2025年統(tǒng)計(jì)學(xué)期末考試題庫(kù)：Python數(shù)據(jù)分析與可視化試題匯編考試時(shí)間：______分鐘總分：______分姓名：______一、選擇題（本部分共20道題，每題2分，共40分。請(qǐng)注意，選擇正確答案非常重要，它將直接決定你的考試成績(jī)。我會(huì)盡力幫助你理解每個(gè)問題，讓我們一起來(lái)挑戰(zhàn)吧！）1.在Python中，哪個(gè)庫(kù)通常用于數(shù)據(jù)分析和處理？A.MatplotlibB.PandasC.Scikit-learnD.TensorFlow2.如果你想在Python中創(chuàng)建一個(gè)數(shù)據(jù)幀，你應(yīng)該使用哪個(gè)庫(kù)？A.MatplotlibB.PandasC.Scikit-learnD.TensorFlow3.以下哪個(gè)不是Pandas的常用數(shù)據(jù)結(jié)構(gòu)？A.SeriesB.DataFrameC.MatrixD.Panel4.如何在Pandas中讀取一個(gè)CSV文件？A.read_csv('filename.csv')B.load_csv('filename.csv')C.read_file('filename.csv')D.load_file('filename.csv')5.在Pandas中，如何選擇一個(gè)數(shù)據(jù)幀中的特定列？A.dataframe['column_name']B.dataframe(column_name)C.dataframe(column_name,)D.dataframe.column_name6.如何在Pandas中篩選出滿足某個(gè)條件的數(shù)據(jù)行？A.dataframe[dataframe['column_name']==value]B.dataframe['column_name']==valueC.dataframe['column_name'].equals(value)D.dataframe.where(dataframe['column_name']==value)7.在Pandas中，如何對(duì)數(shù)據(jù)幀進(jìn)行排序？A.dataframe.sort_values(by='column_name')B.dataframe.sort('column_name')C.dataframe.orderby('column_name')D.dataframe.rank_values(by='column_name')8.如何在Pandas中計(jì)算數(shù)據(jù)幀中某個(gè)數(shù)值列的平均值？A.dataframe['column_name'].mean()B.dataframe['column_name'].average()C.dataframe['column_name'].avg()D.dataframe['column_name'].mean_value()9.在Pandas中，如何合并兩個(gè)數(shù)據(jù)幀？A.dataframe.merge(other_dataframe)B.dataframe.join(other_dataframe)C.dataframe.concat(other_dataframe)D.dataframe.append(other_dataframe)10.如何在Pandas中創(chuàng)建一個(gè)新的數(shù)據(jù)列？A.dataframe['new_column']=valueB.dataframe.new_column=valueC.dataframe['new_column']=dataframe['column_name'].operationD.dataframe['new_column']=operation(dataframe['column_name'])11.在Pandas中，如何處理缺失值？A.dropna()B.fillna()C.remove_na()D.BothAandB12.如何在Pandas中分組數(shù)據(jù)并計(jì)算每組的統(tǒng)計(jì)信息？A.dataframe.groupby('column_name').agg(['mean','sum'])B.dataframe.groupby('column_name').apply(['mean','sum'])C.dataframe.groupby('column_name').describe()D.BothAandB13.在Pandas中，如何將數(shù)據(jù)幀轉(zhuǎn)換為長(zhǎng)格式？A.melt()B.pivot()C.stack()D.unstack()14.如何在Pandas中創(chuàng)建一個(gè)時(shí)間序列數(shù)據(jù)？