均值，并将结果按均值从高到低排序后输出（仅输出列名"城市"和"收入"均值）。试题二继续使用上一题的`df_sorted`DataFrame。请编写代码完成以下任务：1.创建一个名为group_stats的DataFrame，其中包含"城市"列和"购买力"列的统计信息。要求计算每个城市的"购买力"为"高"、"中"、"低"的数量（即频数）。2.使用Matplotlib库绘制一个柱状图，展示每个"城市"的"收入"均值。要求柱状图颜色为蓝色，图例标题为"各城市收入均值"，X轴标签为"城市"，Y轴标签为"平均收入"。3.使用Seaborn库绘制一个散点图，展示"年龄"和"收入"之间的关系。要求散点图中点的颜色根据"购买力"的不同分别用红色（高）、绿色（中）、蓝色（低）表示。请添加图例标题为"年龄与收入关系"，X轴标签为"年龄"，Y轴标签为"收入"。试题三假设有一个名为"data2.csv"的CSV文件，其中包含以下列：`"产品ID"`（整数类型）、`"类别"`（字符串类型）、`"销量"`（整数类型）、`"成本"`（浮点类型）。请编写代码完成以下综合任务：1.读取"data2.csv"文件到名为df2的DataFrame中。2.将"成本"列中所有小于0的值替换为该列的平均成本。3.计算每个"类别"的总销量和总利润（利润=销量*(销量-成本)），并将结果存储在一个名为category_report的DataFrame中。该DataFrame应包含"类别"、"总销量"、"总利润"三列。4.找出"销量"最高的产品，并打印该产品的"产品ID"、"类别"、"销量"和"成本"。5.将category_reportDataFrame按照"总利润"列进行降序排序，并将排序后的DataFrame输出。试卷答案试题一```python#1.读取"data.csv"文件到名为df的DataFrame中。importpandasaspddf=pd.read_csv("data.csv")#2.显示df的前5行数据。df.head()#3.查看df的基本信息（包括索引、列名、数据类型以及非空值数量）。()#4.计算"年龄"列的均值、中位数、最大值和最小值，并将结果存储在一个名为age_stats的字典中。age_stats={"均值":df["年龄"].mean(),"中位数":df["年龄"].median(),"最大值":df["年龄"].max(),"最小值":df["年龄"].min()}#5.删除df中所有"收入"列缺失的行。df=df.dropna(subset=["收入"])#6.将所有"城市"列的值统一转换为小写。df["城市"]=df["城市"].str.lower()#7.按照"收入"列从高到低进行降序排序，并将排序后的DataFrame存储为新的变量df_sorted。df_sorted=df.sort_values(by="收入",ascending=False)#8.筛选出"购买力"为"高"且"年龄"大于30岁的所有行，并将结果存储为新的DataFramedf_high_buyer_old。df_high_buyer_old=df[(df["购买力"]=="高")&(df["年龄"]>30)]#9.计算每个城市的"收入"均值，并将结果按均值从高到低排序后输出（仅输出列名"城市"和"收入"均值）。city_income_mean=df.groupby("城市")["收入"].mean().sort_values(ascending=False)```解析：*第1题：使用`pandas.read_csv()`函数读取本地CSV文件。*第2题：使用`DataFrame.head()`方法查看数据的前几行。*第3题：使用`DataF()`方法获取DataFrame的概览信息，包括索引、列名、非空值数量和数据类型。*第4题：使用`DataFrame.mean()`、`DataFrame.median()`、`DataFrame.max()`、`DataFrame.min()`分别计算均值、中位数、最大值和最小值，并将结果存储在字典中。*第5题：使用`DataFrame.dropna()`方法删除指定列（"收入"）中包含缺失值的行。*第6题：使用`Series.str.lower()`方法将"城市"列中的所有字符串值转换为小写。*第7题：使用`DataFrame.sort_values()`方法按指定列（"收入"）进行排序，`ascending=False`表示降序排序。*第8题：使用布尔索引，结合`&`运算符对"购买力"和"年龄"列的条件进行筛选。*第9题：使用`DataFrame.groupby()`按"城市"列进行分组，`DataFrame.mean()`计算每个组的"收入"均值，然后使用`sort_values()`对结果进行降序排序。输出时直接赋值给变量即可。试题二```python#1.创建一个名为group_stats的DataFrame，其中包含"城市"列和"购买力"列的统计信息。要求计算每个城市的"购买力"为"高"、"中"、"低"的数量（即频数）。group_stats=df_sorted.groupby(["城市","购买力"]).size().unstack(fill_value=0)#2.使用Matplotlib库绘制一个柱状图，展示每个"城市"的"收入"均值。要求柱状图颜色为蓝色，图例标题为"各城市收入均值"，X轴标签为"城市"，Y轴标签为"平均收入"。