2025年大學《數(shù)據(jù)計算及應用》專業(yè)題庫——數(shù)據(jù)計算及應用專業(yè)的課外實踐考試時間：______分鐘總分：______分姓名：______一、請編寫一個Python函數(shù)，該函數(shù)接收一個包含多個字典的列表（列表中的每個字典代表一個人的信息，包含'name'和'age'鍵），并返回一個新列表，其中只包含年齡大于等于18歲的人的信息。請確保你的函數(shù)能夠正確處理輸入列表為空的情況。二、假設你使用Pandas庫處理一個名為"data.csv"的文件，該文件包含以下列：'ID','Name','Category','Value'。請編寫代碼片段完成以下任務：1.讀取該CSV文件到PandasDataFrame對象。2.篩選出'Category'列值為'CategoryA'或'CategoryB'的行。3.對篩選出的數(shù)據(jù)，按照'Value'列進行降序排序。4.將排序后的數(shù)據(jù)保存到一個新的CSV文件"filtered_sorted_data.csv"中，不包含原CSV文件的索引列。三、請解釋冒泡排序（BubbleSort）算法的基本原理。在你的解釋中，需要說明：1.冒泡排序是一種什么樣的排序算法（按何種方式工作）？2.描述其核心的迭代/比較過程。3.分析其在最好、最壞和平均情況下的時間復雜度。四、假設你需要設計一個簡單的Web應用，用于展示某個城市過去一年的每日氣溫數(shù)據(jù)。用戶能夠查看整個時間序列的氣溫曲線圖。請描述你會如何設計這個應用的核心部分，包括但不限于：1.你會使用什么技術(shù)棧（如前端框架、后端語言/框架、數(shù)據(jù)庫等）？簡述選擇理由。2.數(shù)據(jù)應該如何存儲（例如，在數(shù)據(jù)庫中如何設計表結(jié)構(gòu)）？3.后端需要提供哪些API接口供前端調(diào)用？4.前端頁面應如何展示數(shù)據(jù)（描述基本布局和交互方式）？五、給定以下SQL查詢語句：```sqlSELECTa.Name,COUNT(b.OrderID)ASTotalOrdersFROMCustomersASaLEFTJOINOrdersASbONa.CustomerID=b.CustomerIDWHEREa.City='NewYork'GROUPBYa.NameHAVINGCOUNT(b.OrderID)>5ORDERBYTotalOrdersDESC;```請解釋這個SQL查詢的作用。在解釋中，說明：1.該查詢從哪些表（及其別名）中獲取數(shù)據(jù)？2.它執(zhí)行了什么類型的連接（INNERJOIN,LEFTJOIN等）？為什么選擇這種連接類型？3.`WHERE`子句過濾了哪些記錄？4.`GROUPBY`子句按什么字段對結(jié)果進行分組？5.`HAVING`子句對分組后的結(jié)果做了什么篩選？6.最終結(jié)果的排序方式是什么？試卷答案一、```pythondeffilter_adults(people_list):ifnotpeople_list:#處理空列表情況return[]return[personforpersoninpeople_listifperson['age']>=18]```解析思路：1.函數(shù)定義與參數(shù)：定義函數(shù)`filter_adults`，參數(shù)為`people_list`，表示包含人信息的列表。2.空列表處理：首先檢查輸入列表是否為空。如果為空，直接返回空列表，避免后續(xù)操作錯誤。3.列表推導式：使用列表推導式遍歷`people_list`中的每個字典（代表一個人）。對于每個字典`person`，檢查其`'age'`鍵對應的值是否大于等于18。4.條件篩選：只有滿足`person['age']>=18`條件的字典，才會被包含在最終的輸出列表中。5.返回結(jié)果：返回包含所有符合條件的成年人信息的列表。二、```pythonimportpandasaspd#1.讀取CSV文件df=pd.read_csv('data.csv')#2.