完成后的OrderItem类，在通过下列方式进行调用时：

item = OrderItem(1001, 'RedmiBook Pro 14增强版', 5500.0, 2)

print(item)

输出的结果应该为：订单项：1001, 名称：RedmiBook Pro 14增强版, 单价：5500.0, 数量：2, 总价：11000.00

########代码开始########

class OrderItem:

    # 构造函数

    def ____【1】____(self, itemid, productname, price, quantity=1):

        self.itemid = itemid      # 订单项编号

        self.productname = productname        # 商品名称

        self.price = price    # 商品单价

        self.quantity = quantity    # 该商品购买数量

    # 定义只读的订单项总价属性

    @____【2】____

    def totalprice(self):

        return self.price * self.quantity

    # 以指定的文本格式输出订单项的信息，以便print函数能直接输出该信息

    def __str__( ____【3】____):

        return "订单项：{}, 名称：{}, 单价：{}, 数量：{}, 总价：{: .2f}".____【4】____(

            self.itemid, self.productname, self.price, self.quantity, self.____【5】____

        )

########代码结束########

（12.50分）

____【1】________________________  

____【2】________________________  

____【3】________________________  

____【4】________________________ 

____【5】________________________ 

任务要求：统计某个Python代码文件中有效代码行数。

注意：空行或者只包含空格字符的行不计入有效行；只包含注释语句的行不计入有效行。

########代码开始########

# 定义计算代码文件有效行数的函数

def calc_code_lines(file_path):

    row_count = 0

    ____【1】____  open(file_path, 'r', encoding='utf-8') as f:

        # 一次性读取所有文本行

        for line in f.____【2】____():

            # 去除该行开头和结尾的空格

            line = line.____【3】____()

            #   (1)如果该行长度为0，则不予计算

            if ____【4】____(line) == 0:

                continue

            #   (2)如果该行以#字符开头，也不予计算

            if line.___【5】____('#'):

                continue

            row_count+= 1

    return row_count

# 设置文件路径

filePath1 = 'file/data1.py'    # 请自行编写该文件用于测试

print("文件非空行数：", calc_code_lines(filePath1))

########代码结束########

（12.50分）

____【1】________________________ 

____【2】________________________ 

____【3】________________________ 

____【4】________________________ 

____【5】________________________ 

任务要求：获取数据集中的维度信息；检查缺失值和重复值；删除含有缺失值的样本行。

下面代码中的样例数据集存放了2020年3月24日-4月2日若干个国家的的新冠肺炎确诊人数数据。

########代码开始########

import pandas as pd

# 样例数据

df = pd.DataFrame([

     ['China',81591,81661,81782,81897,81999,82122,82198,82279,82361,82432],

     ['US',53736,65778,83836,101657,121465,140909,161831,188172,213242,243622],

     ['Italy',69176,74386,80589,86498,92472,97689,101739,105792,110574,115242],

     ['Japan',1193,1307,1387,1468,1693,1866,1866,1953,2178,2495],

    ['US',0,0,0,0,0,0,0,0,0,0]

])

# 设置df中各个字段的名称 

df.columns= ['Country','3-24','3-25','3-26','3-27','3-28','3-29','3-30','3-31','4-1','4-2']

# 获取数据集中的行数和列数

rows = df.shape[____【1】____]

cols = df.shape[____【2】____]

print("数据集共", rows, "行，", cols, "列")

# 检查数据集中是否存在Country字段相同的两行数据(重复行)

dup_results = df.____【3】____(subset=['Country'])

if dup_results.any():

    print('存在Country字段值相同的数据行:')

    for dup_row_index in dup_results.index[dup_results == True]:

        # 输出该重复行的字段值

        print(df.loc[____【4】____].values)

else:

    print('数据集中不存在Country字段值相同的数据行。')

# 检查数据集中是否存在空值

if (df.____【5】____().any().any()):

    print('数据集中存在空值字段')

else:

    print('数据集中不存在空值字段')