A.pd.date_range(start,end,freq='D')B.pd.date_range(start,end)C.pd.to_datetime(date)D.BothAandC15.如何在Pandas中處理時(shí)間序列數(shù)據(jù)，例如計(jì)算滑動(dòng)平均值？A.rolling().mean()B.rolling().aggregate('mean')C.rolling().apply('mean')D.BothAandC16.在Pandas中，如何將數(shù)據(jù)幀保存為CSV文件？A.dataframe.to_csv('filename.csv')B.dataframe.save_csv('filename.csv')C.dataframe.export_csv('filename.csv')D.dataframe.save('filename.csv')17.如何在Pandas中創(chuàng)建一個(gè)數(shù)據(jù)透視表？A.pivot_table(values='column_name',index='index_column',columns='column_column')B.dataframe.pivot(values='column_name',index='index_column',columns='column_column')C.pivot(values='column_name',index='index_column',columns='column_column')D.BothAandB18.在Pandas中，如何對(duì)數(shù)據(jù)幀進(jìn)行采樣？A.dataframe.sample(n=number)B.dataframe.choice(n=number)C.dataframe.random(n=number)D.BothAandB19.如何在Pandas中創(chuàng)建一個(gè)交叉表？A.pd.crosstab(index='column_name',columns='column_name')B.dataframe.crosstab(index='column_name',columns='column_name')C.crosstab(index='column_name',columns='column_name')D.BothAandB20.在Pandas中，如何檢查數(shù)據(jù)幀中是否存在重復(fù)值？A.dataframe.duplicated()B.dataframe.drop_duplicates()C.dataframe.is_duplicates()D.BothAandB二、填空題（本部分共10道題，每題2分，共20分。請(qǐng)根據(jù)題目要求，在橫線上填寫正確的答案。這些題目考察的是你對(duì)Pandas庫(kù)的基本操作的掌握程度，所以要認(rèn)真思考哦?。?.在Pandas中，用于處理數(shù)據(jù)的強(qiáng)大庫(kù)是________。2.要?jiǎng)?chuàng)建一個(gè)數(shù)據(jù)幀，你需要使用Pandas庫(kù)中的________結(jié)構(gòu)。3.讀取CSV文件時(shí)，我們通常使用Pandas的________函數(shù)。4.選擇數(shù)據(jù)幀中的特定列，可以使用________語(yǔ)法。5.篩選出滿足某個(gè)條件的數(shù)據(jù)行，可以使用________語(yǔ)句。6.對(duì)數(shù)據(jù)幀進(jìn)行排序，可以使用________方法。7.計(jì)算數(shù)據(jù)幀中某個(gè)數(shù)值列的平均值，可以使用________屬性。8.合并兩個(gè)數(shù)據(jù)幀，可以使用________方法。9.創(chuàng)建一個(gè)新的數(shù)據(jù)列，可以使用________語(yǔ)法。10.處理缺失值，可以使用Pandas的________方法或________方法。三、簡(jiǎn)答題（本部分共5道題，每題4分，共20分。這些題目需要你用簡(jiǎn)潔明了的語(yǔ)言回答，展示你對(duì)Pandas庫(kù)的理解和應(yīng)用能力。認(rèn)真思考，相信你一定能夠答好每一題?。?.請(qǐng)簡(jiǎn)述Pandas庫(kù)的主要功能和應(yīng)用場(chǎng)景。2.在Pandas中，如何對(duì)數(shù)據(jù)幀進(jìn)行去重操作？請(qǐng)說(shuō)明兩種不同的去重方法。3.解釋Pandas中“合并”、“連接”和“拼接”這三個(gè)概念的異同。4.如何在Pandas中處理時(shí)間序列數(shù)據(jù)？請(qǐng)列舉至少三種時(shí)間序列數(shù)據(jù)處理的方法。5.請(qǐng)描述在使用Pandas進(jìn)行數(shù)據(jù)分析時(shí)，如何有效地處理缺失值。