Python程序设计任务式教程（微课版）（AI助学）-习题答案 郑卉 单元7-9

Python程序设计任务式教程（微课版）（AIGC助学）习题答案单元7【基础练习】判断题（正确的画“√”，错误的画“×”）1．×2．×3．√4．√【进阶挑战】1．根据要求编写程序。（1）反复请求用户输入整数，如果用户输入了整数以外的内容，程序应当捕获ValueError异常并输出“请重新输入”。（2）请求用户输入一个字符串和整数n，然后显示字符串中位于索引n处的字符。用户可能输入整数以外的内容，也可能输入超出范围的索引。请根据要求进行异常处理，不同的错误输出的错误信息应当不同。#==========（1）反复请求用户输入整数，捕获ValueError======================print("=====任务1：获取有效整数=====")defget_valid_integer():"""反复请求用户输入，直到输入有效整数为止捕获ValueError异常，提示用户重新输入"""whileTrue:#无限循环，直到返回有效整数try:#获取用户输入，并尝试转换为整数user_input=input("请输入一个整数：")valid_num=int(user_input)#转换成功，返回整数，结束循环returnvalid_numexceptValueError:#转换失败，捕获ValueError，提示重新输入print("请重新输入")#调用函数，获取有效整数并打印结果final_num=get_valid_integer()print(f"你输入的有效整数是：{final_num}\n")#==========（2）输入字符串和索引n，安全访问字符，区分不同异常======================print("=====任务2：安全访问字符串索引=====")defget_char_from_string():"""请求用户输入字符串和索引n，访问对应字符处理两种异常：ValueError（索引非整数）、IndexError（索引超出范围）"""try:#步骤1：获取用户输入的字符串user_str=input("请输入一个字符串：")#步骤2：获取用户输入的索引，并尝试转换为整数（可能触发ValueError）index_input=input("请输入要访问的索引n（整数）：")n=int(index_input)#步骤3：访问字符串索引n（可能触发IndexError）target_char=user_str[n]#步骤4：所有正常，打印结果print(f"字符串'{user_str}'索引{n}处的字符是：{target_char}")exceptValueError:#捕获：索引输入无法转换为整数的异常print(f"错误：输入的索引'{index_input}'不是有效整数，请输入整数类型的索引")exceptIndexError:#捕获：索引超出字符串范围的异常print(f"错误：索引{n}超出范围，该字符串长度为{len(user_str)}，有效索引范围是0~{len(user_str)-1}")#调用函数，执行字符串索引访问操作get_char_from_string()2．在文件读写操作中添加异常处理代码，确保文件操作代码的健壮性。defrobust_file_operation():"""健壮的文件读写操作，包含完善的异常处理涵盖：文件写入、文件读取，处理多种常见文件操作异常"""#定义测试文件名和测试内容file_name="test_file.txt"test_content="这是用于测试文件读写异常处理的测试内容\nHello,PythonFileOperation!"#===========第一部分：文件写入操作+异常处理======================print("=====开始执行文件写入操作=====")try:#使用with语句管理文件资源（自动关闭文件，即使发生异常也能安全释放句柄）withopen(file_name,"w",encoding="utf-8")asf:f.write(test_content)print(f"文件写入成功！已向{file_name}写入测试内容")exceptFileNotFoundError:#异常场景：文件路径不存在（如写入"不存在的文件夹/test.txt"）print(f"写入失败：文件路径不存在，无法创建/写入文件{file_name}")exceptPermissionError:#异常场景：无文件写入权限（如写入系统保护目录、只读文件）print(f"写入失败：没有权限写入文件{file_name}（可能是只读文件或系统保护目录）")exceptUnicodeEncodeError:#异常场景：内容包含无法用指定编码（utf-8）编码的字符print(f"写入失败：文件内容包含无法用utf-8编码的字符，无法写入")exceptOSErrorase:#异常场景：其他操作系统相关错误（如文件名非法、磁盘满）print(f"写入失败：操作系统错误-{str(e)}")exceptExceptionase:#兜底异常：捕获所有未预见的错误，防止程序崩溃print(f"写入失败：未知错误-{str(e)}")print("-"*60+"\n")#=========第二部分：文件读取操作+异常处理======================print("=====开始执行文件读取操作=====")try:#使用with语句管理文件资源，自动关闭文件withopen(file_name,"r",encoding="utf-8")asf:content=f.read()print(f"文件读取成功！{file_name}的内容如下：")print("-"*40)print(content)print("-"*40)exceptFileNotFoundError:#异常场景：文件不存在（最常见的读取异常）print(f"读取失败：文件{file_name}不存在，请先确认文件是否存在")exceptPermissionError:#异常场景：无文件读取权限print(f"读取失败：没有权限读取文件{file_name}")exceptUnicodeDecodeError:#异常场景：文件编码与指定编码（utf-8）不匹配（如读取gbk编码的文件）print(f"读取失败：文件{file_name}不是utf-8编码，无法用utf-8解码（可尝试gbk编码）")exceptOSErrorase:#异常场景：其他操作系统相关错误print(f"读取失败：操作系统错误-{str(e)}")exceptExceptionase:#兜底异常：捕获所有未预见的错误print(f"读取失败：未知错误-{str(e)}")#调用函数，执行健壮的文件读写操作if__name__=="__main__":robust_file_operation()3．