importmatplotlib.pyplotaspltcity_income_mean.plot(kind='bar',color='blue')plt.title('各城市收入均值')plt.xlabel('城市')plt.ylabel('平均收入')plt.legend(title='图例标题')#注意：plt.legend()的title参数在不同版本Matplotlib中可能命名不同，如需特定标题可能需要调整plt.show()#3.使用Seaborn库绘制一个散点图，展示"年龄"和"收入"之间的关系。要求散点图中点的颜色根据"购买力"的不同分别用红色（高）、绿色（中）、蓝色（低）表示。请添加图例标题为"年龄与收入关系"，X轴标签为"年龄"，Y轴标签为"收入"。importseabornassnssns.scatterplot(data=df_sorted,x='年龄',y='收入',hue='购买力',palette={'高':'red','中':'green','低':'blue'})plt.title('年龄与收入关系')plt.xlabel('年龄')plt.ylabel('收入')plt.legend(title='购买力')plt.show()```解析：*第1题：使用`DataFrame.groupby()`按"城市"和"购买力"两列进行分组，`size()`计算每个组的数量，`unstack(fill_value=0)`将结果转换为宽格式，用0填充缺失值，得到每个城市每种购买力的频数。*第2题：*计算每个城市的"收入"均值（假设已存储在`city_income_mean`中，如第1题第9题所示）。*使用`matplotlib.pyplot.plot()`函数绘制柱状图，`kind='bar'`指定图表类型为柱状图，`color='blue'`设置柱状图颜色。*使用`plt.title()`,`plt.xlabel()`,`plt.ylabel()`设置图表标题和坐标轴标签。*`plt.legend()`添加图例，`title`参数用于设置图例标题。注意Matplotlib版本差异可能导致`title`参数不适用，可能需要用`suptitle`或其他方式。*`plt.show()`显示图表。*第3题：*使用`seaborn.scatterplot()`函数绘制散点图。*`data`参数指定数据源。*`x='年龄'`,`y='收入'`指定散点的X轴和Y轴数据。*`hue='购买力'`指定根据"购买力"列的值对散点进行颜色区分。*`palette`参数自定义颜色映射，将"高"、"中"、"低"分别映射为红色、绿色、蓝色。*使用`plt.title()`,`plt.xlabel()`,`plt.ylabel()`设置图表标题和坐标轴标签。*`plt.legend()`添加图例，并设置标题为"购买力"。*`plt.show()`显示图表。试题三```python#1.读取"data2.csv"文件到名为df2的DataFrame中。df2=pd.read_csv("data2.csv")#2.将"成本"列中所有小于0的值替换为该列的平均成本。mean_cost=df2["成本"].mean()df2.loc[df2["成本"]<0,"成本"]=mean_cost#3.计算每个"类别"的总销量和总利润（利润=销量*(销量-成本)），并将结果存储在一个名为category_report的DataFrame中。该DataFrame应包含"类别"、"总销量"、"总利润"三列。category_report=df2.groupby("类别").agg(总销量=('销量','sum'),总利润=('销量',lambdax:(x*(x-df2.loc[x.index,"成本"])).sum())).reset_index()#4.找出"销量"最高的产品，并打印该产品的"产品ID"、"类别"、"销量"和"成本"。max_sales_row=df2.loc[df2["销量"].idxmax()]print(max_sales_row[["产品ID","类别","销量","成本"]])#5.将category_reportDataFrame按照"总利润"列进行降序排序，并将排序后的DataFrame输出。sorted_report=category_report.sort_values(by="总利润",ascending=False)sorted_report```解析：*第1题：使用`pandas.read_csv()`函数读取另一个本地CSV文件。*第2题：*首先计算"成本"列的平均值。*使用`DataFrame.loc[]`进行条件筛选（成本小于0的行），然后对"成本"列赋值，替换为计算出的平均成本。`loc[condition,column]=value`是常用的条件赋值方式。*第3题：*使用`DataFrame.groupby()`按"类别"列进行分组。*使用`DataFrame.agg()`定义聚合操作。对"销量"列使用`'sum'`函数计算总和，命名为"总销量"。*对"销量"列定义一个自定义的lambda函数：对于每个类别的销量数据，计算`销量*(销量-对应的成本)`。这里`x.index`用于获取当前分组（类别）的索引，以便在`df2`中准确找到对应的"成本"值。然后将计算结果进行求