四、操作題（本部分共3道題，每題10分，共30分。這些題目需要你根據(jù)題目要求，編寫Pandas代碼來(lái)完成特定的數(shù)據(jù)操作任務(wù)。請(qǐng)注意代碼的規(guī)范性和可讀性，確保你的代碼能夠正確運(yùn)行并得到預(yù)期的結(jié)果。）1.假設(shè)你有一個(gè)名為“data.csv”的CSV文件，其中包含以下列：姓名（name）、年齡（age）、性別（gender）和收入（income）。請(qǐng)編寫Pandas代碼，完成以下任務(wù)：a.讀取該CSV文件并將其存儲(chǔ)在一個(gè)名為“df”的數(shù)據(jù)幀中。b.選擇所有年齡大于30歲的行，并將結(jié)果存儲(chǔ)在一個(gè)新的數(shù)據(jù)幀中。c.計(jì)算所有男性的平均收入，并將結(jié)果打印出來(lái)。d.將數(shù)據(jù)幀中的“收入”列轉(zhuǎn)換為浮點(diǎn)數(shù)類型。e.將數(shù)據(jù)幀中缺失的“年齡”值填充為該列的平均值。2.假設(shè)你有一個(gè)名為“sales.csv”的CSV文件，其中包含以下列：日期（date）、產(chǎn)品（product）、銷售量（quantity）和銷售額（sales）。請(qǐng)編寫Pandas代碼，完成以下任務(wù)：a.讀取該CSV文件并將其存儲(chǔ)在一個(gè)名為“sales_df”的數(shù)據(jù)幀中。b.將“日期”列轉(zhuǎn)換為日期類型，并將其設(shè)置為數(shù)據(jù)幀的索引。c.按照產(chǎn)品對(duì)銷售數(shù)據(jù)進(jìn)行分析，計(jì)算每個(gè)產(chǎn)品的總銷售額，并將結(jié)果按銷售額從高到低排序。d.創(chuàng)建一個(gè)新的數(shù)據(jù)列，用于計(jì)算每天的銷售增長(zhǎng)率（即當(dāng)天的銷售額與前一天銷售額的比值）。e.選擇2023年1月的銷售數(shù)據(jù)，并將結(jié)果存儲(chǔ)在一個(gè)新的數(shù)據(jù)幀中。3.假設(shè)你有一個(gè)名為“students.csv”的CSV文件，其中包含以下列：姓名（name）、年齡（age）、性別（gender）、數(shù)學(xué)成績(jī)（math_score）、物理成績(jī)（physics_score）和化學(xué)成績(jī)（chemistry_score）。請(qǐng)編寫Pandas代碼，完成以下任務(wù)：a.讀取該CSV文件并將其存儲(chǔ)在一個(gè)名為“students_df”的數(shù)據(jù)幀中。b.計(jì)算每個(gè)學(xué)生的總分，并將結(jié)果存儲(chǔ)在一個(gè)新的數(shù)據(jù)列中。c.按照總分對(duì)數(shù)據(jù)進(jìn)行排序，并將結(jié)果按總分從高到低排序。d.創(chuàng)建一個(gè)新的數(shù)據(jù)幀，其中只包含數(shù)學(xué)成績(jī)大于90分的學(xué)生信息。e.計(jì)算物理成績(jī)和化學(xué)成績(jī)的平均值，并將結(jié)果分別打印出來(lái)。五、綜合應(yīng)用題（本部分共2道題，每題15分，共30分。這些題目需要你綜合運(yùn)用Pandas庫(kù)的知識(shí)和技能，解決更復(fù)雜的數(shù)據(jù)分析問題。請(qǐng)認(rèn)真思考，展現(xiàn)你的數(shù)據(jù)分析能力和創(chuàng)造力?。?.假設(shè)你有一個(gè)名為“sales_data.csv”的CSV文件，其中包含以下列：日期（date）、地區(qū)（region）、產(chǎn)品（product）、銷售量（quantity）和銷售額（sales）。請(qǐng)編寫Pandas代碼，完成以下任務(wù)：a.讀取該CSV文件并將其存儲(chǔ)在一個(gè)名為“sales_data_df”的數(shù)據(jù)幀中。b.將“日期”列轉(zhuǎn)換為日期類型，并將其設(shè)置為數(shù)據(jù)幀的索引。c.按照地區(qū)和產(chǎn)品對(duì)銷售數(shù)據(jù)進(jìn)行分組，計(jì)算每個(gè)地區(qū)的每個(gè)產(chǎn)品的總銷售額，并將結(jié)果按地區(qū)和產(chǎn)品排序。d.創(chuàng)建一個(gè)新的數(shù)據(jù)列，用于計(jì)算每個(gè)地區(qū)的銷售增長(zhǎng)率（即當(dāng)天的銷售額與前一天銷售額的比值）。e.選擇2023年1月的銷售數(shù)據(jù)，并將結(jié)果存儲(chǔ)在一個(gè)新的數(shù)據(jù)幀中，然后按照地區(qū)對(duì)數(shù)據(jù)進(jìn)行分組，計(jì)算每個(gè)地區(qū)的總銷售額和總銷售量。