########代码开始######## 

（12.50分）

____【1】________________________ 

____【2】________________________ 

____【3】________________________ 

____【4】________________________ 

____【5】________________________ 

任务要求：根据要求绘制每条数据样本的图像。

下面代码中的样例数据集存放了2020年3月24日-4月2日若干个国家的的新冠肺炎确诊人数数据。

########代码开始########

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

# 样例数据

df = pd.DataFrame([

     ['China',81591,81661,81782,81897,81999,82122,82198,82279,82361,82432],

     ['US',53736,65778,83836,101657,121465,140909,161831,188172,213242,243622],

     ['France',22622,25600,29551,33402,38105,40708,45170,52827,57749,59929],

    ['United Kingdom',8164,9640,11812,14745,17312,19780,22453,25481,29865,34173],

     ['Italy',69176,74386,80589,86498,92472,97689,101739,105792,110574,115242],

     ['Germany',32986,37323,43938,50871,57695,62095,66885,71808,77872,84794],

     ['Japan',1193,1307,1387,1468,1693,1866,1866,1953,2178,2495],

])

df.columns = ['Country','3-24','3-25','3-26','3-27','3-28','3-29','3-30','3-31','4-1','4-2']

countries = df['Country']

# 逐个国家绘制趋势图

for country in countries:

    # 获取当前country的样本行

    country_row = df.loc[df['____【1】____'] == ____【2】____]

    # 取出每天的确诊数据集合（从第2列'3-24'开始)

    y = country_row.values[0, ____【3】____:]

    x = np.arange(len(y))

    # 绘制数据点，并且在数据点之间连线

    plt.____【4】____(x, y, 'o-')

# 显示图例

plt.____【5】____(countries)

# x坐标刻度使用日期形式

xtick_values = np.arange(0, df.shape[1]-1)

xtick_labels = df.columns[xtick_values + 1]

plt.xticks(ticks=xtick_values, labels=xtick_labels)

plt.show()

########代码结束########

（12.50分）

____【1】________________________ 

____【2】________________________ 

____【3】________________________ 

____【4】________________________ 

____【5】________________________ 

下面代码中分别给出了两组样本数据集，分别存放了2020年3月24日-4月2日若干个国家的的新冠肺炎确诊人数数据

########代码开始########

import pandas as pd

# 样例数据

df1 = pd.DataFrame([

     ['China',81591,81661,81782,81897,81999,82122,82198,82279,82361,82432],

     ['US',53736,65778,83836,101657,121465,140909,161831,188172,213242,243622],

     ['France',22622,25600,29551,33402,38105,40708,45170,52827,57749,59929],

    ['United Kingdom',8164,9640,11812,14745,17312,19780,22453,25481,29865,34173]

])

df2 = pd.DataFrame([

     ['Italy',69176,74386,80589,86498,92472,97689,101739,105792,110574,115242],

     ['Germany',32986,37323,43938,50871,57695,62095,66885,71808,77872,84794],

     ['Japan',1193,1307,1387,1468,1693,1866,1866,1953,2178,2495]

])

columns = ['Country','3-24','3-25','3-26','3-27','3-28','3-29','3-30','3-31','4-1','4-2']

df1.columns = columns

df2.columns = columns

# 将df2合并到df1中(追加到df1原始数据行的后面)

____【1】____ = pd.concat([ ____【2】____, df2], ignore_index=True)

# 按日期，将所有国家的确诊人数求和

total_counts = df1.iloc[:, 1:].____【3】____(axis=0)

# 输出每日确诊总人数信息

print(total_counts)     # 输出形如：3-24  296468 (换行)3-25  295695   等等

# 获取4月2日确诊人数最多的国家名称

max_index = df1['4-2'].____【4】____()     # 获取确诊人数最多的样本行的索引

print(df1.iloc[____【5】____, 0])    # 此处应输出US

########代码结束########

（12.50分）

____【1】________________________   

____【2】________________________  

____【3】________________________  

____【4】________________________  

____【5】________________________ 

########代码开始########

import numpy as np

num = 10000

# 生成num个标准正态分布的随机浮点数

data = np.____【1】____.normal(loc=0.0, scale=1.0, ____【2】____=num)