使用第三方库时，处理库可能抛出的异常。#导入两个常用内置库及其异常类importjsonprint("=====示例：内置json库异常处理=====")defjson_operation_demo():"""演示内置json库的常见操作和异常处理包含：JSON字符串解析、Python对象序列化"""#测试数据valid_json_str='{"name":"张三","age":20,"score":85.5}'#合法JSON字符串invalid_json_str='{"name":"张三","age":20,"score":85.5}'#故意写错（缺少闭合引号，非法JSON）non_json_data=[1,2,3,{"key":"value"}]#合法Python对象#场景1：解析JSON字符串（loads()）print("---场景1：解析JSON字符串---")try:#尝试解析合法JSONresult1=json.loads(valid_json_str)print(f"合法JSON解析成功：{result1}")#尝试解析非法JSON（触发异常）result2=json.loads(invalid_json_str[:-1])#截取掉最后一个引号，制造非法JSONprint(f"非法JSON解析成功：{result2}")exceptjson.JSONDecodeErrorase:#核心异常：JSON格式错误，无法解析（json库的核心自定义异常）error_msg=f"异常：JSON解析失败-{str(e)}（位置：{e.pos}，行：{e.lineno}，列：{e.colno}）"print(error_msg)#场景2：Python对象序列化为JSON字符串（dumps()）print("\n---场景2：Python对象序列化JSON---")try:#正常序列化json_str=json.dumps(non_json_data,ensure_ascii=False,indent=2)print(f"Python对象序列化成功：\n{json_str}")exceptTypeErrorase:#常见异常：Python对象包含无法序列化的类型（如自定义对象、函数）error_msg=f"异常：JSON序列化失败-{str(e)}（包含无法序列化的对象类型）"print(error_msg)exceptExceptionase:#兜底异常：捕获其他未知错误error_msg=f"异常：JSON操作未知错误-{str(e)}"print(error_msg)#调用两个示例函数if__name__=="__main__":json_operation_demo()4．在异常处理中添加日志记录，记录异常发生的详情。importloggingimportjson#=========第一步：配置日志记录（全局初始化，仅需执行一次）======================defconfigure_logging():"""配置日志记录规则：1.日志保存到本地文件（exception_details.log）2.日志格式包含：时间、日志级别、异常信息、报错文件、报错行号3.日志级别设置为ERROR（只记录错误及以上级别的日志，过滤无关信息）"""logging.basicConfig(#1.日志文件保存路径（当前目录下生成exception_details.log）filename="exception_details.log",#2.日志级别：DEBUG<INFO<WARNING<ERROR<CRITICAL，这里只记录ERROR及以上level=logging.ERROR,#3.日志格式（关键：包含足够的异常详情，方便排查）format="%(asctime)s-%(levelname)s-文件名：%(filename)s-行号：%(lineno)d-异常详情：%(message)s",#4.时间格式（清晰可读）datefmt="%Y-%m-%d%H:%M:%S",#5.可选：追加模式写入（避免每次运行覆盖旧日志，默认就是'a'追加模式）filemode="a")#======================第二步：在异常处理中添加日志记录======================defdemo_exception_with_logging():"""演示两个常见场景的异常处理+日志记录：1.JSON解析异常2.模拟文件读取异常"""#测试数据invalid_json_str='{"name":"张三","age":20,"score":85.5'#非法JSON（缺少闭合引号）non_exist_file="不存在的文件.txt"#不存在的文件#场景1：JSON解析异常+日志记录print("=====场景1：JSON解析操作=====")try:#尝试解析非法JSONjson_result=json.loads(invalid_json_str)print(f"JSON解析成功：{json_result}")exceptjson.JSONDecodeErrorase:#1.控制台输出友好提示（给用户/使用者看）console_msg=f"控制台提示：JSON格式错误，无法解析！"print(console_msg)#2.日志记录详细异常信息（给开发者/后续排查看，使用logging.error()）log_msg=f"JSON解析失败-错误原因：{str(e)}-出错位置：行{e.lineno}，列{e.colno}，偏移量{e.pos}-待解析内容：{invalid_json_str}"logging.error(log_msg)#写入错误日志到文件print("\n"+"-"*60+"\n")#场景2：模拟文件读取异常+日志记录print("=====场景2：文件读取操作=====")try:#尝试读取不存在的文件withopen(non_exist_file,"r",encoding="utf-8")asf:content=f.read()print(f"文件读取成功：{content}")exceptFileNotFoundErrorase:#1.控制台输出友好提示console_msg=f"控制台提示：文件不存在，无法读取！"print(console_msg)#2.