1.1.2 智能农业系统中的业务数据采集和处理流程设计

工作任务

某农业公司计划引入智能农业系统，通过安装在农田中的各种传感器（如温度传感器、湿度传感器、土壤传感器等）实时监控农田环境，收集数据并进行分析，以优化作物管理和提高产量。

我们提供一个传感器数据集（sensor_data.csv），包含以下字段：

SensorID: 传感器ID Timestamp: 时间戳
SensorType: 传感器类型（Temperature温度, Humidity湿度, SoilMoisture土壤水分, SoilPH土壤酸碱度, Light光传感器）
Value: 传感器读数 Location: 传感器安装位置

具体要求

（1）传感器数据统计：分别统计每种传感器的数据数量和平均值。截图保存为 1.1.2-1.jpg。

（2）按位置统计温度和湿度数据：统计每个位置的温度和湿度传感器数据的平均值。截图保存为 1.1.2-2.jpg。

（3）数据清洗和异常值处理：将明显异常的温度（<-10 或 >50）和湿度（<0 或 >100）数据进行标记并统计。对缺失值使用前向/后向填充。保存为 cleaned_sensor_data.csv。

注意事项

在代码的橙色下划线处填写正确的 Python 代码
请勿修改源代码的其他部分
填写完成后点击 "检查答案" 查看评分
点击 "显示答案" 可直接查看所有参考答案
点击 "重置" 清空所有填写内容

当前得分

0 / 20

In [1] — 导入库 & 读取数据 2分

import pandas as pd import numpy as np import matplotlib.pyplot as plt # 读取数据集 2分 data =

In [2] — 传感器数据统计 3分

# 1. 传感器数据统计 # 对传感器类型进行分组，并计算每个组的数据数量和平均值 3分 sensor_stats = ()['Value']. # 输出结果 print("传感器数据数量和平均值:") print(sensor_stats)

In [3] — 按位置统计温度和湿度数据 2分

# 2. 按位置统计温度和湿度数据 # 筛选出温度和湿度数据，然后按位置和传感器类型分组，计算每个组的平均值 2分 location_stats = data[data['SensorType']..['Value'].mean().unstack() # 输出结果 print("每个位置的温度和湿度数据平均值:") print(location_stats)

In [4] — 数据清洗和异常值处理 13分

# 3. 数据清洗和异常值处理 # 标记异常值 3分 data['is_abnormal'] = ( (() & ((data['Value'] < -10) | (data['Value'] > 50))) | (() & ((data['Value'] < 0) | (data['Value'] > 100))), True, False ) # 输出异常值数量 2分 print("异常值数量:", data['is_abnormal'].) # 填补缺失值 # 使用前向填充和后向填充的方法填补缺失值 4分 data['Value'].(, inplace=True) data['Value'].(, inplace=True) # 保存清洗后的数据 # 删除用于标记异常值的列，并将清洗后的数据保存到新的CSV文件中 4分 cleaned_data = (=['is_abnormal']) ('cleaned_sensor_data.csv', ) print("数据清洗完成，已保存为 'cleaned_sensor_data.csv'")

人工智能训练师（三级）实操考试 — 1.1.2 智能农业系统中的业务数据采集和处理流程设计