# 计算上述数据的均值和标准差

value1 = np.mean(data)      # 计算平均值

value2 = np.____【3】____(data)       # 计算标准差

print("生成的标准正态分布随机数均值：%.2f, 标准差：%.2f" % (value1, value2))

# 准备分区间统计每个区间内的样本点数量

section_max_value = 2.0     # 仅统计-2.0~2.0之间的样本数

section_min_value = -2.0

section_count = 20          # 区间数量为20个

# 计算区间的宽度

section_interval = (section_max_value - section_min_value) / section_count

# 定义数组，记录每个区间中数值点计数。各元素初始化为0

y = np.____【4】____(section_count)

# 按照-2.0~-1.9, -1.9~-1.8...... -0.1~0.0, 0.0~0.1, 0.1~0.2....1.9~2.0的区间计算data在各区间的数量

for value in data:

    # 如果在限定的值域范围之外，则不予统计

    if value > section_max_value or value < section_min_value:

        continue

    # 计算区间编号。只取计算结果的整数部分作为编号

    index = int((value - section_min_value) / section_interval)

    y[____【5】____] += 1    # 该区间数值点的计数增加

# 输出每个区间的数据点的数量

for i in range(section_count):

    print(y[i])

########代码结束########

 （12.50分）

____【1】________________________ 

____【2】________________________ 

____【3】________________________ 

____【4】________________________ 

____【5】________________________ 

任务要求：实现一维数组的选择法排序(升序)。具体过程是：第1次扫描数组，选出最小的值，与数组中的第1个元素交换位置；第2次扫描数组(从第2个元素开始)，选出第2小的值，与数组中第2个元素交换位置；依次类推。

########代码开始########

def sort_selection(arr):

    length = ____【1】____(arr)

    for i in range(0, length - 1):

        min_value = arr[i]    # 首先假定第i轮扫描的最小值就是第i个元素

        min_value_index = i   # 用于记录第i轮扫描的最小值的索引号

        # 扫描每个元素，得到本轮最小元素值，存入min_value中；其对应的元素索引存入min_value_index中

        for j in range(i+1, length):

            if arr[j] < ____【2】____: 

                min_value = arr[____【3】____]       # 更新最小值

                min_value_index = j           # 更新最小值元素对应的索引号

        # 本轮扫描结束，如果第i个元素值并非本轮扫描的最小值，则与min_value交换

        if min_value_index != i:

            temp = arr[i]

            arr[____【4】____] = min_value

            arr[min_value_index] = ____【5】____

arr = [100, 3, 5, 8, 20, 100, 8, 34, 67, 3]

sort_selection(arr)

print("自定义选择排序结果：", arr)

########代码结束########

（12.50分）

____【1】________________________ 

____【2】________________________ 

____【3】________________________ 

____【4】________________________ 

____【5】________________________ 

任务要求：统计给定的字符串中，0~9中每个数字字符出现的次数。

########代码开始########

str = 'ab13892018py49582765#'   # 待统计的字符串

 num_array = [0] * 10     # 定义集合，依次保存0~9每个字符出现的次数

 # 遍历字符串中的每个字符

 for s in ____【1】____:

     if s.____【2】____():    # 判断是否是数字字符

         num = int(____【3】____)    # 将字符转换成为整数

         num_array[____【4】____] += 1     # 增加对应数字字符的统计计数

 # 依次输出每个数字字符出现的次数

 # 例如：数字0出现了1次   数字1出现了2次......

 for i in range(10):

     print('数字', i, '出现了', num_array[____【5】____], '次')

