python test9

# 题目 1：输入一个整数n，计算该整数各位数字之积与各位数字之和的差。
# 例如：n = 234， result = 15
num_sum = 0 #存放各位数字的和
num_prod = 1 #存放各位数字的乘积
num = input("输入一个整数：")
if len(num) == 0:
    print("输入错误")
num_sum = sum([int(char) for char in num])
for char in num:
    num_prod *= int(char)
print(f"{num}各位数字知积与各位数字之和的差为{num_prod-num_sum}")




# 题目 2：给定一个字符串 s，由若干单词组成，单词前后用一些空格字符隔开。返回字符串中 最后一个 单词的长度。
# 例如：
# s = "Hello World"， result = 5
# s = "luffy is still joyboy"， result = 6
def last_word_length(s):
    if len(s) == 0:
        return 0
    s = s.strip() #去除首尾空格
    words = s.split() #分割字符串
    if words:
        return len(words[-1])
    else:
        return 0

#测试用例
s1 = "Hello World"
s2 = "Luffy is still joyboy"
print(f"{s1}的最后一个单词的长度为{last_word_length(s1)}")
print(f"{s2}的最后一个单词的长度为{last_word_length(s2)}")




# 题目 3：餐厅菜品销售数据分析
# “餐厅菜品销售.csv” 包含字段：“日期”“菜品名称”“销售份数”“菜品单价 (元)”“菜系 (川菜 / 粤菜 / 鲁菜)”。请使用 pandas 和 matplotlib 完成以下任务：
import pandas as pd
import matplotlib.pyplot as plt
# 1. 读取 CSV 文件数据。
df = pd.read_csv(
    "餐厅菜品销售.csv",
    encoding="utf-8"
)
print(df)




# 2. 计算每道菜品的总销售额（销售份数 × 菜品单价）和总销售份数。
df['总销售额'] = df['销售份数'] * df['菜品单价(元)']
print(df)
print("总销售份数为: ",df['销售份数'].sum())



# 3. 按 “菜系” 分组，统计每个菜系的总销售额（提示：使用 groupby ）。
total_sales = df.groupby('菜系(川菜/粤菜/鲁菜)')['总销售额'].sum()
print(total_sales)



# 4. 提取 “日期” 中的星期信息（如周一至周日），统计每周各天的总销售份数，绘制折线图展示一周内的销售趋势。
df['日期'] = pd.to_datetime(df['日期'])
df['星期'] = df['日期'].dt.weekday + 1
print(df)
total_weekday_sales = df.groupby('星期')['销售份数'].sum()
print(total_weekday_sales)
plt.plot(total_weekday_sales.index,total_weekday_sales)
plt.show()




# 5. 找出总销售额最高的 3 道菜品，用饼图展示它们的销售额占所有菜品总销售额的比例。
top3 = df.nlargest(3,'总销售额')
all_sales = df['总销售额'].sum()
top3_at = top3['总销售额'] / all_sales
print(top3)
top3['总销售额占比'] = top3_at
print(top3_at)
plt.rcParams['font.family'] = ['SimHei']
plt.pie(top3_at,labels=top3['菜品名称'],autopct='%1.1f%%')
plt.show()



# 题目 4：学生体测数据统计分析
# “学生体测数据.csv” 包含字段：“学号”“姓名”“性别”“身高 (cm)”“体重 (kg)”“800 米成绩 (秒)”“立定跳远 (m)”。请使用 pandas、numpy 和 matplotlib 完成以下任务：
# 1. 读取 CSV 文件数据。
data = pd.read_csv(
    "学生体测数据.csv",
    encoding="utf-8",
    index_col='学号'
)
print(data)




# 2. 计算每位学生的 BMI 指数（体重 (kg)/ 身高 (cm)），添加为新列。
data['BMI指数'] = data['体重(kg)'] / data['身高(cm)'] * 50
print(data)

# 3. 按 “性别” 分组，统计 “身高”“体重”“800 米成绩”“立定跳远” 的均值和方差（提示：使用 agg 函数批量统计）。
data_mean = data.groupby('性别').agg({'身高(cm)':'mean',
                         '体重(kg)':'mean',
                         '800米成绩(秒)' :'mean' ,
                         '立定跳远(m)':'mean'}
                         )
data_var = data.groupby('性别').agg({'身高(cm)':'var',
                         '体重(kg)':'var',
                         '800米成绩(秒)' :'var' ,
                         '立定跳远(m)':'var'}
                         )
print("均值: \n",data_mean)
print("方差: \n",data_var)




# 4. 筛选出 BMI 指数在 18.5-23.9 之间（正常范围）的学生，保存为新 CSV 文件 “正常 BMI 学生.csv”（不含索引）。
normal_bmi = data[(data['BMI指数'] >= 18.5) & (data['BMI指数'] <= 23.9)]
print(normal_bmi)
normal_bmi.to_csv("正常BMI学生.csv")




# 5. 绘制男生和女生的 “立定跳远” 成绩折线图，对比性别差异。
male_jump = data[data['性别'] == '男']['立定跳远(m)'].sort_values()
female_jump = data[data['性别'] == '女']['立定跳远(m)'].sort_values()
print(male_jump)
print(female_jump)
t_male = range(1,len(male_jump) + 1)
t_female = range(1,len(female_jump) + 1)
plt.plot(t_male,male_jump,'r-',label = "男生跳远成绩")
plt.plot(t_female,female_jump,'r-',label = "女生跳远成绩")
plt.legend()
plt.show()