第3章 数据处理与应用 2024—2025学年高中信息技术人教/中图版（2019）必修1

 第3章 数据处理与应用 一、选择题 1．在数据分析中，以下哪个指标通常用于衡量数据的集中趋势？（   ） A．极差 B．方差 C．平均数 D．标准差 2．以下哪个概念与数值稳定性无关（   ） A．累积误差 B．条件数 C．算法效率 D．舍入误差 3．加密技术的主要用途是（   ） A．提高数据存储容量 B．提升数据处理速度 C．保护数据隐私和安全 D．增加数据复杂性 4．下列关于可视化工具的说法，错误的是（   ） A．大数据魔镜、Gephi、Google浏览器是常用的数据可视化工具软件 B．Tableau主要用于实时可视化分析 C．D3.js是运行在JavaScript上的数据可视化开源工具库 D．可以使用Python、R等语言编程实现数据的可视化 5．扫描二维码的过程属于（   ） A．信息的表达 B．信息的发布 C．信息的编码 D．信息的采集 6．书店收银员用条码扫描器扫描书籍的条形码，这个行为的作用是（    ） A．采集数据 B．加工数据 C．整理数据 D．分类数据 7．数据处理一般过程正确顺序是（    ） ①明确目标  ②数据分析  ③数据采集  ④数据可视化  ⑤报告撰写  ⑥数据加工 A．①③⑥②④⑤ B．①③④⑥②⑤ C．①③②⑥④⑤ D．①⑥③②④⑤ 8．最适合用来表示各元素占比关系的数据分析图表是（   ） A．柱状图 B．扇形图 C．饼图 D．折线图 9．下列属于数据加工事例的是（   ） A．合成视频 B．播放音乐 C．拍摄照片 D．文稿打印 10．图为旅游人均消费数据图表，这种呈现数据的形式称为（    ） A．可视化形式 B．分段化形式 C．虚拟化形式 D．文字化形式 11．下列关于数据的来源的叙述中，错误的是（  ） A．我们用温度计实际测量得到的气温值与而从网上搜索到的气温值都是直接数据 B．按照获取数据的渠道，可以将数据分为两类：直接数据和间接数据 C．统计调查或科学实验通常是数据的直接来源，由此得到的原始数据一般称为直接数据或一手数据 D．查阅资料获得的数据或他人对原始数据处理过的数据，一般称为间接数据或二手数据 12．下列选项中，不属于常用数据处理和统计分析工具的是（   ） A．Python B．Excel C．PowerPoint D．SPSS 13．同学们到图书馆借书需要刷卡或刷脸，这个“刷”的过程属于（   ） A．数据分析 B．数据分类 C．数据采集 D．数据可视化表达 14．下列有关数据采集的说法，正确的是（    ） A．传感器主要用于随时获取来自计算机的数据 B．人工获取数据的方式已经被机器获取完全取代 C．图书馆是人们获取日常所需数据的主要来源 D．“运动手环”可以用于数据的采集 15．下列选项中，属于数据安全保护措施的是（   ） A．数据加密 B．数据分析 C．数据修改 D．数据可视化 二、填空题 16．在数据分析中，数据可视化可以帮助我们更直观地理解数据的 和 。 17．数据处理的流程一般经历数据采集、数据整理、数据分析和数据呈现等环节。各路口安装的24小时监控摄像头，将获取的数据传输到交警的监控中心，此过程属于数据处理流程中的 。 18．常用的数据可视化工具包括 、 、 等。 19． 是最常见的数据可视化表达方式之一。 20．为了更好地了解某地的水质情况，科研人员采集了该地各监测点当天的水质数据。数据中包含了各监测点的水质类别、水温（℃）、pH、溶解氧（mg/L）、高锰酸盐指数（mg/L）。通过数字化学习，小申了解到水质类别从高到低分为1-5类，级别最高（质量最好）为1，级别最低（质量最差）为5。小申把整理后的数据存储于“T4_2.csv”文件中。如图所示，他写程序对这些数据进行分析，在水质类别为3的记录中，找出水温的最大值。请将程序填写完整，可以点击图标进入开发环境，数据文件与程序位于同一文件夹目录，本题提供的环境仅用作算法验证。 import pandas as pd import numpy as np df=pd.read_csv('T4_2.csv',encoding='ANSI') mydf=df[(____① ==3)] temp=np.max(mydf['水温']) print(temp) 三、判断题 21．