########代码结束########

（12.50分）

____【1】________________________  

____【2】________________________  

____【3】________________________  

____【4】________________________  

____【5】________________________ 

########代码开始########

# 冒泡排序法升序排列一维数组

def sort_bubble(arr):

     length = ____【1】____(arr)

    for i in range(0, length - 1):

         for j in range( ____【2】____+1, length):

             # 比较两个数的大小

             if arr[____【3】____] &lt; arr[i]:  

                 # 交换两个数

                 temp = arr[____【4】____]

                 arr[j] = arr[i]

                 arr[ ____【5】____] = temp

arr = [100, 3, 5, 8, 20, 100, 8, 34, 67, 3]

sort_bubble(arr)

print("自定义冒泡排序结果：", arr)

########代码结束######## 

____【1】________________________  

____【2】________________________  

____【3】________________________  

____【4】________________________ 

____【5】________________________ 

########代码开始########

num_digit = 0       # 记录数字字符个数

num_capital = 0     # 记录大写字符个数

num_lowercase = 0   # 记录小写字符个数

str = 'Hello Python from 1990!'

for c ____【1】____ str:

    if c.____【2】____():

         num_digit += 1

    elif c.____【3】____():

         num_lowercase += 1

    elif c.____【4】____():

         num_capital += 1

# 输出数字、大写字符、小写字符的个数

print("数字个数%d, 大写字符个数%d, 小写字符个数%d" ____【5】____ (num_digit, num_capital, num_lowercase))

######## 代码结束########

____【1】________________________ 

____【2】________________________ 

____【3】________________________ 

____【4】________________________ 

____【5】________________________ 

完成后的OrderItem类，在通过下列方式进行调用时： 

item = OrderItem(1001, 'RedmiBook Pro 14增强版', 5500.0, 2) 

print(item) 

输出的结果应该为：订单项：1001, 名称：RedmiBook Pro 14增强版, 单价：5500.0, 数量：2, 总价：11000.00 

########代码开始######## 

class OrderItem:

    # 构造函数

    def ____【1】____(self, itemid, productname, price, quantity=1):

         self.itemid = itemid      # 订单项编号

         self.productname = productname         # 商品名称

         self.price = price    # 商品单价

        self.quantity = quantity    # 该商品购买数量

    # 定义只读的订单项总价属性

    @____【2】____

    def totalprice(self):

         return self.price * self.quantity

    # 以指定的文本格式输出订单项的信息，以便print函数能直接输出该信息

    def __str__(____【3】____):

         return "订单项：{}, 名称：{}, 单价：{}, 数量：{}, 总价：{: .2f}".____【4】____(

             self.itemid, self.productname, self.price, self.quantity, self.____【5】____

        ) 

########代码结束########

____【1】________________________ 

____【2】________________________ 

____【3】________________________ 

____【4】________________________ 

____【5】________________________ 

任务要求：统计某个Python代码文件中有效代码行数。

注意：空行或者只包含空格字符的行不计入有效行；只包含注释语句的行不计入有效行。

########代码开始######### 定义计算代码文件有效行数的函数

def calc_code_lines(file_path):

     row_count = 0

    ____【1】____  open(file_path, 'r', encoding='utf-8') as f:

         # 一次性读取所有文本行

         for line in f.____【2】____():

             # 去除该行开头和结尾的空格

             line = line.____【3】____()

             #  (1)如果该行长度为0，则不予计算

             if ____【4】____(line) == 0:

                 continue

             #  (2)如果该行以#字符开头，也不予计算

             if line.____【5】____('#'):

                 continue

             row_count += 1

     return row_count

# 设置文件路径

filePath1 = 'file/data1.py'    # 请自行编写该文件用于测试

print("文件非空行数：", calc_code_lines(filePath1))

