4.2.5 大数据典型应用 课件—2021-2022学年浙教版（2019）高中信息技术必修1

大数据典型应用 旧知回顾：常用表格数据的处理 排序 筛选 旧知回顾：大数据处理的基本思想与架构 旧知回顾：利用pandas模块处理数据 旧知回顾：利用matplotlib模块绘图 函数 说明 figure() 创建一个新的图表对象，并设置为当前绘图对象，会自动创建 plot() 绘制线形图 scatter() 绘制散点图 title() 设置图表标题 xlim(),ylim() 设置XY轴取值范围 xlabel(),ylabel() 设置XY轴的标签 legend() 显示图例 show() 显示所有的图表对象 旧知回顾：文本数据处理 旧知回顾：数据可视化 小结 说说你身边的大数据？ 以前： 现在： 大家是否感受到了这些生活习惯的转变？ 医疗大数据 环境大数据：实时细粒度空气质量分析： 由于监测站的建设和维护成本高昂，一个城市通常只有有限个站点，并不能完全覆盖整个城市的范围。然而，受地表植被、交通流量、楼房密度和气象条件等各种复杂因素的影响，城市中不同地域的空气质量差异显著。因此，有限站点的读数并不能反映整个城市的空气污染情况，比如，当前位置恰好没有站点，我们就不知道他的空气污染状况。为解决这个问题，我们利用已有空气质量监测站点读数，结合气象、交通流、路网和兴趣点等多种数据源来实时分析细粒度的空气质量。该细粒度信息可指导人们出行，并为进一步研究空气污染根源提供基础。 农业大数据：一体化智能控制让蔬菜生长在最佳温 湿度范围,大棚室内温湿光可实时监控,从而更便捷更智能的控制棚内温湿光三条件,大大降低人工操作成本。通过实时数据支持的远程操作让大棚 的有效光照, 以前： 现在： 大家是否感受到了这些生活习惯的转变？ 医疗大数据 环境大数据：实时细粒度空气质量分析： 由于监测站的建设和维护成本高昂，一个城市通常只有有限个站点，并不能完全覆盖整个城市的范围。然而，受地表植被、交通流量、楼房密度和气象条件等各种复杂因素的影响，城市中不同地域的空气质量差异显著。因此，有限站点的读数并不能反映整个城市的空气污染情况，比如，当前位置恰好没有站点，我们就不知道他的空气污染状况。为解决这个问题，我们利用已有空气质量监测站点读数，结合气象、交通流、路网和兴趣点等多种数据源来实时分析细粒度的空气质量。该细粒度信息可指导人们出行，并为进一步研究空气污染根源提供基础。 农业大数据