小申采集了某城市2022年七月的氣象數(shù)據(jù)。數(shù)據(jù)中包含了每天的日平均氣溫（℃），日平均相對濕度（%）、日降水量（mm）、平均風速（km/h）、日照時數(shù)（h）。
（1）、小申在網(wǎng)上找到了某個氣象信息接口，利用所學的爬蟲知識將數(shù)據(jù)抓下來，保存為csv類型文件（文件名為“氣象數(shù)據(jù).csv“），供后期深入分析，請補全以下代碼。
import requests
import pandas as pd
url=“https：//weather.cma.jye.ai/***v1/query/pubished/daily/list？province=**“
re=

requests.jye.ai

requests.jye.ai

（url）#用GET方式獲取網(wǎng)頁數(shù)據(jù)
dic_txt=eval（re.jye.ai）['data']
df=pd.DataFrame（dic_txt）

df.to_csv（'氣象數(shù)據(jù).csv'，encoding=“ANSI“）

df.to_csv（'氣象數(shù)據(jù).csv'，encoding=“ANSI“）

#保存為csv類型文件
（2）、小申采集的部分氣象數(shù)據(jù)如圖所示，他使用Python第三方庫pandas提供的方法進行數(shù)據(jù)整理。經(jīng)檢查確認，對于同一天出現(xiàn)多條記錄的情況，視為重復記錄，只需保留其中的第一條。若讀取的數(shù)據(jù)存放在變量df中，以下去重方法正確的是

A

A

。

日期	日平均氣溫	日平均相對濕度	日降水量	日平均風速	日照時數(shù)
1日	29.3	8	0	1.9	6.6
2日	29.8	8.7	5.4	0.9	7.9
3日	31.5	8.5	0	2	0
……
30日	30	8.7	5	1.6	8
3日	30.8	8.6	0	2	0
31日	28.7	8.1	0	1.3	6.4

A．df.drop_duplicates（subset=[‘日期’]，inplace=True）
B．df.drop_duplicates（keep=‘first’，inplace=True）
C．df.drop_duplicates（keep=‘last’，inplace=True）
D．df.drop_duplicates（subset=[‘日期’]，keep=‘last’，inplace=False）
（3）、刪除有缺失值的記錄，若讀取的數(shù)據(jù)存放在變量df中，將處理后的數(shù)據(jù)轉存在mydf中，以下方法正確的是

D

D

。

日期	日平均氣溫	日平均相對濕度	日降水量	日平均風速	日照時數(shù)
1日	29.3	8	0	1.9	6.6
2日	29.8	8.7	5.4	0.9	7.9
	5.3	6.2	0	2	0
……

A．mydf=dropna（axis=1）
B．mydf=df.jye.ai（axis=0）
C．mydf.jye.ai（inplace=True）
D．mydf=df.jye.ai （　　）
（4）、小申把整理后的數(shù)據(jù)存儲于“七月氣象數(shù)據(jù).csv”文件中。如圖所示，他編寫程序對這些數(shù)據(jù)進行分析，在“日平均氣溫”大于30的記錄中，找出“日平均相對濕度”的最大值。請將程序填寫完整。

import pandas as pd import numpy as np df=pd.read_csv（七 月氣象數(shù)據(jù).csv'，encoding='ansil'） d=df['日平均氣溫'] mydf=df[ df['日平均氣溫'] df['日平均氣溫'] ＞30] temp=np. max（mydf['日平均相對濕度']） max（mydf['日平均相對濕度']） print（temp）

（5）、小申在撰寫數(shù)據(jù)分析報告時，根據(jù)“2022年7月日平均氣溫”可視化圖形，總結七月份日平均氣溫特點，如圖所示，請在橫線處進一步補充七月份日平均氣溫特點。

2022年七月份日平均氣溫在32℃及以上的有3天。
①

2022年七月份日平均氣溫在31℃到32℃之間的有9天。

2022年七月份日平均氣溫在31℃到32℃之間的有9天。

。
②

2022年七月份日平均氣溫在28℃到29℃之間的有4天。

2022年七月份日平均氣溫在28℃到29℃之間的有4天。

。
（6）、根據(jù)國家氣象信息中心統(tǒng)計，氣象大數(shù)據(jù)持續(xù)爆炸式增長，日增量40TB，氣象部門已積累海量數(shù)據(jù)資源。到2022年總體規(guī)模達到200PB（1PB=1024TB），這體現(xiàn)出的大數(shù)據(jù)特征是

D

D

。
A．處理速度快
B．數(shù)據(jù)類型多
C．價值密度低
D．數(shù)據(jù)規(guī)模大
（7）、為了及時做好防暑降溫工作，各城市氣象部門及時預報天氣氣溫，發(fā)布高溫預警信息。小申采集了部分城市氣象部門發(fā)布的某日14時氣溫預報數(shù)據(jù)，并設計了一個算法，統(tǒng)計發(fā)布橙色預警的城市數(shù)量。請參考下表，選擇合適的框圖分別填入

B

B

、

A

A

、

C

C

，將算法設計完整。

預警	氣溫范圍
黃色預警	35℃≤氣溫＜37℃
橙色預警	37℃≤氣溫＜40℃
紅色預警	氣溫≥40℃

A．
B．
C．
（8）、小申編寫程序統(tǒng)計七月份日降水量不為0的天數(shù)，七月份每天的日降水量數(shù)據(jù)依次存放在列表slist中，請根據(jù)已有的語句完善程序代碼。
slist=[0，5，4，0，0，1.3，0，0，0.9，0，0，53.8，0，0，0，58.6，10，0，0.3，0，0，0，0，0，0，0，12.2，0，0，2.9，0]
#在以下區(qū)域繼續(xù)完善代碼

c=0
foriinslist：
ifi!=0：
c=c+1

c=0
foriinslist：
ifi!=0：
c=c+1

。

#以下輸出語句，無需修改
print（c）