2.假設(shè)你有一個(gè)名為“employee_data.csv”的CSV文件，其中包含以下列：?jiǎn)T工編號(hào)（employee_id）、姓名（name）、部門（department）、職位（position）、入職日期（hire_date）和薪資（salary）。請(qǐng)編寫Pandas代碼，完成以下任務(wù)：a.讀取該CSV文件并將其存儲(chǔ)在一個(gè)名為“employee_data_df”的數(shù)據(jù)幀中。b.將“入職日期”列轉(zhuǎn)換為日期類型，并將其設(shè)置為數(shù)據(jù)幀的索引。c.計(jì)算每個(gè)部門的平均薪資，并將結(jié)果按平均薪資從高到低排序。d.創(chuàng)建一個(gè)新的數(shù)據(jù)列，用于計(jì)算每個(gè)員工的在職年限（即當(dāng)前日期與入職日期的差值）。e.選擇薪資大于等于50000的員工數(shù)據(jù)，并將結(jié)果存儲(chǔ)在一個(gè)新的數(shù)據(jù)幀中，然后按照部門對(duì)數(shù)據(jù)進(jìn)行分組，計(jì)算每個(gè)部門的總薪資和平均在職年限。本次試卷答案如下一、選擇題答案及解析1.B解析：Pandas是Python中專門用于數(shù)據(jù)分析和處理的庫(kù)，提供了豐富的數(shù)據(jù)結(jié)構(gòu)和數(shù)據(jù)分析工具。2.B解析：Pandas庫(kù)中的DataFrame數(shù)據(jù)結(jié)構(gòu)是二維的，類似于Excel表格，非常適合用于數(shù)據(jù)分析和處理。3.C解析：Pandas的常用數(shù)據(jù)結(jié)構(gòu)包括Series和DataFrame，而Matrix不是Pandas的數(shù)據(jù)結(jié)構(gòu)。4.A解析：在Pandas中，讀取CSV文件使用read_csv函數(shù)，這是最常用的方法。5.A解析：選擇數(shù)據(jù)幀中的特定列使用dataframe['column_name']語(yǔ)法，這是Pandas的標(biāo)準(zhǔn)語(yǔ)法。6.A解析：篩選出滿足某個(gè)條件的數(shù)據(jù)行使用dataframe[dataframe['column_name']==value]語(yǔ)法，這是Pandas的標(biāo)準(zhǔn)條件篩選方法。7.A解析：對(duì)數(shù)據(jù)幀進(jìn)行排序使用dataframe.sort_values(by='column_name')方法，這是Pandas的標(biāo)準(zhǔn)排序方法。8.A解析：計(jì)算數(shù)據(jù)幀中某個(gè)數(shù)值列的平均值使用dataframe['column_name'].mean()屬性，這是Pandas的標(biāo)準(zhǔn)平均值計(jì)算方法。9.A解析：合并兩個(gè)數(shù)據(jù)幀使用dataframe.merge(other_dataframe)方法，這是Pandas的標(biāo)準(zhǔn)合并方法。10.A解析：創(chuàng)建一個(gè)新的數(shù)據(jù)列使用dataframe['new_column']=value語(yǔ)法，這是Pandas的標(biāo)準(zhǔn)數(shù)據(jù)列創(chuàng)建方法。11.D解析：處理缺失值可以使用Pandas的dropna()方法刪除缺失值，或使用fillna()方法填充缺失值。12.D解析：分組數(shù)據(jù)并計(jì)算每組的統(tǒng)計(jì)信息可以使用dataframe.groupby('column_name').agg(['mean','sum'])方法，也可以使用apply(['mean','sum'])方法。13.A解析：將數(shù)據(jù)幀轉(zhuǎn)換為長(zhǎng)格式使用melt()方法，這是Pandas的標(biāo)準(zhǔn)長(zhǎng)格式轉(zhuǎn)換方法。14.D解析：創(chuàng)建一個(gè)時(shí)間序列數(shù)據(jù)可以使用pd.date_range(start,end,freq='D')方法，也可以使用pd.to_datetime(date)方法。15.D解析：處理時(shí)間序列數(shù)據(jù)，例如計(jì)算滑動(dòng)平均值，可以使用rolling().mean()方法，也可以使用apply('mean')方法。16.A解析：將數(shù)據(jù)幀保存為CSV文件使用dataframe.to_csv('filename.csv')方法，這是Pandas的標(biāo)準(zhǔn)保存方法。