小郑在网上搜集整理出了“足球世界杯历史进球前50名”的数据,存储在文件“进球.xlsx”中,部分界面如图a所示。
图a
小郑利用Python对该数据进行如下分析:
(1)统计出各个国家(地区)的进球总数,输出进球总数最多的前5名,如图b 所示。具体程序如下,划线处应填入的代码是
__________(单选,填字母)。
A.①count②ascending=False
B.①sum()②ascending=False
C.①count()②ascending=False
D.①sum()②ascending=True
import pandas as pd
dfl=pd.read
_excel("进球.xlsx")
df2=dfl.groupby(" 国 家 ( 地 区 ) " ,as
_index=False).①
df2=df2.drop("出场次数",axis=1)
df3=df2.sort
_values("进球个数",
② ).head(5)
print(df3)
图b
(2)统计各国家(地区)的球员人数,计算球员人数最多的国家(地区)的球员的场均进球并绘制柱形图,如图c所示。部分Pythom程序如下,请在划线处填入合适的代码。
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']
country={}
for i in dfl["国家(地区)"] :
=统计各国家(地区)的球员人数
if i not in
country
country[i]=1
else:
①_____________cmax=0
country
_max=[ ]
for i in country:
#计算球员人数最多的国家(地区)及对应人数
if country[i]>cmax
cmax=country[i]
country
_max=i
df4=dfl[dfl["国家(地区)]==country
_max]
df4=df4.reset
_index(drop=True)#重置索引
cijq=[]
for i in range(
②_______):
#计算“场均进球”
js=df4[”进球个数”][i]/df4[”出场次数”"][i]
js=round(js,2)
cijq.append(js)
③_______ =cijq #增加“场均进球”列
plt.barh(df4[”姓名”],df4["场均进球"],label="场均进球")
plt.xlim(0.1.2)
plt.legend()
plt.show()

图c
(3)由图c可知,球员人数最多的国家(地区)的球员的场均进球超过0.6的球员共
____________位。