日志记录详细异常信息log_msg=f"文件读取失败-错误原因：{str(e)}-待读取文件名：{non_exist_file}"logging.error(log_msg)#写入错误日志到文件exceptExceptionase:#兜底异常+日志记录console_msg=f"控制台提示：文件操作发生未知错误！"print(console_msg)log_msg=f"文件操作未知错误-错误原因：{str(e)}-待读取文件名：{non_exist_file}"logging.error(log_msg)#写入错误日志到文件#======================第三步：执行程序======================if__name__=="__main__":#先配置日志（全局仅需执行一次）configure_logging()#再执行异常处理演示demo_exception_with_logging()#最后提示日志文件位置print("\n=====操作执行完毕=====")print(f"异常日志已保存到当前目录下的「exception_details.log」文件中，可打开查看详细信息")5．在访问索引位置（如列表索引、字典键访问）时添加异常处理代码。#======================场景1：列表索引访问的异常处理======================print("=====场景1：列表索引访问异常处理=====")deflist_index_access_demo():"""演示列表索引访问的常见异常：1.IndexError：索引超出列表范围（最核心）2.ValueError：索引输入非整数（用户输入场景）"""#定义一个测试列表my_list=["苹果","香蕉","橙子","葡萄","芒果"]print(f"当前测试列表：{my_list}")print(f"列表长度：{len(my_list)}，有效索引范围：0~{len(my_list)-1}")whileTrue:try:#提示用户输入索引index_input=input("\n请输入要访问的列表索引（输入'q'退出）：")#退出逻辑ifindex_input.lower()=='q':print("退出列表访问操作～")break#转换输入为整数（可能触发ValueError）target_index=int(index_input)#访问列表索引（可能触发IndexError）list_value=my_list[target_index]#访问成功，打印结果print(f"访问成功！列表索引{target_index}对应的元素是：{list_value}")exceptValueError:#捕获：输入无法转换为整数的异常error_msg=f"错误：输入的'{index_input}'不是有效整数，请输入数字索引！"print(error_msg)exceptIndexError:#捕获：索引超出列表范围的异常error_msg=f"错误：索引{target_index}超出列表范围！有效索引范围是0~{len(my_list)-1}"print(error_msg)exceptExceptionase:#兜底异常：捕获其他未知错误error_msg=f"错误：发生未知异常-{str(e)}"print(error_msg)break#======================场景2：字典键访问的异常处理======================print("\n"+"="*60+"\n")print("=====场景2：字典键访问异常处理=====")defdict_key_access_demo():"""演示字典键访问的常见异常：1.KeyError：访问不存在的键（最核心）同时演示两种避免KeyError的方式：-方式1：异常处理（推荐，灵活度高）-方式2：使用dict.get()方法（简洁，适合获取默认值场景）"""#定义一个测试字典（学生信息）my_dict={"name":"张三","age":20,"score":85.5,"gender":"男"}print(f"当前测试字典：{my_dict}")print(f"字典所有有效键：{list(my_dict.keys())}")whileTrue:try:#提示用户输入要访问的键key_input=input("\n请输入要访问的字典键（输入'q'退出）：")#退出逻辑ifkey_input.lower()=='q':print("退出字典访问操作～")break#方式1：直接访问键（可能触发KeyError），添加异常处理dict_value=my_dict[key_input]#访问成功，打印结果print(f"访问成功！字典键'{key_input}'对应的值是：{dict_value}")exceptKeyError:#捕获：访问不存在的键的异常error_msg=f"错误：字典中不存在键'{key_input}'！有效键是{list(my_dict.keys())}"print(error_msg)#额外演示：方式2-使用dict.get()方法避免KeyError（返回默认值，不抛异常）default_value=my_dict.get(key_input,"默认值（键不存在）")print(f"补充：使用get()方法获取结果：{default_value}")exceptExceptionase:#兜底异常：捕获其他未知错误error_msg=f"错误：发生未知异常-{str(e)}"print(error_msg)break#======================执行演示函数======================if__name__=="__main__":#先执行列表索引访问演示list_index_access_demo()#再执行字典键访问演示dict_key_access_demo()

