模仿题 1：创建 NumPy 数组
创建一维数组 [10, 20, 30, 40]，打印它的维度、形状、元素总数。
查看参考答案 ▼
import numpy as np
arr = np.array([10, 20, 30, 40])
print("维度：", arr.ndim)
print("形状：", arr.shape)
print("元素总数：", arr.size)
✓ 正确
参考答案：import numpy as np
arr = np.array([10, 20, 30, 40])
print("维度：", arr.ndim)
print("形状：", arr.shape)
print("元素总数：", arr.size)
模仿题 2：创建 DataFrame
创建一个员工 DataFrame，包含 name、dept、sal 三列，并打印表格。
查看参考答案 ▼
import pandas as pd
df = pd.DataFrame({
"name": ["张三", "李四", "王五"],
"dept": ["技术部", "销售部", "技术部"],
"sal": [5000, 7000, 6000]
})
print(df)
✓ 正确
参考答案：import pandas as pd
df = pd.DataFrame({
"name": ["张三", "李四", "王五"],
"dept": ["技术部", "销售部", "技术部"],
"sal": [5000, 7000, 6000]
})
print(df)
模仿题 3：绘制简单折线图
用 Matplotlib 绘制 1-6 月销量折线图。
查看参考答案 ▼
import matplotlib
matplotlib.use("TkAgg")
import matplotlib.pyplot as plt
import numpy as np
plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False
month = np.array([1, 2, 3, 4, 5, 6])
sales = np.array([100, 120, 90, 150, 180, 200])
plt.plot(month, sales, marker="o", label="销量")
plt.title("1-6 月销量折线图")
plt.xlabel("月份")
plt.ylabel("销量")
plt.grid()
plt.legend()
plt.show()
✓ 正确
参考答案：import matplotlib
matplotlib.use("TkAgg")
import matplotlib.pyplot as plt
import numpy as np
plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False
month = np.array([1, 2, 3, 4, 5, 6])
sales = np.array([100, 120, 90, 150, 180, 200])
plt.plot(month, sales, marker="o", label="销量")
plt.title("1-6 月销量折线图")
plt.xlabel("月份")
plt.ylabel("销量")
plt.grid()
plt.legend()
plt.show()
变体题 1：NumPy 每行求和
创建 3 行 3 列数组，分别计算每列总和和每行总和。
查看参考答案 ▼
import numpy as np
arr = np.array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])
print("每列总和：", np.sum(arr, axis=0))
print("每行总和：", np.sum(arr, axis=1))
✓ 正确
参考答案：import numpy as np
arr = np.array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])
print("每列总和：", np.sum(arr, axis=0))
print("每行总和：", np.sum(arr, axis=1))
变体题 2：Pandas 条件筛选
读取 emp.txt，筛选工资大于 6000 的员工。
查看参考答案 ▼
import pandas as pd
df = pd.read_csv("emp.txt", sep="-")
result = df[df["sal"] > 6000]
print(result)
✓ 正确
参考答案：import pandas as pd
df = pd.read_csv("emp.txt", sep="-")
result = df[df["sal"] > 6000]
print(result)
综合案例 1：员工筛选和排序
读取 emp.txt，筛选销售部员工，并按工资降序排序。
查看参考答案 ▼
import pandas as pd
df = pd.read_csv("emp.txt", sep="-")
sales_df = df[df["dept"] == "销售部"]
result = sales_df.sort_values("sal", ascending=False)
print(result)
✓ 正确
参考答案：import pandas as pd
df = pd.read_csv("emp.txt", sep="-")
sales_df = df[df["dept"] == "销售部"]
result = sales_df.sort_values("sal", ascending=False)
print(result)
综合案例 2：销量数据分析和绘图
创建 1-6 月销量数据，使用 Pandas 保存为 DataFrame，计算平均销量，并用 Matplotlib 画折线图。
查看参考答案 ▼
import matplotlib
matplotlib.use("TkAgg")
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False
month = np.array([1, 2, 3, 4, 5, 6])
sales = np.array([100, 120, 90, 150, 180, 200])
df = pd.DataFrame({
"月份": month,
"销量": sales
})
print("平均销量：", df["销量"].mean())
plt.plot(df["月份"], df["销量"], marker="o", label="销量")
plt.title("1-6 月销量趋势")
plt.xlabel("月份")
plt.ylabel("销量")
plt.grid()
plt.legend()
plt.show()
✓ 正确
参考答案：import matplotlib
matplotlib.use("TkAgg")
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False
month = np.array([1, 2, 3, 4, 5, 6])
sales = np.array([100, 120, 90, 150, 180, 200])
df = pd.DataFrame({
"月份": month,
"销量": sales
})
print("平均销量：", df["销量"].mean())
plt.plot(df["月份"], df["销量"], marker="o", label="销量")
plt.title("1-6 月销量趋势")
plt.xlabel("月份")
plt.ylabel("销量")
plt.grid()
plt.legend()
plt.show()