数据分析可以帮助我们了解事物的现状、剖析事物的发展历程和预测事物的未来走向。( ) 22．在日常生活中，数码照相机、数码录像机、手写板、扫描仪等属于数据采集工具。( ) 23．蜘蛛网图又称为雷达图，不属于数据的可视化图表类型。( ) 24．网络数据采集主要通过网络爬虫或网站公开API的方式获取，网络爬虫需要获取网页的URL。( ) 25．数据可视化是以图形、图像和动画等方式直观生动地呈现数据及数据分析结果，饼图可用于表示随时间变化的连续数据。( ) 四、操作题 26．为进一步对信息系统采集的数据进行处理与分析，小申把数据表sheet1中的数据导出至readingTime.csv文件中。请完成以下各小题。 （1）如图所示，在readingTime.csv发现了多条相同学号同一天的记录。为了保证数据分析的准确性，需要对数据进行去重整理，请完善以下代码。去重时，仅保留重复记录中的最后一条，替换原表。（可参考小贴士） import pandas as pd df=pd.read_csv('readingTime.csv') df. (subset=['学号','日期'],keep='last',inplace=True) df.to_csv('readingTime.csv') （2）小申选取了小达一周的阅读时间存储于列表d、w中，请完成表格后的各小题。【17分】 1）① 采集和输入 小达7天的阅读时间 输出 当天与前一天的阅读时间变化 计算模型 当天的阅读时间减去前一天的阅读时间 2）设计算法 绘制流程图： 3）编写程序 请把以下代码编写完整： d=['10-11','10-12','10-13','10-14','10-15','10-16','10-17'] w=[0.3,0.4,0.5,0.4,0.7,0.4,0.3] ③________: c=w[i]-w[i-1] ④________:    print(d[i],'较上日增加了',c) else:     print(d[i],'较上日增加了',-c) 4）调试与运行 运行结果： 10-17较上日减少了0.10000000000000003 10-16较上日减少了0.29999999999999993 10-15较上日增加了0.29999999999999993 10-14较上日减少了0.09999999999999998 10-13较上日增加了0.09999999999999998 10-12较上日增加了0.10000000000000003 小申通过观察运行结果，需对输出结果进行“四舍五入，保留1位小数”的处理。请用自然语言叙述解决方法：（可参考小贴士） ⑤________ 1）上表横线①处应填入( ) A．规划与分析    B．抽象    C．建模    D．抽象与建模 2）上表中②：   ③：   ④：   ⑤： 3）上表中的流程图结构属于( ) A．顺序+分支结构    B．循环嵌套分支结构    C．顺序+循环结构    D．循环嵌套循环结构 （3）小申从readingTime.csv中筛选出学号为220101小达同学的7天数据，进行可视化分析。代码段如下所示，请在横线处填空。 #导入库 import pandas as pd df=pd.read_csv('readingTime.csv',encoding='utf-8') mydf=df[(df['学号']==220101)&amp;(df['日期']>='10-11')&amp;(df['日期']<='10-17')] import ①________as plt #设置字体 plt.rcParams['font.sans-serif']='SimHei' #数据源 d=mydf['②________'] w=mydf['阅读时间'] #设置标题 plt.title('7天阅读时间') plt.xlabel('日期') plt.ylabel('小时') plt.③ (d,w) plt.show() 1）如上代码段中①处的正确选项是( ) A．