单元8【基础练习】一、选择题ABC二、填空题1．①答案：cur.execute(sql1)②答案：cur.execute(sql2,('1',))③答案：cur.fetchone()2．①答案：cur.executemany(sql,lst1)②答案：cur.execute(sql,item)③答案：data=cur.fetchall()【进阶挑战】按要求完成对数据库的操作。（1）编写代码连接到SQLite数据库，如果数据库文件不存在，则自动创建。（2）使用CREATETABLE语句创建一张表，并定义列的数据类型。（3）编写代码向表中插入一行或多行数据。（4）使用SELECT语句查询表中的所有数据，并输出结果。（5）修改SELECT语句，添加条件来筛选特定的数据。（6）使用UPDATE语句更新表中的现有数据。（7）使用DELETE语句从表中删除数据。（8）使用参数化查询语句来防止SQL注入，并提高查询的灵活性。#导入Python内置的sqlite3模块importsqlite3#==============（1）连接SQLite数据库（不存在则自动创建）======================print("=====（1）连接SQLite数据库=====")#连接数据库（指定数据库文件名为student.db，当前目录下创建，若存在则直接连接）#conn：数据库连接对象，用于操作数据库conn=sqlite3.connect("student.db")#创建游标对象（cursor），用于执行SQL语句cursor=conn.cursor()print("成功连接/创建SQLite数据库（student.db）")#============（2）使用CREATETABLE创建表并定义列数据类型======================print("\n=====（2）创建数据表=====")try:#定义CREATETABLE语句，创建学生表（student）#列定义：id（主键，自增）、name（姓名，文本）、age（年龄，整数）、score（成绩，浮点数）、gender（性别，文本）create_table_sql="""CREATETABLEIFNOTEXISTSstudent(idINTEGERPRIMARYKEYAUTOINCREMENT,nameTEXTNOTNULL,ageINTEGERNOTNULL,scoreREAL,genderTEXTDEFAULT'未知')"""#执行SQL语句cursor.execute(create_table_sql)#提交事务（建表、增删改操作需要提交事务才能生效）mit()print("成功创建student表（若表已存在则不重复创建）")exceptExceptionase:print(f"创建表失败：{e}")#发生错误时回滚事务conn.rollback()#============（3）向表中插入一行或多行数据======================print("\n=====（3）插入数据=====")try:#方式1：插入单行数据insert_single_sql="""INSERTINTOstudent(name,age,score,gender)VALUES('张三',20,85.5,'男')"""cursor.execute(insert_single_sql)#方式2：插入多行数据（executemany()+数据列表）insert_many_sql="""INSERTINTOstudent(name,age,score,gender)VALUES(?,?,?,?)"""#准备多行数据（列表嵌套元组，每个元组对应一行数据）multi_data=[('李四',21,92.0,'男'),('王五',19,78.0,'女'),('赵六',22,90.5,'男')]cursor.executemany(insert_many_sql,multi_data)#提交事务mit()print(f"成功插入数据，共插入{cursor.rowcount+1}行（单行+多行）")#rowcount返回executemany影响的行数exceptExceptionase:print(f"插入数据失败：{e}")conn.rollback()#========（4）使用SELECT查询表中所有数据并输出======================print("\n=====（4）查询所有数据=====")try:#定义SELECT语句，查询所有数据select_all_sql="SELECT*FROMstudent"#执行查询语句cursor.execute(select_all_sql)#获取所有查询结果（fetchall()返回列表，每个元素是对应一行数据的元组）all_data=cursor.fetchall()#输出查询结果print("student表所有数据：")#先输出列名（可选，提升可读性）col_names=[desc[0]fordescincursor.description]print("\t".join(col_names))print("-"*50)#输出每行数据forrowinall_data:print("\t".join(map(str,row)))exceptExceptionase:print(f"查询所有数据失败：{e}")#===========（5）修改SELECT语句，添加条件筛选特定数据======================print("\n=====（5）条件筛选查询=====")try:#示例1：筛选成绩>=85分的学生select_cond1_sql="SELECT*FROMstudentWHEREscore>=85"cursor.execute(select_cond1_sql)high_score_data=cursor.fetchall()print("条件1：成绩>=85分的学生：")print("\t".join(col_names))print("-"*50)forrowinhigh_score_data:print("\t".join(map(str,row)))#示例2：筛选性别为"女"且年龄<20的学生select_cond2_sql="SELECTname,age,scoreFROMstudentWHEREgender='女'ANDage<20"cursor.execute(select_cond2_sql)female_data=cursor.fetchall()print("\n条件2：性别为女且年龄<20的学生（仅显示姓名、年龄、成绩）：")print("\t".join(['name','age','score']))print("-"*30)forrowinfemale_data:print("\t".join(map(str,row)))exceptExceptionase:print(f"条件查询失败：{e}")#======================（6）使用UPDATE语句更新现有数据======================print("\n=====（6）更新数据=====")try:#示例：将"张三"的成绩更新为90.0，年龄增加1岁update_sql="""UPDATEstudentSETscore=90.0,age=age+1WHEREname='张三'"""cursor.execute(update_sql)mit()#验证更