工业AI《2025年》Python编程练习题下载.docxVIP

工业AI《2025年》Python编程练习题下载

考试时间：______分钟总分：______分姓名：______

练习题一

请编写Python代码，定义一个函数`calculate_statistics(data)`，该函数接收一个包含数值的列表`data`作为输入参数。函数需要计算并返回该列表中的最大值、最小值、平均值和标准差。要求使用Python内置函数或标准库中的函数进行计算，不得手动编写计算标准差的公式。

练习题二

假设你已从某工业设备的传感器获取了一天的温度数据，数据以字符串形式存储在一个列表`temperature_data`中，例如：`[23.5,24.1,22.8,25.0,26.2,23.9,24.5,23.0,22.5,23.8,...]`。请编写Python代码，完成以下任务：

1.将`temperature_data`列表中的所有字符串元素转换为浮点数，存储在一个新的列表`temperatures`中。

2.使用`temperatures`列表，找出当天的最高温度和最低温度，并将它们分别存储在变量`max_temp`和`min_temp`中。

3.计算温度的平均值，并将结果存储在变量`avg_temp`中。

4.找出所有温度值中大于平均值的记录，并将这些温度值存储在一个新的列表`above_avg_temps`中。

练习题三

使用Pandas库，完成以下任务：

1.假设你已成功导入Pandas库，并有一个名为`df`的DataFrame，其中包含以下列：`Timestamp`(时间戳),`Sensor_ID`(传感器ID),`Temperature`(温度,单位摄氏度),`Pressure`(压力,单位MPa)`。

2.编写代码，筛选出`Sensor_ID`为Sensor_A的所有记录，并将结果存储在新的DataFrame`df_sensor_a`中。

3.在`df_sensor_a`中，计算每个时间点`Temperature`和`Pressure`的平均值，结果应按时间戳`Timestamp`排序。

4.将计算得到的平均值DataFrame重命名为`sensor_a_stats`。

练习题四

继续使用练习题三中的`df`DataFrame，并假设它已经包含了Sensor_ID,Temperature,Pressure等列。请编写代码：

1.使用Pandas对`df`进行分组，按`Sensor_ID`列进行分组。

2.对每个分组，计算其`Temperature`列的最大值和最小值。

3.将上述结果转换为一个新的DataFrame，其中包含`Sensor_ID`以及每个传感器对应的`Temperature_Max`和`Temperature_Min`列。将这个新的DataFrame命名为`sensor_temp_range`。

练习题五

假设你已经有了练习题三中提到的`df`DataFrame，并且它包含了Timestamp(格式为YYYY-MM-DDHH:MM:SS)、Sensor_ID和Temperature列。请编写Python代码，使用Matplotlib库绘制以下图表：

1.选择`Sensor_ID`为Sensor_B的所有记录。

2.使用时间戳`Timestamp`作为X轴，温度`Temperature`作为Y轴，绘制一个时间序列图（折线图）。

3.图表标题应为Sensor_BTemperatureOverTime，X轴标签为Time，Y轴标签为Temperature(°C)。

练习题六

假设你有一个包含特征和标签的数据集，特征存储在PandasDataFrame`X`中，标签存储在列表`y`中。请使用Scikit-learn库，完成以下机器学习任务：

1.导入`train_test_split`函数。

2.使用`train_test_split`将数据集`X`和`y`分割为训练集和测试集，其中训练集占比80%，测试集占比20%，随机种子设置为42。

3.导入`LinearRegression`类。

4.创建一个`LinearRegression`模型实例。

5.使用训练集数据(`X_train`,`y_train`)对模型进行训练（拟合）。

练习题七

继续使用练习题六中分割好的训练集和测试集(`X_train`,`y_train`,`X_test`,`y_te