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
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()
同类型试题
y = sin x, x∈R, y∈[–1,1],周期为2π,函数图像以 x = (π/2) + kπ 为对称轴
y = arcsin x, x∈[–1,1], y∈[–π/2,π/2]
sin x = 0 ←→ arcsin x = 0
sin x = 1/2 ←→ arcsin x = π/6
sin x = √2/2 ←→ arcsin x = π/4
sin x = 1 ←→ arcsin x = π/2
y = sin x, x∈R, y∈[–1,1],周期为2π,函数图像以 x = (π/2) + kπ 为对称轴
y = arcsin x, x∈[–1,1], y∈[–π/2,π/2]
sin x = 0 ←→ arcsin x = 0
sin x = 1/2 ←→ arcsin x = π/6
sin x = √2/2 ←→ arcsin x = π/4
sin x = 1 ←→ arcsin x = π/2