17.D解析：創(chuàng)建一個(gè)數(shù)據(jù)透視表可以使用dataframe.pivot(values='column_name',index='index_column',columns='column_column')方法，也可以使用pivot_table(values='column_name',index='index_column',columns='column_column')方法。18.D解析：對(duì)數(shù)據(jù)幀進(jìn)行采樣可以使用dataframe.sample(n=number)方法，也可以使用choice(n=number)方法。19.D解析：創(chuàng)建一個(gè)交叉表可以使用pd.crosstab(index='column_name',columns='column_name')方法，也可以使用dataframe.crosstab(index='column_name',columns='column_name')方法。20.D解析：檢查數(shù)據(jù)幀中是否存在重復(fù)值可以使用dataframe.duplicated()方法，也可以使用drop_duplicates()方法。二、填空題答案及解析1.Pandas解析：Pandas是Python中用于數(shù)據(jù)分析和處理的強(qiáng)大庫(kù)，提供了豐富的數(shù)據(jù)結(jié)構(gòu)和數(shù)據(jù)分析工具。2.DataFrame解析：DataFrame是Pandas庫(kù)中的二維數(shù)據(jù)結(jié)構(gòu)，類似于Excel表格，非常適合用于數(shù)據(jù)分析和處理。3.read_csv解析：讀取CSV文件時(shí)，我們通常使用Pandas的read_csv函數(shù)，這是Pandas的標(biāo)準(zhǔn)讀取CSV文件的方法。4.dataframe['column_name']解析：選擇數(shù)據(jù)幀中的特定列，可以使用dataframe['column_name']語(yǔ)法，這是Pandas的標(biāo)準(zhǔn)語(yǔ)法。5.dataframe[dataframe['column_name']==value]解析：篩選出滿足某個(gè)條件的數(shù)據(jù)行，可以使用dataframe[dataframe['column_name']==value]語(yǔ)句，這是Pandas的標(biāo)準(zhǔn)條件篩選語(yǔ)句。6.sort_values解析：對(duì)數(shù)據(jù)幀進(jìn)行排序，可以使用sort_values方法，這是Pandas的標(biāo)準(zhǔn)排序方法。7.mean解析：計(jì)算數(shù)據(jù)幀中某個(gè)數(shù)值列的平均值，可以使用mean屬性，這是Pandas的標(biāo)準(zhǔn)平均值計(jì)算屬性。8.merge解析：合并兩個(gè)數(shù)據(jù)幀，可以使用merge方法，這是Pandas的標(biāo)準(zhǔn)合并方法。9.dataframe['new_column']=value解析：創(chuàng)建一個(gè)新的數(shù)據(jù)列，可以使用dataframe['new_column']=value語(yǔ)法，這是Pandas的標(biāo)準(zhǔn)數(shù)據(jù)列創(chuàng)建語(yǔ)法。10.dropna和fillna解析：處理缺失值，可以使用Pandas的dropna()方法刪除缺失值，或使用fillna()方法填充缺失值。三、簡(jiǎn)答題答案及解析1.Pandas庫(kù)的主要功能包括數(shù)據(jù)讀取、數(shù)據(jù)清洗、數(shù)據(jù)分析、數(shù)據(jù)可視化等。應(yīng)用場(chǎng)景包括但不限于金融分析、生物信息學(xué)、社交網(wǎng)絡(luò)分析、市場(chǎng)營(yíng)銷等。解析：Pandas庫(kù)提供了豐富的數(shù)據(jù)結(jié)構(gòu)和數(shù)據(jù)分析工具，非常適合用于各種數(shù)據(jù)分析任務(wù)。2.在Pandas中，對(duì)數(shù)據(jù)幀進(jìn)行去重操作可以使用drop_duplicates()方法，也可以使用duplicated()方法篩選出重復(fù)值后刪除。解析：去重操作是數(shù)據(jù)分析中常見的任務(wù)，Pandas提供了多種方法來(lái)實(shí)現(xiàn)去重操作。3.合并是指將兩個(gè)或多個(gè)數(shù)據(jù)幀按照某個(gè)共同的鍵進(jìn)行合并，連接是指將兩個(gè)或多個(gè)數(shù)據(jù)幀按照某個(gè)共同的鍵進(jìn)行連接，拼接是指將兩個(gè)或多個(gè)數(shù)據(jù)幀按照行或列進(jìn)行拼接。解析：合并、連接和拼接是Pandas中常見的操作，它們?cè)诓僮鞣绞胶蛻?yīng)用場(chǎng)景上有所不同。