新结果cursor.execute("SELECT*FROMstudentWHEREname='张三'")updated_data=cursor.fetchone()#fetchone()返回单行结果print(f"更新后张三的数据：{updated_data}")print(f"成功更新{cursor.rowcount}行数据")exceptExceptionase:print(f"更新数据失败：{e}")conn.rollback()#======================（7）使用DELETE语句删除数据======================print("\n=====（7）删除数据=====")try:#示例：删除成绩<80分的学生delete_sql="DELETEFROMstudentWHEREscore<80"cursor.execute(delete_sql)mit()#验证删除结果（查询所有数据）cursor.execute("SELECT*FROMstudent")remaining_data=cursor.fetchall()print(f"删除后表中剩余数据：")print("\t".join(col_names))print("-"*50)forrowinremaining_data:print("\t".join(map(str,row)))print(f"成功删除{cursor.rowcount}行数据")exceptExceptionase:print(f"删除数据失败：{e}")conn.rollback()#===========（8）使用参数化查询防止SQL注入，提高灵活性======================print("\n=====（8）参数化查询（防SQL注入）=====")try:#核心：参数化查询使用?作为占位符，不直接拼接字符串，避免SQL注入风险#示例1：参数化查询（查询指定姓名和性别的学生）target_name="李四"target_gender="男"param_select_sql="SELECT*FROMstudentWHEREname=?ANDgender=?"cursor.execute(param_select_sql,(target_name,target_gender))#第二个参数是元组，传递参数值param_data=cursor.fetchone()print(f"参数化查询结果（姓名={target_name}，性别={target_gender}）：{param_data}")#示例2：参数化插入（新增一个学生，参数动态传入）new_student=("钱七",23,95.0,"男")param_insert_sql="INSERTINTOstudent(name,age,score,gender)VALUES(?,?,?,?)"cursor.execute(param_insert_sql,new_student)mit()print(f"参数化插入成功，新增学生数据：{new_student}")#示例3：参数化更新（动态更新指定id学生的成绩）target_id=1new_score=98.0param_update_sql="UPDATEstudentSETscore=?WHEREid=?"cursor.execute(param_update_sql,(new_score,target_id))mit()cursor.execute("SELECT*FROMstudentWHEREid=?",(target_id,))param_updated_data=cursor.fetchone()print(f"参数化更新后（id={target_id}）：{param_updated_data}")exceptExceptionase:print(f"参数化查询失败：{e}")conn.rollback()#======================最后：关闭游标和数据库连接======================print("\n=====关闭数据库连接=====")#关闭游标cursor.close()#关闭数据库连接conn.close()print("成功关闭数据库连接")

单元9【基础练习】1．针对NumPy库完成以下基础操作。（1）使用array()

创建一个一维的NumPy数组和一个多维的NumPy数组。（2）使用切片和索引来访问数组的特定元素或部分元素。（3）执行数组的算术运算，包括加法、减法、乘法和除法。（4）使用reshape()

更改数组的形状。#导入NumPy库，约定俗成简写为npimportnumpyasnp#======================（1）使用array()创建一维和多维数组======================print("=====（1）创建一维和多维NumPy数组=====")#1.创建一维数组（传入列表即可）one_d_arr=np.array([1,2,3,4,5,6])print("一维数组：")print(one_d_arr)print(f"一维数组形状：{one_d_arr.shape}")#查看数组形状print(f"一维数组数据类型：{one_d_arr.dtype}")#查看数组数据类型#2.创建多维数组（传入嵌套列表，这里以二维数组为例）two_d_arr=np.array([[1,2,3],[4,5,6],[7,8,9]])print("\n二维数组：")print(two_d_arr)print(f"二维数组形状：{two_d_arr.shape}")#形状为(行数,列数)print(f"二维数组数据类型：{two_d_arr.dtype}")#======================（2）使用切片和索引访问数组元素======================print("\n=====（2）索引和切片访问数组元素=====")#1.一维数组的索引和切片（与Python列表类似，索引从0开始）print("===一维数组操作===")print(f"一维数组索引3的元素：{one_d_arr[3]}")#访问单个元素print(f"一维数组切片[1:4]（含头不含尾）：{one_d_arr[1:4]}")#访问索引1~3的元素print(f"一维数组切片[::2]（步长2）：{one_d_arr[::2]}")#每隔1个元素取一个print(f"一维数组反向索引[-1]：{one_d_arr[-1]}")#访问最后一个元素#2.