matplotlib.pyplot    B．pyplot    C．BeautifulSoup    D．matplotlib 2）如上代码段中应填入：②： ③： 3）从上述可视化结果中你获取的信息是： 。 （4）小申汇总了一个月的数据经处理分析后形成的班级书屋分析报告，通过邮件发送给了所有班级成员。这体现的信息特征有( ) A．信息可以被共享    B．信息可以传播和存储    C．信息的价值是相对的    D．信息具体时效性 （5）系统运行过程中，小申发现任何用户都可以访问该信息系统的汇总页面。请你针对这种信息安全风险提出防范措施。 你选择的是( )；你的具体建议是 。 A．身份认证。身份认证是用户在使用信息系统时，系统对用户身份的识别和确认过程，是保证信息系统安全的基本措施。 B．访问控制。访问控制是信息系统安全防范的常用技术，它的主要作用是保证信息资源不被非法访问和使用。 C．数据加密。在信息安全中，信息的保密性是指保证信息不被非授权访问，或者被非法取得数据时也无法使用该数据。数据加密就是防止数据在传输过程中被窃听，或者在存储过程中被非法访问的一种有效防范手段。 D．修补漏洞。信息系统软件存在安全风险，漏洞扫描既是攻击者探寻、入侵主机的一种最常见手段，也是管理员检测系统漏洞、发现安全隐患、提高系统安全性的有效方法。 27．某校高一年级阶段测试各学科成绩存放在csv文件中，部分数据如图所示： 学号 姓名 班级 语文 数学 英语 物理 政治 化学 信息 总分 101 伊一 1班 60 67 68 74 62 61 82 474 102 赵珥 1班 73 72 80 74 90 58 74 521 201 张珊 2班 63 63 78 70 70 62 83 489 232 王武 2班 65 86 84 77 84 82 94 572 315 李思 3班 53 76 79 70 71 71 64 484 102 赵珥 1班 64 72 82 74 90 58 74 514 （1）小申发现部分学生的数据有重复，为保证数据分析的准确性，需要对数据进行整理。当同一学号出现多条记录时，仅保留重复记录中的第一条记录，并将新生成的数据表替换原表。读取的csv数据存放在变量df中。df.drop_duplicates(subset= ,keep="first",inplace=True) （2）小申需要统计阶段测试中高一2班的语文平均成绩。请帮助小申将下面程序填写完整（整理后的数据存储于“scores01.csv”文件中，数据文件与程序位于同一文件夹目录）（使用numpy库下的mean函数求取某一列数据的平均值） import pandas as pd import numpy as np d=pd.read_csv("scores01.csv",encoding="ANSI") mydf=d[ ]  #筛选出2班学生记录 pj=   #求取2班语文平均成绩 print (pj) （3）小申将求出的物理各班平均成绩存放到wljf.csv文件中，数据如下左图所示。为更直观地呈现各班物理均分的对比，小申利用程序绘制所示的可视化图形。请帮助小申将下面程序填写完整（数据文件与程序位于同一文件夹目录）。 班级 均分 1 75.69 2 74.07 3 74.37 4 67.78 5 74.26 6 78.13 7 74.36 8 74.1 9 67.6 10 68.9 import pandas as pd import matplotlib.pyplot as plt d=pd.read_csv ("wljf.csv",encoding="ANSI") plt.rcParams["font.sans-serif"]=["SimHei"] plt.title("各班物理均分对比") plt.xlabel("班级") plt.ylabel("均分") plt.bar( ), ) plt.show() （4）小申设计了一个算法，用于统计信息学科60分以下的人数。请将右侧合适的框图补充到左侧的流程图中。 ① ② ③ A．    B．    