请回答下列问题:
图 a
图b
A.该图表的数据区域为 C15,E15,G15:I15
B.若清除 I15 单元格中的内容,则该图表不会发生变化
C.如将 A 列数据隐藏,该图表会发生变化
D. 将 A2:I15 区域的数据按“小计(元)”为关键字进行降序排序,该图表会发生变化
图 c
图a
图b
请回答下列问题:
①数据体量大 ②产生速度快 ③处理速度慢 ④数据类型多 ⑤价值密度高
①远古时代,居住在洞穴中的原始人用石器或骨器在墙壁上刻画图案
②公元前3000多年,苏美尔人在泥板上用楔形文字记载“29086单位大麦37个月库辛” 的内容
③19世纪,爱迪生发明了留声机,得以将声音记录下来
④随着移动网络与传感器的普及,大数据进入了人们生活的方方面面
①数据采集技术的迅速发展,数据的表现形式也越来越多样化,给人们的生活带来了巨大的改变
②只有云计算、物联网、大数据等技术才能体现数据与生活
③在人们的日常生活中数据无处不在
④对于身份证号码等涉及个人隐私的数据要注意保护
请回答下列问题:
① 采用pandas 模块中的(单选:填字母:A .Series / B .DataFrame)
数据结构存储全部数据会比较高效。
② 全部数据保存于变量df 中,为筛选出订单日期为2021 年第一季度内的所有记录,
可以执行Python 语句df1 = ,则df1 中保存筛选结果。(单选,填字母。
提示:多条件筛选时,条件之间用“&”连接,表示需要同时满足这多个条件)
A.df[ (df['订单日期'] <= '2021-1-1' ) & (df ['订单日期'] <= '2021-3-31') ]
B.df [ (df ['订单日期'] >= '2021-1-1') & (df ['订单日期'] >= '2021-3-31') ]
C.df [(df ['订单日期'] >= '2021-1-1') & (df ['订单日期'] <= '2021-3-31')]
编写如下Python 程序段:
#数据整理结果保存于变量df1中,代码略
g = df1.groupby('所在地市', as_index = False).sum()
print )
则划线处的代码可为( )(多选,填字母)
实现上述功能的Python程序部分代码如下:
#按“所在地市”对第一季度数据分组并求和,再按“订购数量”升序排序
#选取最后10条数据,存入变量s,代码略
import matplotlib.pyplot as plt
x = s['所在地市']
y =
plt.barh(x, y, color = 'r')
plt.show( )
程序中划线处代码应为。
应用该分析结果可能提供的数据服务是(列举一条即可)。