二维数组的索引和切片（格式：arr[行索引/切片,列索引/切片]）print("\n===二维数组操作===")print(f"二维数组第1行第2列元素（索引[0,1]）：{two_d_arr[0,1]}")print(f"二维数组第2行（索引[1]）：{two_d_arr[1]}")print(f"二维数组前2行前2列（切片[0:2,0:2]）：")print(two_d_arr[0:2,0:2])print(f"二维数组所有行的第1列（切片[:,0]）：{two_d_arr[:,0]}")#============（3）数组的算术运算（加法、减法、乘法、除法）======================print("\n=====（3）数组算术运算=====")#准备两个形状相同的一维数组（形状不同会触发广播机制，新手先保证形状一致）arr_a=np.array([10,20,30,40])arr_b=np.array([1,2,3,4])print(f"数组a：{arr_a}")print(f"数组b：{arr_b}")#1.元素级算术运算（对应位置元素两两运算）add_result=arr_a+arr_b#加法sub_result=arr_a-arr_b#减法mul_result=arr_a*arr_b#乘法（元素级，非矩阵乘法）div_result=arr_a/arr_b#除法floor_div_result=arr_a//arr_b#整除（向下取整）pow_result=arr_a**2#平方运算print(f"\n加法结果：{add_result}")print(f"减法结果：{sub_result}")print(f"元素级乘法结果：{mul_result}")print(f"除法结果：{div_result}")print(f"整除结果：{floor_div_result}")print(f"数组a平方结果：{pow_result}")#2.数组与标量的运算（广播机制，标量与所有元素运算）scalar_mul=arr_a*2#数组所有元素乘以2print(f"\n数组a乘以标量2的结果：{scalar_mul}")#======================（4）使用reshape()更改数组形状======================print("\n=====（4）reshape()更改数组形状=====")#1.一维数组转为二维数组（注意：元素总数必须匹配，否则报错）one_d_arr_2=np.array([1,2,3,4,5,6])reshape_2d=one_d_arr_2.reshape(2,3)#转为2行3列print(f"一维数组：{one_d_arr_2}")print(f"转为2行3列二维数组：")print(reshape_2d)#2.二维数组转为一维数组（两种方式）reshape_1d_1=reshape_2d.reshape(-1)#reshape(-1)自动计算元素个数，转为一维reshape_1d_2=reshape_2d.flatten()#flatten()也可转为一维，更直观print(f"\n二维数组转回一维（reshape(-1)）：{reshape_1d_1}")print(f"二维数组转回一维（flatten()）：{reshape_1d_2}")#3.调整为其他形状（如3行2列）reshape_3d_2=one_d_arr_2.reshape(3,2)print(f"\n一维数组转为3行2列二维数组：")print(reshape_3d_2)2．针对Pandas库完成以下基础操作。（1）创建DataFrame。（2）从CSV文件读取数据和向CSV文件写入数据。（3）查看数据和选择数据。（4）修改和删除数据。#导入Pandas库，约定俗成简写为pdimportpandasaspdimportnumpyasnp#======================（1）创建DataFrame======================print("=====（1）创建DataFrame=====")#方式1：从字典创建（最常用，键为列名，值为列数据）df_dict=pd.DataFrame({"姓名":["张三","李四","王五","赵六"],"年龄":[20,22,21,23],"性别":["男","男","女","男"],"成绩":[85.5,92.0,78.3,90.7]})print("===从字典创建的DataFrame===")print(df_dict)#方式2：从NumPy数组创建（指定列名）arr=np.array([[24,"男",88.0],[25,"女",95.5]])df_arr=pd.DataFrame(arr,columns=["年龄","性别","成绩"],index=["钱七","孙八"])print("\n===从NumPy数组创建的DataFrame===")print(df_arr)#======================（2）CSV文件读写======================print("\n=====（2）CSV文件读写=====")#1.向CSV文件写入数据（将上面创建的df_dict写入本地）df_dict.to_csv("student_info.csv",index=False,encoding="utf-8-sig")#index=False：不写入行索引；encoding="utf-8-sig"：解决中文乱码问题print("已将DataFrame写入student_info.csv文件（当前目录下）")#2.从CSV文件读取数据df_read=pd.read_csv("student_info.csv",encoding="utf-8-sig")print("\n===从CSV读取的数据===")print(df_read)#======================（3）查看数据和选择数据======================print("\n=====（3）查看和选择数据=====")#先使用从CSV读取的df_read进行操作print("===查看数据基本信息===")print(f"前2行数据（head(2)）：")print(df_read.head(2))#查看前n行，默认前5行print(f"\n后2行数据（tail(2)）：")print(df_read.tail(2))#查看后n行，默认后5行print(f"\n数据基本信息（info()）：")df_()#查看数据类型、非空值数量等print(f"\n数据统计描述（describe()）：")print(df_read.describe())#数值列的统计信息（均值、标准差等）print(f"\n数据列名（columns）：{df_read.columns.tolist()}")print(f"\n数据形状（shape）：{df_read.shape}")print("\n===选择数据===")#1.