学进去

小明收集了梅西2005年至2023年国家队比赛数据，保存在“梅西国家队详细比赛数据．xlsx”文件中，部分数据如图a所示，现利用pandas模块处理数据。
图a
为统计分析梅西2019～2023年各项赛事的平均进球情况，编写Python程序。请回答下列问题：
（1）读取“梅西国家队详细比赛数据．xlsx”数据，筛选出2019年以来的各项比赛数据。函数代码如下，划线处应填入的代码为______（单选，填字母）
A．df[df["年份"]>=2019]       B．df["年份"]>=2019
C．df["年份">=2019]             D．df[df["年份"]]>=2019
import pandas as pd
import matplotlib.pyplot as plt
df=pd.read_excel（"梅西国家队详细比赛数据．xlsx"）#读取表格数据
df1=________
（2）统计各项赛事的平均进球数量。由于原始数据“赛事”列中部分赛事未显示年份（如第14题图a所示），无法进行跨年度统计，因此需要在赛事名前添加年份信息。例如：“国际友谊赛”根据年份修改为“2019国际友谊赛”，“2022世界杯预选赛”则不修改。具体过程代码如下，请补充完整。

def isdigit（s）:

#代码略，判断s是否为纯数字字符串，是则flag为True，否则flag为False

return flag

for i in   d f1.index:

ss=df1.at[i，"赛事"]#根据行标签、列标签选取单个值，如“国际友谊赛”

_______

if not（isdigit（nf））:#isdigit（）判断是否为数字，是则返回True

df1.at[i，"赛事"]=str（df1.at[i，"年份"]）+df1.at[i，"赛事"]

g=df1.groupby（"赛事"，as_index=False）.mean（）#以“赛事”为关键字，分组求平均

（3）为统计2019年以来，梅西进球平均数排名前三的赛事，考虑可能存在并列情况，具体过程代码如下，请补充完整。

g=g.sort_values（"进球"，ascending=False）   #以“进球”为关键字，降序排序

g1=g.head（3）       #取前三项记录

m=g1["进球"].min（）       #求最小值

bls=0

bl=len（g1[g1["进球"]==m]）       #求序列长度

for i in   g.index:

if g.at[i，"进球"]==m:       #根据行标签、列标签选取单个值

①_____

g2=g.head（     ②_____）

（4）以下是2019～2023年梅西国家队比赛平均进球数排名前三赛事统计图，则划线处的代码应为___
图b

plt.title（"2019～2023梅西国家队比赛平均进球数排名前三赛事统计图"）

x=g2["赛事"]

y=______

plt.bar（x，y）

plt.show（）