########代码结束########

____【1】________________________ 

____【2】________________________ 

____【3】________________________ 

____【4】________________________ 

____【5】________________________ 

任务要求：获取数据集中的维度信息；检查缺失值和重复值；删除含有缺失值的样本行。 

下面代码中的样例数据集存放了2020年3月24日-4月2日若干个国家的的新冠肺炎确诊人数数据。 

########代码开始######## import pandas as pd

# 样例数据

df = pd.DataFrame([

     ['China',81591,81661,81782,81897,81999,82122,82198,82279,82361,82432],

     ['US',53736,65778,83836,101657,121465,140909,161831,188172,213242,243622],

     ['Italy',69176,74386,80589,86498,92472,97689,101739,105792,110574,115242],

     ['Japan',1193,1307,1387,1468,1693,1866,1866,1953,2178,2495],

     ['US',0,0,0,0,0,0,0,0,0,0]

]) 

# 设置df中各个字段的名称 

df.columns= ['Country','3-24','3-25','3-26','3-27','3-28','3-29','3-30','3-31','4-1','4-2']

# 获取数据集中的行数和列数

rows = df.shape[____【1】____]

cols = df.shape[____【2】____]

print("数据集共", rows, "行，", cols, "列")

# 检查数据集中是否存在Country字段相同的两行数据(重复行)

dup_results = df.____【3】____(subset=['Country'])

if dup_results.any():

     print('存在Country字段值相同的数据行:')

    for dup_row_index in dup_results.index[dup_results == True]: 

         # 输出该重复行的字段值

         print(df.loc[____【4】____].values)

else:

     print('数据集中不存在Country字段值相同的数据行。')

# 检查数据集中是否存在空值

if (df.____【5】____().any().any()):

     print('数据集中存在空值字段')

else:

    print('数据集中不存在空值字段')

########代码开始######## 

____【1】________________________   

____【2】________________________  

____【3】________________________  

____【4】________________________  

____【5】________________________ 

任务要求：根据要求绘制每条数据样本的图像。

下面代码中的样例数据集存放了2020年3月24日-4月2日若干个国家的的新冠肺炎确诊人数数据。

########代码开始########

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

# 样例数据

df = pd.DataFrame([

     ['China',81591,81661,81782,81897,81999,82122,82198,82279,82361,82432],

     ['US',53736,65778,83836,101657,121465,140909,161831,188172,213242,243622],

     ['France',22622,25600,29551,33402,38105,40708,45170,52827,57749,59929],

     ['United Kingdom',8164,9640,11812,14745,17312,19780,22453,25481,29865,34173],

     ['Italy',69176,74386,80589,86498,92472,97689,101739,105792,110574,115242],

     ['Germany',32986,37323,43938,50871,57695,62095,66885,71808,77872,84794],

     ['Japan',1193,1307,1387,1468,1693,1866,1866,1953,2178,2495],

])

df.columns = ['Country','3-24','3-25','3-26','3-27','3-28','3-29','3-30','3-31','4-1','4-2']

countries = df['Country']

# 逐个国家绘制趋势图

for country in countries:

    # 获取当前country的样本行

     country_row = df.loc[df['____【1】____'] == ____【2】____]

    # 取出每天的确诊数据集合（从第2列'3-24'开始)

    y = country_row.values[0, ____【3】____:]

    x = np.arange(len(y))

    # 绘制数据点，并且在数据点之间连线

    plt.____【4】____(x, y, 'o-')

# 显示图例

plt.____【5】____(countries)

# x坐标刻度使用日期形式

xtick_values = np.arange(0, df.shape[1]-1)

xtick_labels = df.columns[xtick_values + 1]

plt.xticks(ticks=xtick_values, labels=xtick_labels)

plt.show()

########代码结束########

____【1】________________________ 

____【2】________________________ 

____【3】________________________ 

____【4】________________________ 

____【5】________________________ 

下面代码中分别给出了两组样本数据集，分别存放了2020年3月24日-4月2日若干个国家的的新冠肺炎确诊人数数据

########代码开始########

import pandas as pd

# 样例数据

df1 = pd.DataFrame([

     ['China',81591,81661,81782,81897,81999,82122,82198,82279,82361,82432],

     ['US',53736,65778,83836,101657,121465,140909,161831,188172,213242,243622],

     ['France',22622,25600,29551,33402,38105,40708,45170,52827,57749,59929],

     ['United Kingdom',8164,9640,11812,14745,17312,19780,22453,25481,29865,34173]