选择单列（两种方式）col_name=df_read["姓名"]#方式1：方括号+列名（推荐，支持特殊字符列名）col_age=df_read.age#方式2：点语法（列名不能有空格、特殊字符）print(f"单列（姓名）：")print(col_name)#2.选择多列（传入列名列表）col_multi=df_read[["姓名","成绩"]]print(f"\n多列（姓名、成绩）：")print(col_multi)#3.按行选择（iloc：按整数索引；loc：按标签索引）row_iloc=df_read.iloc[1]#按整数索引选择第2行row_loc=df_read.loc[0]#按标签索引选择第1行（默认标签与整数索引一致）print(f"\n按iloc选择第2行：")print(row_iloc)#4.按条件筛选（筛选成绩大于85的学生）df_filter=df_read[df_read["成绩"]>85]print(f"\n条件筛选（成绩>85）：")print(df_filter)#======================（4）修改和删除数据======================print("\n=====（4）修改和删除数据=====")#先复制一份数据，避免修改原数据df_modify=df_read.copy()print("===原始数据（复制版）===")print(df_modify)#1.修改数据#方式1：修改单个元素df_modify.loc[0,"成绩"]=88.0#修改第1行的成绩为88.0#方式2：修改整列数据（成绩加2分）df_modify["成绩"]=df_modify["成绩"]+2#方式3：新增列（新增“等级”列，根据成绩判断）df_modify["等级"]=np.where(df_modify["成绩"]>=90,"优秀","良好")print(f"\n修改后数据（成绩修改+新增等级列）：")print(df_modify)#2.删除数据#方式1：删除列（drop，axis=1）df_drop_col=df_modify.drop("性别",axis=1)print(f"\n删除列（性别）后：")print(df_drop_col)#方式2：删除行（drop，axis=0，删除第2行）df_drop_row=df_modify.drop(1,axis=0)print(f"\n删除行（第2行）后：")print(df_drop_row)#方式3：删除缺失值（这里无缺失值，演示语法）df_drop_na=df_modify.dropna()#删除包含缺失值的行print(f"\n删除缺失值后（无变化）：")print(df_drop_na)3．针对Matplotlib库完成以下基础操作。（1）使用

matplotlib.pyplot

绘制折线图、条形图、直方图。（2）定制图表的标题、图例、标签和颜色。（3）将图表保存为图片或其他格式的文件。#导入Matplotlib.pyplot，约定俗成简写为pltimportmatplotlib.pyplotaspltimportnumpyasnp#解决中文显示问题（Windows/macOS/Linux通用配置）plt.rcParams["font.sans-serif"]=["SimHei"]#用黑体显示中文plt.rcParams["axes.unicode_minus"]=False#正常显示负号#======================（1）绘制折线图、条形图、直方图======================print("=====（1）绘制基础图表=====")#------------绘制折线图------------print("正在绘制折线图...")#准备数据x_line=np.linspace(0,10,100)#0到10之间生成100个均匀分布的点y_line=np.sin(x_line)#正弦函数值#创建画布（简单图表可直接绘图，自动创建画布）plt.figure(figsize=(8,5))#figsize设置画布大小（宽，高）plt.plot(x_line,y_line)#绘制折线图plt.title("折线图演示（正弦函数）")#后续会统一定制，这里先简单显示plt.tight_layout()plt.show()#显示图表#------------绘制条形图------------print("正在绘制条形图...")#准备数据x_bar=["张三","李四","王五","赵六"]y_bar=[85,92,78,90]#创建画布plt.figure(figsize=(8,5))plt.bar(x_bar,y_bar)#绘制垂直条形图（barh绘制水平条形图）plt.title("条形图演示（学生成绩）")plt.tight_layout()plt.show()#------------绘制直方图------------print("正在绘制直方图...")#准备数据（正态分布随机数）y_hist=np.random.randn(1000)#生成1000个标准正态分布的随机数#创建画布plt.figure(figsize=(8,5))plt.hist(y_hist,bins=30)#绘制直方图，bins设置分组数plt.title("直方图演示（标准正态分布）")plt.tight_layout()plt.show()#======================（2）定制图表的标题、图例、标签和颜色======================print("\n=====（2）定制图表样式=====")#准备数据（同时绘制两条折线，演示图例）x_custom=np.linspace(0,10,100)y1_custom=np.sin(x_custom)y2_custom=np.cos(x_custom)#创建画布plt.figure(figsize=(10,6))#绘制折线图，定制颜色、线条样式、标签（用于图例）plt.plot(x_custom,y1_custom,color="red",linestyle="-",linewidth=2,label="sin(x)")plt.plot(x_custom,y2_custom,color="blue",linestyle="--",linewidth=2,label="cos(x)")#定制标题plt.title("定制化图表演示（正弦+余弦函数）",fontsize=16)#fontsize设置字体大小#定制坐标轴标签plt.xlabel("X轴（自变量）",fontsize=12)plt.ylabel("Y轴（函数值）",fontsize=12)#定制图例（需在plot时设置label参数）plt.legend(loc="best",fontsize=10)#loc设置图例位置，best自动选择最优位置#定制网格（可选，提升可读性）plt.grid(True,alpha=0.3,linestyle=":")#alpha设置透明度，linestyle设置网格线条样式#调整布局plt.tight_layout()#显示图表plt.show()#======================（3）将图表保存为图片文件======================print("\n=====（3）保存图表=====")#重新绘制一个图表，保存到本地x_save=np.linspace(0,10,100)y_save=np.sin(x_save)#创建画布plt.figure(figsize=(10,6))plt.plot(x_save,y_save,color="green",label="sin(x)")plt.title("待保存的图表（正弦函数）",fontsize=16)plt.xlabel("X轴",fontsize=12)plt.ylabel("Y轴",fontsize=12)plt.legend()plt.grid(True,alpha=0.3)plt.tight_layout()#保存图表（保存操作必须在show()之前，否则会保存空白画布）plt.savefig("sin_chart.png",dpi=300,bbox_inches="tight")#dpi：设置图片分辨率，300为高清；bbox_inches="tight"：去除图片周围白边print("图表已保存为sin_chart.png（当前目录下）")#显示图表plt.show()【进阶挑战】1．针对NumPy库完成以下进阶操作。（1）使用

sum()、mean()、max()等函数对数组进行统计运算。（2）对数组进行描述性统计分析，如计算标准差和方差。（3）使用

random

模块生成随机数和随机数组。（4）使用sort()对数组元素进行排序。#导入NumPy库，约定俗成简写为npimportnumpyasnp#==========（1）数组统计运算（sum()、mean()、max()等）======================#先创建一个二维数组（方便演示行/列统计，一维数组操作类似）arr=np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]])print("=====（1）数组统计运算=====")print("原始二维数组：")print(arr)#全局统计（整个数组的结果）total_sum=arr.sum()#总和total_mean=arr.mean()#平均值total_max=arr.max()#最大值total_min=arr.min()#最小值total_argmax=arr.argmax()#最大值的索引（扁平化后）print(f"\n全局总和：{total_sum}")print(f"全局平均值：{total_mean:.2f}")print(f"全局最大值：{total_max}")print(f"全局最小值：{total_min}")print(f"全局最大值索引（扁平化）：{total_argmax}")#按轴统计（axis=0：按列统计，axis=1：按行统计）col_sum=arr.sum(axis=0)#列总和row_mean=arr.mean(axis=1)#行平均值print(f"\n按列总和：{col_sum}")print(f"按行平均值：{row_mean}")#======================（2）描述性统计（标准差、方差）======================print("\n=====（2）描述性统计（标准差、方差）=====")#全局标准差、方差std_global=arr.std()#标准差（总体标准差，ddof=0）var_global=arr.var()#方差（总体方差，ddof=0）#样本标准差、方差（ddof=1，用于抽样统计）std_sample=arr.std(ddof=1)var_sample=arr.var(ddof=1)#按轴计算标准差（按列）std_col=arr.std(axis=0)print(f"全局总体标准差：{std_global:.2f}")print(f"全局总体方差：{var_global:.2f}")print(f"全局样本标准差（ddof=1）：{std_sample:.2f}")print(f"按列总体标准差：{std_col}")#======================（3）random模块生成随机数和随机数组======================print("\n=====（3）生成随机数和随机数组=====")#设置随机种子（保证结果可复现，每次运行生成相同的随机数）np.random.seed(42)#1.生成单个随机数（0~1之间的浮点数）rand_single=np.random.random()print(f"单个随机浮点数（0~1）：{rand_single:.4f}")#2.生成指定形状的随机浮点数数组（0~1之间）rand_arr=np.random.random((3,4))#3行4列print(f"\n3行4列随机浮点数数组：")print(rand_arr)#3.生成正态分布随机数组（均值=0，标准差=1，标准正态分布）norm_arr=np.random.randn(2,5)#2行5列print(f"\n2行5列标准正态分布数组：")print(norm_arr)#4.生成指定范围的整数随机数组（low=起始值，high=终止值（不包含），size=形状）int_arr=np.random.randint(low=1,high=10,size=(3,3))#1~9之间的3行3列整数print(f"\n3行3列整数随机数组（1~9）：")print(int_arr)#5.生成均匀分布随机数组（low=起始值，high=终止值，size=形状）uniform_arr=np.random.uniform(low=0,high=10,size=(2,2))print(f"\n2行2列均匀分布数组（0~10）：