篩選Category為'CategoryA'或'CategoryB'的行filtered_df=df[df['Category'].isin(['CategoryA','CategoryB'])]#3.按'Value'列降序排序sorted_df=filtered_df.sort_values(by='Value',ascending=False)#4.保存到新CSV文件，不包含索引sorted_df.to_csv('filtered_sorted_data.csv',index=False)```解析思路：1.導入庫：導入Pandas庫，用于數(shù)據(jù)處理。2.讀取數(shù)據(jù)：使用`pd.read_csv()`函數(shù)讀取名為"data.csv"的文件，將其內(nèi)容加載到PandasDataFrame對象`df`中。3.篩選數(shù)據(jù)：使用布爾索引結(jié)合`isin()`方法篩選出'Category'列值為'CategoryA'或'CategoryB'的行。`df['Category'].isin(['CategoryA','CategoryB'])`生成一個布爾序列，其中滿足條件的行對應`True`，否則為`False`。`df[...]`據(jù)此篩選出所需行，結(jié)果存儲在`filtered_df`中。4.排序數(shù)據(jù)：使用`sort_values()`方法對篩選后的DataFrame`filtered_df`進行排序。`by='Value'`指定按'Value'列排序，`ascending=False`指定按降序排列。5.保存數(shù)據(jù)：使用`to_csv()`方法將排序后的DataFrame`sorted_df`保存到名為"filtered_sorted_data.csv"的新文件中。`index=False`參數(shù)確保在保存時不將DataFrame的索引列也寫入文件。三、冒泡排序是一種簡單的比較排序算法。它的工作原理是通過重復遍歷待排序的列表，比較相鄰的兩個元素，如果它們的順序錯誤（例如，前一個比后一個大，而在升序排序中），就交換它們的位置。這個過程會重復進行，直到整個列表中沒有再需要交換的元素，這時列表就變成了有序的。核心迭代/比較過程如下：1.從列表的第一個元素開始，比較當前元素和下一個元素。2.如果當前元素大于下一個元素（在升序排序中），則交換它們的位置。3.對每一對相鄰元素做同樣的工作，從開始第一對到結(jié)尾的最后一對。這步做完后，最后的元素會是最大的數(shù)。4.針對所有的元素重復以上的步驟，除了最后一個。5.持續(xù)每次對越來越少的元素重復上面的步驟，直到?jīng)]有任何一對數(shù)字需要比較。冒泡排序的時間復雜度分析：-最好情況：當輸入的列表已經(jīng)是排序好的情況時，每一輪遍歷只需要進行一次比較（在最后），并且不會發(fā)生交換。需要經(jīng)過`n-1`輪比較（`n`為元素個數(shù)），每輪比較次數(shù)遞減?？偙容^次數(shù)為`1+2+...+(n-1)=n*(n-1)/2`。因此，最好情況時間復雜度為`O(n)`。-最壞情況：當輸入的列表是逆序排列的情況時，每一輪遍歷都需要進行最大次數(shù)的比較和交換。需要經(jīng)過`n-1`輪比較，每輪比較次數(shù)為`n-i`（`i`為當前輪數(shù)）?？偙容^次數(shù)為`n+(n-1)+...+2+1=n*(n-1)/2`。最壞情況時間復雜度為`O(n^2)`。-平均情況：在平均情況下，每次比較都需要進行一定的交換操作。綜合來看，平均時間復雜度也是`O(n^2)`。四、我會考慮使用以下技術(shù)棧：*前端：使用React.js作為前端框架。選擇React是因為它組件化開發(fā)模式便于構(gòu)建交互式用戶界面，生態(tài)系統(tǒng)成熟，有豐富的圖表庫（如ReactChart.js或Recharts）可以方便地集成氣溫曲線圖。也可以考慮Vue.js作為替代。*后端：使用Python的Flask或Django框架。選擇Python是因為它與數(shù)據(jù)科學領域（包括Pandas、NumPy等）結(jié)合緊密。