])

df2 = pd.DataFrame([

     ['Italy',69176,74386,80589,86498,92472,97689,101739,105792,110574,115242],

     ['Germany',32986,37323,43938,50871,57695,62095,66885,71808,77872,84794],

     ['Japan',1193,1307,1387,1468,1693,1866,1866,1953,2178,2495]

])

columns = ['Country','3-24','3-25','3-26','3-27','3-28','3-29','3-30','3-31','4-1','4-2']

df1.columns = columns

df2.columns = columns

# 将df2合并到df1中(追加到df1原始数据行的后面)

____【1】____ = pd.concat([ ____【2】____, df2], ignore_index=True)

# 按日期，将所有国家的确诊人数求和

total_counts = df1.iloc[:, 1:].____【3】____(axis=0)

# 输出每日确诊总人数信息

print(total_counts)     # 输出形如：3-24  296468 (换行)3-25  295695   等等

# 获取4月2日确诊人数最多的国家名称

max_index = df1['4-2'].____【4】____()     # 获取确诊人数最多的样本行的索引

print(df1.iloc[____【5】____, 0])   # 此处应输出US

########代码开始########

____【1】________________________ 

____【2】________________________ 

____【3】________________________ 

____【4】________________________ 

____【5】________________________ 

########代码开始######## 

import numpy as np

num = 10000

# 生成num个标准正态分布的随机浮点数

data = np.____【1】____.normal(loc=0.0, scale=1.0, ____【2】____=num)

# 计算上述数据的均值和标准差

value1 = np.mean(data)      # 计算平均值

value2 = np.____【3】____(data)       # 计算标准差

print("生成的标准正态分布随机数均值：%.2f, 标准差：%.2f" % (value1, value2))

# 准备分区间统计每个区间内的样本点数量

section_max_value = 2.0     # 仅统计-2.0~2.0之间的样本数

section_min_value = -2.0

section_count = 20          # 区间数量为20个

# 计算区间的宽度

section_interval = (section_max_value - section_min_value) / section_count

# 定义数组，记录每个区间中数值点计数。各元素初始化为0

y = np.____【4】____(section_count)

# 按照-2.0~-1.9, -1.9~-1.8...... -0.1~0.0, 0.0~0.1, 0.1~0.2....1.9~2.0的区间计算data在各区间的数量

for value in data:

    # 如果在限定的值域范围之外，则不予统计

    if value &gt; section_max_value or value &lt; section_min_value:

        continue

    # 计算区间编号。只取计算结果的整数部分作为编号

    index = int((value - section_min_value) / section_interval)

    y[____【5】____] += 1     # 该区间数值点的计数增加

# 输出每个区间的数据点的数量

for i in range(section_count):

     print(y[i]) 

########代码结束########  

____【1】________________________  

____【2】________________________  

____【3】________________________  

____【4】________________________  

____【5】________________________ 

任务要求：实现一维数组的选择法排序(升序)。具体过程是：第1次扫描数组，选出最小的值，与数组中的第1个元素交换位置；第2次扫描数组(从第2个元素开始)，选出第2小的值，与数组中第2个元素交换位置；依次类推。

########代码开始########

def sort_selection(arr):

     length = ____【1】____(arr)

    for i in range(0, length - 1):

         min_value = arr[i]    # 首先假定第i轮扫描的最小值就是第i个元素

         min_value_index = i   # 用于记录第i轮扫描的最小值的索引号

         # 扫描每个元素，得到本轮最小元素值，存入min_value中；其对应的元素索引存入min_value_index中

         for j in range(i+1, length):

             if arr[j] &lt; ____【2】____:  

                 min_value = arr[____【3】____]      # 更新最小值

                 min_value_index = j           # 更新最小值元素对应的索引号

         # 本轮扫描结束，如果第i个元素值并非本轮扫描的最小值，则与min_value交换

         if min_value_index != i:

             temp = arr[i]

             arr[____【4】____] = min_value

             arr[min_value_index] = ____【5】____

arr = [100, 3, 5, 8, 20, 100, 8, 34, 67, 3]

sort_selection(arr)

print("自定义选择排序结果：", arr)

