学进去

A．数据集中格式不一致的数据， 需要进行格式转换

B．数据集中的异常数据应该直接删除或忽略

C．数据集中的重复数据须在审核的基础上进行合并或删除

import pandas as pd                            #引入pandas 模块

import matplotlib.pyplot as plt        #引入matplotlib 的pyplot 子库

df=pd.________ ('cj.xlsx')       #读取"cj.xlsx"文件中的数据，创建DataFrame 对象df

# 若要筛选本次考试数学分数超过120分且技术分数到达88分及以上的学生并输出他们的考试情况 (df1中保存筛选结果，提示： 多条件筛选时，与(and) 关系用“&”连接， 或(or) 关系用“|”连接)

df1 = _______ (单选， 填字母)

print (df1)

A．df[(df["数学"] >= 120 )&(df["技术取高"] >= 88)]

B．df[(df["数学"] > 120 )&(df["技术取高"] >= 88)]

C．df[(df["数学"] > 120 ) | (df["技术取高"] >= 88)]

D．df[(df["数学"] >= 120 ) | (df["技术取高"] > 88)]

# 若要了解该校参加该次考试选考各科的选课人数，请完善下面的代码。

for km in df.columns[6:13]:

       renshu =______ ;

       print("选",km,"的人数为：",renshu)

# 想要了解该校技术班级数学科的平均分，并绘制一个图表， 针对各班数学平均分进行比较分析

df2 = df.groupby("班级"，as_index = False).mean()

df3 = df2.sort_values("数学", _________ ) # 通过排序使得按平均分降序排序并存储在 df3 中

plt.bar (df3.班级， df3.数学 )

plt.title("班级数学平均分比较")

plt.xlabel("班级")

plt.ylabel("数学平均分")

plt.show ()

A．垂直柱形图       B．水平柱形图       C．线形图       D．散点图