Flask輕量靈活，適合快速構(gòu)建API；Django功能全面，自帶ORM和許多開箱即用的功能，適合更復雜的應用。選擇理由是Python在數(shù)據(jù)處理和分析方面有優(yōu)勢，且開發(fā)效率較高。*數(shù)據(jù)庫：使用SQLite。對于存儲少量歷史氣溫數(shù)據(jù)，SQLite足夠使用，它是輕量級的、無需單獨服務器的數(shù)據(jù)庫，易于集成和配置。如果數(shù)據(jù)量巨大或需要高并發(fā)訪問，可以考慮PostgreSQL或MySQL。*數(shù)據(jù)可視化庫：使用Matplotlib或Plotly（后端可以是Python的Plotly庫，前端也可以有JavaScript的Plotly庫）。Plotly交互性強，效果美觀，適合網(wǎng)頁展示。數(shù)據(jù)存儲設計（以SQLite為例）：可以設計一個名為`WeatherData`的表，包含字段：*`id`(INTEGER,PRIMARYKEY):數(shù)據(jù)記錄的唯一標識符。*`date`(DATE,NOTNULL):日期。*`temperature`(REAL,NOTNULL):氣溫值。*`city`(TEXT,NOTNULL):城市名稱。后端API接口設計：1.`GET/api/weather`:獲取指定城市過去一年的所有每日氣溫數(shù)據(jù)。接口可能需要接受查詢參數(shù)，如`city`和`start_date`/`end_date`，用于限定查詢范圍。返回JSON格式的數(shù)據(jù)列表。2.`GET/api/weather/summary`:獲取指定城市過去一年每日氣溫的統(tǒng)計摘要（如日最高溫、日最低溫、日平均溫）。同樣可能需要城市參數(shù)。返回JSON格式的數(shù)據(jù)列表或字典。前端頁面展示設計：*頁面布局：頂部包含應用標題和城市選擇器（如果支持多個城市）。主體部分是一個響應式的圖表區(qū)域，用于展示氣溫曲線圖。*交互方式：用戶選擇城市后，通過調(diào)用后端API獲取數(shù)據(jù)，使用前端圖表庫（如ReactChart.js）將數(shù)據(jù)繪制成曲線圖。圖表應支持基本的交互，如鼠標懸停顯示具體日期和氣溫值?？梢钥紤]添加時間范圍選擇器，允許用戶查看特定子時間段的數(shù)據(jù)。五、該SQL查詢的作用是從`Customers`表和`Orders`表（通過`CustomerID`關(guān)聯(lián)）中，篩選出居住在"NewYork"城市的客戶，統(tǒng)計每個客戶的訂單數(shù)量，并找出訂單數(shù)量超過5個的客戶，最后按訂單數(shù)量降序排列這些客戶及其訂單數(shù)量。具體解釋：1.表來源與別名：該查詢從`Customers`表（別名為`a`）和`Orders`表（別名為`b`）中獲取數(shù)據(jù)。使用別名`a`和`b`是為了簡化后續(xù)的引用。2.連接類型：它執(zhí)行了`LEFTJOIN`（左連接）。選擇`LEFTJOIN`是因為我們關(guān)注的是`Customers`表中的所有客戶（無論他們是否有訂單）。如果某個客戶在`Orders`表中沒有訂單記錄，`LEFTJOIN`會將該客戶的信息與`Orders`表中`CustomerID`為`NULL`的行組合起來，結(jié)果中`Orders`表的相關(guān)列會顯示為`NULL`。這符合需求，即要列出所有紐約客戶，即使他們沒有訂單也要顯示（訂單數(shù)量為0）。3.WHERE子句過濾：`WHEREa.City='NewYork'`子句過濾掉所有`Customers`表中`City`列值不等于'NewYork'的記錄，只保留居住在紐約的客戶信息。4.GROUPBY子句分組：`GROUPBYa.Name`子句按照`Customers`表中的`Name`列對結(jié)果進行分組。這意味著查詢會將具有相同姓名的多個客戶記錄合并為一組。由于使用了聚合函數(shù)`COUNT()`,`GROUPBY`是必需的。5.HA