“mobike_shanghai.csv“文件存储了2016年8月份上海某区域共享单车骑行数据。约十万条记录，每条记录有订单编号、单车编号、用户编号、开锁地点、开锁时间、关锁时间、骑行耗时等信息。
请根据以上情境回答以下问题。
（1）好学的飞飞同学想在文件中添加天气温度等信息，需要从互联网上采集一些数据，请问可以使用以下哪种方法

C

C

。
A．requests.jye.ai（　　）
B．requests.jye.ai（　　）
C．requests.jye.ai（　　）
D．requests.jye.ai（　　）
（2）飞飞获取到了网页源代码，以下可以用来解析网页的python函数库是

D

D

。
A．requests
B．random
C．HTML
D．BeautifulSoup
飞飞编写了以下程序，对下午13时到18时的骑行数据进行统计，并进行可视化呈现。

#导入库 import ① as pd import matplotlib.② as plt #读取 mobike_shanghai.csv 文件 df=pd.③（“mobike_shanghai,csv“，encoding=“ANSI“） #整理数据 df.④（keep=“first“，inplace=True） #在筛选数据 select=⑤ #按单位小时进行频数统计 count=select[“time_of_hour“].⑥print （count） #绘制并显示图形 plt.⑦（range（1，7），count） plt.jye.ai （　　）

（3）飞飞想对csv文本数据进行数据分析，她在上面程序中①处导入的库为

B

B

。
A．requests
B．pandas
C．csv
D．numpy
（4）上面程序②处导入绘图库的语句可以是import matplotlib.______as plt

C

C

。
A．plt
B．plot
C．pyplot
D．numpy
（5）为读取csv文件，上面程序③处应填入的是

B

B

。
A．read_excel
B．read_csv
C．to_excel
D．to_csv
（6）飞飞发现有些记录出现如下图的情况，她通过上面程序④处进行数据处理的函数为

D

D

。

A．isnull
B．dropna
C．drop_null
D．drop_duplicates
（7）飞飞想筛选出时间在13时到18时之间的数据，⑤处可以使用的筛选语句是

C

C

。
A．df[（df['time_of_hour']＞=〃13时〃），（df['time_of_hour']＜=〃18时〃）]
B．df[（df['time_of_hour']＞=〃13时〃）&（df['time_of_hour']＜=〃18时〃）]
C．df[（df['time_of_hour']＞=〃13时〃）and（df['time_of_hour']＜=〃18时〃）]
D．df[（df['time_of_hour']＞=〃13时〃）or（df['time_of_hour']＜=〃18时〃）]
（8）要对数据按单位小时进行频次统计，结果如下图所示，上面程序⑥处应填入的是

B

B

。

A．value_counts
B．value_counts（　　）
C．sum（　　）
D．values_count（　　）
（9）要绘制下图所示的图形，与相应数据进行对比，上面程序横线⑦处应该填入的是

bar

bar

。