94职业院校技能大赛高职组《Python程序开发》赛项竞赛样题(001).docx

《94职业院校技能大赛高职组《Python程序开发》赛项竞赛样题(001).docx》由会员分享，可在线阅读，更多相关《94职业院校技能大赛高职组《Python程序开发》赛项竞赛样题(001).docx（8页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、2023 年广西职业院校技能大赛高职组Python 程序开发赛项竞赛样题【时量： 240 分钟】赛题说明一、注意事项1.请根据大赛所提供的竞赛环境， 检查所列的硬件设备、软件清单、材料清单是否齐全，计算机设备是否能正常。2.竞赛结束前， 在竞赛平台提供的虚拟机中， 根据赛题将各试题 代码进行完善整合， 并运行；根据竞赛平台左侧的答题区进行答题，根据题目对运行代码及结果进行截图。3.竞赛结束时， 请将答题区的答卷进行提交操作， 答卷在竞赛结束前可重复提交。二、竞赛环境1.PC 机： 系统已安装 Python 相关环境、MySQL 数据库， 用户名密码分别为： root/123456。2.根据考题

2、说明，从竞赛平台虚拟机桌面获取程序开发项目工程 代码包。桌面的工程代码可以直接使用虚拟机中的 Pycharm 导入、编译、运行和发布。三、赛题说明本套赛题包括三个模块： 数据清洗、数据分析与可视化、机器学习。竞赛时长 240 分钟。四、赛题模块一： 数据清洗（30 分）第 1 题：药品销售数据清洗【任务说明】数据清洗是数据分析过程中很重要的一个环节，没有高质量的数 据清洗就没有高质量的数据分析。在不准确的数据基础上做出的分析，结论将变得毫无价值和意义。现有一份某医疗机构的药品销售数据，请根据任务要求完成数据清洗功能。【任务要求】数据集中有购药时间、社保卡号、商品编码、商品名称、销售数 量、应收

3、金额、实收金额几个字段，请你使用 NumPy 和 Pandas 按如下要求对数据进行清洗：1.购药时间就是销售时间， 为了后续分析更好的理解字段， 将购药时间改为销售时间；2.任何一条数据中只要有一个缺失值就删除该条数据；3.将销售数量、应收金额、实收金额三列的数据类型转换为float64；4.销售时间中包含日期和星期几，要求数据最终只保留日期， 并把销售日期从字符串类型转换为日期数据类型；5.转换日期过程中不符合日期格式的数值会被转换为空值，需要删除列（销售时间，社保卡号）中为空的行；6.按销售日期进行升序排列，排序后的索引已被打乱，需要修改成从 0 到 N 按顺序的索引值；7.将有异常值（

4、如销售数量、应付金额、实付金额为负数）的数据进行删除。8.将清洗后的数据保存为 CSV 文件。【工程代码】获取桌面“赛题/01_数据清洗/”路径下“01_医疗机构销售数据 清洗”文件夹中获取相关资料，结果保存至桌面“ 提交文档/01 ”文件夹中。模块二： 数据分析及可视化（40 分）第 2 题：药品消费趋势分析【任务说明】现有某医疗机构 10 年的药品销售数据，请根据任务要求完成数据分析。【任务要求】读取所需数据集后对数据进行必要的清洗， 分析中成药和西药在 这 10 年中销售占比以及销售额的变化情况，绘制出堆叠面积图并用Django 框架渲染到前端页面，绘图要求如下：1.使用 PyEchar

5、ts 库绘制堆叠面积图；2.使用 Django 框架在前端页面中渲染展示堆叠面积图；3.示意图如下：图 1：堆叠面积示意图【工程代码】获取桌面“赛题/02_数据分析及可视化/”路径下“02_药品消费 趋势分析”文件夹中获取相关资料，结果保存至桌面“ 提交文档/02 ”文件夹中。第 3 题：感冒高发期分析【任务说明】感冒是一种常见的急性上呼吸道病毒性感染性疾病， 多由鼻病毒、 副流感病毒、呼吸道合胞病毒、埃可病毒、柯萨奇病毒、冠状病毒、 腺病毒等引起。临床表现为鼻塞、喷嚏、流涕、发热、咳嗽、头痛等，多呈自限性。现有某一医疗机构 10 年的患者诊断数据，请你根据诊断结果进行感冒高发期分析。【任务要

6、求】读取所需数据集后，对数据进行必要的清洗， 绘制出感冒高发期 热力图， 分析感冒高发期在每一年中的什么时候，并出具分析报告。绘图要求如下：1. 使用 PyEcharts 库绘制热力图；2. 热力图横轴为年份，纵轴为月份；3.使用 Django 框架在前端页面中渲染展示热力图；4.示意图如下：图 2：热力示意图【工程代码】获取桌面“赛题/02 数据分析及可视化/”路径下“03_感冒高发 期分析”文件夹中获取相关资料，结果保存至桌面“ 提交文档/02 ”文件夹中。模块三： 机器学习（30 分）第 4 题：药品销量预测【任务说明】现有一医疗机构多年来的药品销售数据， 基于该数据， 选择合适的算法训

7、练模型，并对该机构的药品销量进行预测。【任务要求】1.读取药品销售数据；2.提取合适的特征；3.对数据进行编码等预处理；4.划分训练集和测试集；5.构建机器学习模型；6.编写模型训练相关代码， 完成模型训练；7.将训练好的模型进行保存；8.使用模型进行预测。【工程代码】获取桌面“赛题/03_机器学习/”路径下“04_药品销量预测”文件夹中获取相关资料，结果保存至桌面“ 提交文档/03 ”文件夹中。第 5 题：疾病辅助诊断【任务说明】现有一医疗机构十余年来的患者病例数据， 数据中包含每个患者的症状， 比如咳嗽、发烧、流鼻涕等，以及最后的诊断结果， 现要基于该数据集构建机器学习模型，用于疾病的辅助诊断。【任务要求】1.读取患者病例数据；2.对数据进行清洗以及预处理；3.特征提取以及特征工程；4.划分训练集及测试集；5.选取合适的机器学习模型；6.使用数据训练模型并进行模型调优；7.将患者症状数据输入模型，预测患者所患疾病；8.将训练好的模型进行保存。【工程代码】获取桌面“赛题/03_机器学习/”路径下“05_疾病辅助诊断”文件夹中获取相关资料，结果保存至桌面“ 提交文档/03 ”文件夹中。