深耕专业教研，探索前沿技术
信息技术来源：诸暨市2026年5月高三诊断性考试

第 14 题

答案与解析

第(1)小题

参考答案

A

控制指令的传递路径为“服务器→智能终端→门禁、警报器”。服务器将指令下发给智能终端，再由智能终端直接控制执行器。

第(2)小题

参考答案

  1. B

  2. D

选项分析

A

不受影响。故障发生在重力传感器与智能终端的连接处，其他传感器仍可通过各自正常的连接向终端提供数据。

B

受影响。重力传感器感知商品重量变化，连接故障会使商品取走后的变化数据无法正常上传，App中的实时库存数据可能无法及时、准确更新。

C

不受影响。顾客进入超市的身份验证和门禁控制不依赖货架的重量变化数据。

D

受影响。自动结算需要确定顾客取走的商品及数量，缺少重力传感器提供的取货数据，可能使购物清单不完整，影响总价计算。

第(3)小题

参考答案

  1. A

  2. D

选项分析

A

合理。杀毒软件可检测、清除恶意程序，防火墙可按规则限制网络访问，有助于提升系统安全性。

B

不合理。数据库数据遭到误删或损坏时，备份可用于恢复数据；不备份会增加数据无法恢复的风险。

C

不合理。在按采集结果上传数据的情况下，提高采集频率会增加单位时间内服务器接收、处理的数据量，加重负荷。

D

合理。定期维护可及时发现和处理软硬件故障，必要的升级可修复缺陷、改善系统运行。

第(4)小题

参考答案

  1. 警报器自身故障。

  2. 警报器与智能终端连接故障。

服务器检测出异常后，还需要经智能终端控制警报器。警报器自身损坏时，即使收到控制指令也可能无法发声；警报器与智能终端连接故障时，控制信号可能无法正常传到警报器。

第(5)小题

参考答案

  1. D

  2. B

  3. G

数据处理过程

df = pd.read_csv("sp.csv")

读取CSV文件得到DataFrame df，每行是一条商品购买监测记录。“数量”表示该条记录涉及的商品件数，“订单状态”区分正常和异常记录。题目已省略根据时间戳生成“月份”列的代码。

df1 = df[df["订单状态"] == "正常"]

筛选订单状态为“正常”的记录，得到df1，后续销售统计以这些正常订单为依据。

df2 = ①

空①的结果保存到df2。后续需要按“数量”比较商品销量，并读取“商品编号”，因此这两列都需要保留。

df3 = df2.sort_values("数量", ascending=False)

按“数量”降序排列，得到df3，数量最大的记录排在第一行。排序保留原行索引，第一行的索引不一定为0。

cla = df3.at[df3.index[0], "商品编号"]

df3.index[0]取得排序后第一行的索引标签，再由.at读取这一行的“商品编号”，保存到cla。

df3 = ②

这里重新给df3赋值。下游还要按月份统计，所取数据需要保留相应的月份与数量信息。

df3 = df3.groupby("月份")["数量"].sum()

按“月份”分组，对各组的“数量”求和。选取单列后聚合，结果df3是Series：索引为月份，值为该月数量合计。以下仅示意结果结构，M1、M2表示结果中实际存在的月份，S1、S2表示相应合计值，不是题目给定数据。

Series；index名称：月份；Series名称：数量。

index values
M1 S1
M2 S2
… …

填空分析

①

题目要求比较各商品的正常销售量，应从df1按“商品编号”分组，对“数量”求和，选择D：

df1.groupby("商品编号", as_index=False).sum()

一条记录中的数量可能大于1，例如表中第一条记录的数量为4，应累计4件；count()统计的是非空记录数，不能代替销量求和。as_index=False使“商品编号”保留为普通列，供后面的.at读取。

聚合后每行对应一种商品。下面仅列后续使用的两列，S1、S2为各商品正常销量的符号表示，原表未展示全年完整数据，不能据此算出具体销量。

DataFrame df2（仅示意相关列）：

index 商品编号 数量
0 商品甲 S1
1 商品乙 S2
… … …

②

cla已保存销量最高商品的编号。统计该商品各月的正常销量，需要回到保留月份信息的正常订单明细df1，筛选商品编号等于cla的记录，选择B：

df1[df1["商品编号"] == cla]

从df筛选会混入异常订单；df2已按商品合并全年数据，无法再按原订单所属月份分别统计。

③

按月份求和后的df3是Series，月份保存在index中，月销量保存在values中。柱形图以月份为横轴、月销量为柱高，选择G：

plt.bar(df3.index, df3.values)