第 14 题

df=pd.read_excel("data.xlsx")

读取6—9月温度记录，得到DataFrame df。每行代表某车间在某个时刻的一次采集，列依次为“日期”“时间”“车间”“温度”。题中只展示部分记录，不能用图a的局部数据算出全期的超温次数或月平均温度。

①

空①位于读取数据后、按车间分组计数前，所得df1将作为后续统计的数据来源。

df1=df1.groupby("车间",as_index=False).count()  #分组计数

count()统计每组各列的非空值个数，而不是计算温度之和。按题示完整记录，各计数列都对应该车间的记录次数。as_index=False使“车间”仍为普通列，并位于结果的第0列。

完成超温筛选后的分组计数结构如下，N_A等为符号，表示完整数据中相应车间的超温记录数；没有超温记录的车间不会出现在分组结果中。

②

空②重新组织df1的行顺序，后续将直接读取排在第一行的车间。

c=df1.values[0][0]  #温度超过30℃次数最多的车间

values把表格数据转换为数组，[0][0]读取第0行第0列。前面的分组保留了普通列“车间”，因此这里读取的是第一行的车间编号，而不是原行索引。

df2=df[df["车间"]==c]  #筛选

按车间编号c从原始df筛选，得到该车间6—9月的全部温度记录，包括不超过30℃的记录。超温次数用于选车间，月平均温度则要使用该车间的全部记录。

for i in df2.index:
    ③

df2保留筛选前的行索引，i依次取得这些索引标签。空③在循环内执行，需要为当前行生成月份信息。

df2=df2.groupby("月").mean()  #分组求平均值

按“月”分组，对各月的温度记录求平均值。分组后每行对应一个月，“月”成为结果的index，“温度”列保存该月平均温度。

index名称为“月”。M_06等表示对应月份全部记录的平均温度，完整数据未提供，不补造数值。

plt.bar(④)

plt.bar需要横坐标和对应的柱高。图b横坐标为06、07、08、09，柱高为所选车间的各月平均温度。

plt.title(c+"车间6~9月月温度平均值")

标题由所选车间编号c与文字拼接而成。图b标题给出所选车间为E，但图a只是部分数据，不能据此独立核算E的全期超温次数。

要统计温度超过30℃的次数，先用df["温度"]>30生成布尔条件，再用df[...]筛选整行，保留后续分组所需的“车间”等列，因此选B：

df1=df[df["温度"]>30]

A只得到布尔Series，没有保留可供按“车间”分组的完整记录。

分组计数后，“日期”列已表示超温记录次数。要使次数最多的车间位于第一行，应按该列降序排序，选D：

df1=df1.sort_values("日期",ascending=False)

C按车间编号排序，E按“温度”计数升序排序，均不能满足取首行得到最多次数车间的要求。

i是当前行的索引标签，用.at[i,"日期"]取得该行日期，再截取下标5、6两个字符。例如字符串2025/06/01的[5:7]为06；将结果写入同一行的“月”列，因此选G：

df2.at[i,"月"]=df2.at[i,"日期"][5:7]

F对整列Series做切片，不是逐个日期字符串截取月份。这里的日期按题目选项所要求的字符串形式处理。

分组后，月份位于df2.index，月平均温度位于df2["温度"]，因此选H：

df2.index,df2["温度"]

I把分组键“月”当作普通列访问；J的df2.values是二维数组，不是这里需要的温度一维序列。