C． （5）小申根据如图所示的某班数学成绩可视化图形撰写数据分析报告，他对该图的分析正确的是( ) A．该班的数学成绩中存在异常值 B．必须立即删除用小圆圈表示的这个数据 C．该班的数学成绩中存在缺失值 D．从图中可以看出该班的数学平均成绩。 （6）小申想编写程序实现输出总分成绩低于300分（不含300）的学生姓名，请完善下面代码。数据存储于scores01.csv文件中，与该程序位于同一文件夹目录。 import pandas as pd df=pd.read_csv("scores01.csv",encoding="ANSI") zf=   #获取总分 xm=   #获取姓名 t=len (zf)  #获zf的长度 #在以下区域继续完善代码 试卷第1页，共3页 试卷第1页，共3页 学科网（北京）股份有限公司 参考答案： 1．C 【详解】本题考查数据分析。极差反映的是数据的离散程度；方差和标准差也是用于衡量数据的离散程度，它们表示数据相对于均值的分散程度。而平均数，包括算术平均数、几何平均数等，能够反映一组数据的平均水平，是衡量数据集中趋势的常用指标。故答案为：C。 2．C 【详解】本题考查数值计算的描述。数值稳定性主要涉及累积误差、条件数和舍入误差，这些因素都会影响计算结果的精确性和可靠性。而算法效率主要关注的是算法的时间复杂度和空间复杂度，与数值稳定性无关。因此，选项C（算法效率）与数值稳定性无关。故选C。 3．C 【详解】本题考查加密技术。加密技术的主要用途是保护数据隐私和安全。通过对数据进行加密，可以防止未经授权的访问和数据泄露，从而确保数据的机密性和完整性。选项A、B和D都不是加密技术的主要用途。故选C。 4．A 【详解】本题考查数据可视化。Google浏览器不是数据可视化工具软件，大数据魔镜、Gephi是常用的数据可视化工具软件。故答案为：A。 5．D 【详解】本题考查信息的采集。扫描二维码的过程是将二维码图像中的信息通过扫描设备读取出来，这属于信息的采集过程。信息的采集是指从外部获取信息的过程，通常通过传感器、扫描仪、摄像头等设备将物理世界中的信息转换成计算机能够处理的数字信息。故答案为：D。 6．A 【详解】本题考查数据采集。扫描书籍条形码的行为使用条码扫描器来实现，其主要作用是采集数据。条形码扫描器通过扫描书籍的条形码，将条码所代表的信息转换成数字或字符形式，然后输入到计算机系统或其他电子设备中，以供后续处理和管理。故答案为：A。 7．A 【详解】本题考查数据处理。数据处理首先要明确目标，知道处理数据的目的和需求；然后进行数据采集，获取相关的数据；接着对采集的数据进行加工处理；之后进行数据分析，挖掘数据中的信息和规律；再通过数据可视化将分析结果以直观的形式呈现；最后撰写报告总结和阐述整个处理过程和结果。所以正确的顺序是①③⑥②④⑤。故答案为：A。 8．C 【详解】本题考查图表相关内容。柱形图是一种非常常见的图表类型，它常用于比较不同类别或系列之间的数值，来显示数据的对比情况；折线图是一条弯折或平滑的线条，它通过连接数据点的线条来显示趋势和模式，可以显示随时间或其他连续变量而变化的数据趋势；饼图顾名思义，它的形状类似于一块圆饼，根据数据源的数值来划分不同大小的饼块，而直观地展示这些数值在整体中的占比情况；扇形图，又称扇形统计图，它是用整个圆表示总数，用圆内各个扇形的大小表示各部分数量占总数的百分数。扇形图是用圆的面积表示部分在总体中所占的百分比，易于显示每组数据相对于总数的大小。而饼状图是用整个圆的面积表示事物的全部，圆内各个扇形面积表示各部分数量占总数的百分数，易于显示每组数据相对于总数的大小。故本题答案是C选项。 9．A 【详解】本题考查数据加工相关内容。数据加工是一个涉及数据转换、处理和优化的过程，旨在将原始数据转换成有价值的信息或知识。数据加工包括：格式转换；数据处理；规整、富化、流转、脱敏和过滤；数据补充。BCD选项未体现数据加工。故本题答案是A选项。 10．A 【详解】本题考查数据可视化相关内容。数据呈现方式包括表格、图表、地图等。数据可视化旨在清晰有效地表达信息，主要呈现的方式为图形化，如：饼图、折线图、柱形图、雷达图等。如图所示，这种呈现数据的形式称为可视化形式。