########代码结束########

____【1】________________________ 

____【2】________________________ 

____【3】________________________ 

____【4】________________________ 

____【5】________________________ 

########代码开始######## 

str = 'ab13892018py49582765#'   # 待统计的字符串

 num_array = [0] * 10     # 定义集合，依次保存0~9每个字符出现的次数

 # 遍历字符串中的每个字符

 for s in ____【1】____:

     if s.____【2】____():    # 判断是否是数字字符

          num = int(____【3】____)   # 将字符转换成为整数

          num_array[____【4】____] += 1     # 增加对应数字字符的统计计数

 # 依次输出每个数字字符出现的次数

 # 例如：数字0出现了1次    数字1出现了2次......

 for i in range(10):

      print('数字', i, '出现了', num_array[____【5】____], '次')

########代码结束########

____【1】________________________ 

____【2】________________________ 

____【3】________________________ 

____【4】________________________ 

____【5】________________________ 

完成后的Product类，在通过下列方式进行调用时： 

pro = Product(1001, '华为笔记本电脑MateBook 14', 6500, 0.96) 

print(pro)

输出的结果应该为：华为笔记本电脑MateBook 14, 0.96, 6500.00  

########代码开始########  

class Product():

    # 构造函数

    def ____【1】____(self, prodid, name, listprice, discount):

         self.empid = prodid      # 商品编号

         self.name = name        # 商品名称

         self.listprice = listprice    # 商品标价

         self.discount = discount    # 商品折扣

    # 定义只读的实际价格属性

     @____【2】____

    def actualprice(____【3】____):

         return self.listprice * self.discount     

    # 以指定的文本格式输出商品的信息，以便print函数能直接输出该信息

    def ____【4】____(self):

         return "%s, %s, %.2f"____【5】____(self.name, self.discount, self.listprice)

########代码结束########

____【1】________________________ 

____【2】________________________ 

____【3】________________________ 

____【4】________________________ 

____【5】________________________ 

任务要求：将字典数据写入到csv文件中。

########代码开始########

file_path = './data.csv'    # 设置文件路径

# 待写入csv文件的原始数据

data = [

     ({'level':'Senior', 'lang':'Java', 'tweets':'no', 'phd':'no'}, False),

     ({'level':'Mid', 'lang':'Python', 'tweets':'no', 'phd':'no'}, True),

     ({'level':'Junior', 'lang':'R', 'tweets':'yes', 'phd':'no'}, True)

]

# 将data中每行数据的第一部分(即：{}中的部分)依次写入到csv文件中；数据行中的True/False内容无需处理

# 最终csv文件只包含level, lang, tweets, phd四个字段 

# 获取每行数据的第一部分

dict_data = [row[____【1】____] for row in data]

# 获取每个字段的名称(提示：通过第一行数据获取其所有键的名称)

column_name = [____【2】____ for name in dict_data[0].keys()]

# 写csv文件

____【3】____ open(file_path, 'w', encoding='utf8') as fp:

    # 将字段名称写入文件头部(提示：将各个字段名称用','连接起来)

     fp.write(','.____【4】____(column_name))

    fp.write('\n')    # 写入换行符

    # 将每一行数据的值写入文件头部

    for row in dict_data:

         fp.____【5】____('%s,%s,%s,%s\n' % (row['level'],row['lang'],row['tweets'],row['phd']))

########代码结束########

____【1】________________________ 

____【2】________________________ 

____【3】________________________ 

____【4】________________________ 

____【5】________________________