“mobike_shanghai.csv“文件存儲(chǔ)了2016年8月份上海某區(qū)域共享單車騎行數(shù)據(jù)。約十萬(wàn)條記錄，每條記錄有訂單編號(hào)、單車編號(hào)、用戶編號(hào)、開(kāi)鎖地點(diǎn)、開(kāi)鎖時(shí)間、關(guān)鎖時(shí)間、騎行耗時(shí)等信息。
請(qǐng)根據(jù)以上情境回答以下問(wèn)題。
（1）好學(xué)的飛飛同學(xué)想在文件中添加天氣溫度等信息，需要從互聯(lián)網(wǎng)上采集一些數(shù)據(jù)，請(qǐng)問(wèn)可以使用以下哪種方法

C

C

。
A．requests.jye.ai（　?。?br />B．requests.jye.ai（　?。?br />C．requests.jye.ai（　　）
D．requests.jye.ai（　?。?br />（2）飛飛獲取到了網(wǎng)頁(yè)源代碼，以下可以用來(lái)解析網(wǎng)頁(yè)的python函數(shù)庫(kù)是

D

D

。
A．requests
B．random
C．HTML
D．BeautifulSoup
飛飛編寫了以下程序，對(duì)下午13時(shí)到18時(shí)的騎行數(shù)據(jù)進(jìn)行統(tǒng)計(jì)，并進(jìn)行可視化呈現(xiàn)。

#導(dǎo)入庫(kù) import ① as pd import matplotlib.② as plt #讀取 mobike_shanghai.csv 文件 df=pd.③（“mobike_shanghai,csv“，encoding=“ANSI“） #整理數(shù)據(jù) df.④（keep=“first“，inplace=True） #在篩選數(shù)據(jù) select=⑤ #按單位小時(shí)進(jìn)行頻數(shù)統(tǒng)計(jì) count=select[“time_of_hour“].⑥print （count） #繪制并顯示圖形 plt.⑦（range（1，7），count） plt.jye.ai （　?。?/td>

（3）飛飛想對(duì)csv文本數(shù)據(jù)進(jìn)行數(shù)據(jù)分析，她在上面程序中①處導(dǎo)入的庫(kù)為

B

B

。
A．requests
B．pandas
C．csv
D．numpy
（4）上面程序②處導(dǎo)入繪圖庫(kù)的語(yǔ)句可以是import matplotlib.______as plt

C

C

。
A．plt
B．plot
C．pyplot
D．numpy
（5）為讀取csv文件，上面程序③處應(yīng)填入的是

B

B

。
A．read_excel
B．read_csv
C．to_excel
D．to_csv
（6）飛飛發(fā)現(xiàn)有些記錄出現(xiàn)如下圖的情況，她通過(guò)上面程序④處進(jìn)行數(shù)據(jù)處理的函數(shù)為

D

D

。

A．isnull
B．dropna
C．drop_null
D．drop_duplicates
（7）飛飛想篩選出時(shí)間在13時(shí)到18時(shí)之間的數(shù)據(jù)，⑤處可以使用的篩選語(yǔ)句是

C

C

。
A．df[（df['time_of_hour']＞=〃13時(shí)〃），（df['time_of_hour']＜=〃18時(shí)〃）]
B．df[（df['time_of_hour']＞=〃13時(shí)〃）&（df['time_of_hour']＜=〃18時(shí)〃）]
C．df[（df['time_of_hour']＞=〃13時(shí)〃）and（df['time_of_hour']＜=〃18時(shí)〃）]
D．df[（df['time_of_hour']＞=〃13時(shí)〃）or（df['time_of_hour']＜=〃18時(shí)〃）]
（8）要對(duì)數(shù)據(jù)按單位小時(shí)進(jìn)行頻次統(tǒng)計(jì)，結(jié)果如下圖所示，上面程序⑥處應(yīng)填入的是

B

B

。

A．value_counts
B．value_counts（　　）
C．sum（　?。?br />D．values_count（　?。?br />（9）要繪制下圖所示的圖形，與相應(yīng)數(shù)據(jù)進(jìn)行對(duì)比，上面程序橫線⑦處應(yīng)該填入的是

bar

bar

。