4.在Pandas中，處理時(shí)間序列數(shù)據(jù)可以使用to_datetime()方法將日期轉(zhuǎn)換為日期類型，使用date_range()方法創(chuàng)建時(shí)間序列，使用resample()方法對(duì)時(shí)間序列進(jìn)行重采樣，使用rolling()方法計(jì)算滑動(dòng)統(tǒng)計(jì)數(shù)據(jù)等。解析：時(shí)間序列數(shù)據(jù)分析是Pandas中重要的應(yīng)用領(lǐng)域，Pandas提供了多種方法來(lái)處理時(shí)間序列數(shù)據(jù)。5.在使用Pandas進(jìn)行數(shù)據(jù)分析時(shí)，處理缺失值的方法包括刪除缺失值、填充缺失值、插值等。解析：缺失值是數(shù)據(jù)分析中常見的問題，Pandas提供了多種方法來(lái)處理缺失值。四、操作題答案及解析1.a.df=pd.read_csv('data.csv')解析：讀取CSV文件并將其存儲(chǔ)在一個(gè)名為df的數(shù)據(jù)幀中。b.df_age_gt_30=df[df['age']>30]解析：選擇所有年齡大于30歲的行，并將結(jié)果存儲(chǔ)在一個(gè)新的數(shù)據(jù)幀中。c.print(df[df['gender']=='男']['income'].mean())解析：計(jì)算所有男性的平均收入，并將結(jié)果打印出來(lái)。d.df['income']=df['income'].astype(float)解析：將數(shù)據(jù)幀中的“收入”列轉(zhuǎn)換為浮點(diǎn)數(shù)類型。e.df['age'].fillna(df['age'].mean(),inplace=True)解析：將數(shù)據(jù)幀中缺失的“年齡”值填充為該列的平均值。2.a.sales_df=pd.read_csv('sales.csv')解析：讀取CSV文件并將其存儲(chǔ)在一個(gè)名為sales_df的數(shù)據(jù)幀中。b.sales_df['date']=pd.to_datetime(sales_df['date'])解析：將“日期”列轉(zhuǎn)換為日期類型，并將其設(shè)置為數(shù)據(jù)幀的索引。c.sales_df.groupby('product')['sales'].sum().sort_values(ascending=False)解析：按照產(chǎn)品對(duì)銷售數(shù)據(jù)進(jìn)行分析，計(jì)算每個(gè)產(chǎn)品的總銷售額，并將結(jié)果按銷售額從高到低排序。d.sales_df['sales_growth']=sales_df['sales'].pct_change()解析：創(chuàng)建一個(gè)新的數(shù)據(jù)列，用于計(jì)算每天的銷售增長(zhǎng)率（即當(dāng)天的銷售額與前一天銷售額的比值）。e.sales_df[sales_df['date'].dt.month==1]解析：選擇2023年1月的銷售數(shù)據(jù)，并將結(jié)果存儲(chǔ)在一個(gè)新的數(shù)據(jù)幀中。3.a.students_df=pd.read_csv('students.csv')解析：讀取CSV文件并將其存儲(chǔ)在一個(gè)名為students_df的數(shù)據(jù)幀中。b.students_df['total_score']=students_df['math_score']+students_df['physics_score']+students_df['chemistry_score']解析：計(jì)算每個(gè)學(xué)生的總分，并將結(jié)果存儲(chǔ)在一個(gè)新的列中。c.students_df.sort_values(by='total_score',ascending=False)解析：按照總分對(duì)數(shù)據(jù)進(jìn)行排序，并將結(jié)果按總分從高到低排序。d.students_df[students_df['math_score']>90]解析：創(chuàng)建一個(gè)新的數(shù)據(jù)幀，其中只包含數(shù)學(xué)成績(jī)大于90分的學(xué)生信息。e.print(students_df['physics_score'].mean())解析：計(jì)算物理成績(jī)和化學(xué)成績(jī)的平均值，并將結(jié)果分別打印出來(lái)。五、綜合應(yīng)用題答案及解析1.a.sales_data_df=pd.read_csv('sales_data.csv')解析：讀取CSV文件并將其存儲(chǔ)在一個(gè)名為sales_data_df的數(shù)據(jù)幀中。b.sales_data_d