故本题答案是A选项。 11．A 【详解】本题考查的是数据来源。按照获取数据的渠道，可以将数据分为两类：直接数据和间接数据。统计调查或科学实验通常是数据的直接来源，由此得到的原始数据一般称为直接数据或一手数据。查阅资料获得的数据或他人对原始数据处理过的数据，一般称为间接数据或二手数据。我们用温度计实际测量得到的气温值是直接数据，从网上搜索到的气温是间接数据。故本题应选A。 12．C 【详解】本题考查数据处理。 PowerPoint属于幻灯片制作工具。其它选项均属于常用数据处理和统计分析工具。故正确答案为：选项C。 13．C 【详解】本题考查数据处理的相关内容。数据处理一般是指对数据进行采集、整理、分析和可视化的表达的过程。数据采集是指人们根据需要获取数据，它是确保数据处理过程有效的基础。这个“刷”的过程属于数据采集。故答案为：C。 14．D 【详解】本题考查的知识点是数据采集的有关知识。传感器主要用于随时获取来自自然信号源的数据。互联网、物联网的发展使得数据的获取方式更多，获取速度更快，数据的获取方式已逐渐以机器获取为主，但并没有完全取代人工获取数据的方式。传感器、互联网成为人们日常所需数据的主要来源。传感器随时获取来自自然信源的数据，“运动手环”中有传感器，可以采集数据。故答案为D选项。 15．A 【详解】本题主要考查数据安全。数据加密技术是指一条消息通过加密密钥和加密函数转换成无意义的密文，接收者通过解密函数和解密密钥将密文还原成明文。 这样，我们就可以保护数据不被非法窃取和读取。 提高计算机安全水平的基础是掌握数据加密的本质，数据加密由明文 (未加密报文)、密文 (加密报文)、加解密设备或算法、加解密密钥四部分组成。数据加密属于数据安全保护措施，故本题选A选项。 16． 趋势 规律 【详解】本题考查数据可视化。在数据分析过程中，数据可视化能够将复杂的数据以图形、图表等形式展现出来。通过这种直观的呈现方式，我们可以更容易地观察到数据的趋势，比如数据是上升、下降还是保持平稳；同时也能够清晰地发现数据的规律，例如周期性规律、关联规律等。这些趋势和规律如果仅通过原始数据进行分析，往往较为困难和抽象，而数据可视化则提供了更便捷、直观的途径来理解和把握。故答案为：趋势、规律。 17．数据采集 【详解】本题考查的是数据处理。各路口安装的24小时监控摄像头，将获取的数据传输到交警的监控中心，此过程属于数据处理流程中的数据采集。 18． Excel Seabom Bokeh 【详解】本题考查的是数据可视化表达工具。常用的数据可视化工具包括Excel、Seabom、Bokeh等。 19．思维导图 【详解】本题考查数据可视化相关内容。数据可视化表达是指以图表、图形、动画等方式更加直观生动地呈现数据以及数据分析的结果,揭示数据之间的关系、趋势、规律等表达方式。思维导图是一种图形思维工具，它通过使用关键词、图像和颜色等元素，以放射性结构的形式展示思维，帮助人们组织和记忆信息。这种工具不仅简单高效，而且能够激发大脑的潜能，在学习和工作中尤其有用。思维导图可以应用于记忆、学习、解决问题和策划等多个领域。思维导图是最常见的数据可视化方法之一，它们经常被用作表现思维发展过程。故本题答案是：思维导图。 20．df["水质类别"] 【详解】本题主要考查Python程序的调试。水质类别从高到低分为1-5类，级别最高（质量最好）为1，级别最低（质量最差）为5。在水质类别为3的记录中，找出水温的最大值。因此划线处填df["水质类别"]。 21．正确 【详解】本题考查的是数据分析。数据分析可以帮助我们了解事物的现状、剖析事物的发展历程和预测事物的未来走向。说法正确。 22．正确 【详解】本题考查的是数据采集。在日常生活中，数码照相机、数码录像机、手写板、扫描仪等属于数据采集工具。说法正确。 23．错误 【详解】本题主要考查数据可视化。数据可视化表达的常见图表名称有：饼图、条形图、折线图、散点图、雷达图、词云图、热力图等。故表述错误。 24．正确 【详解】本题考查数据采集相关内容。网络数据采集是数据采集的一种常用方法，它通过网络爬虫或网站公开API等方式获取网络数据信息，网络爬虫一般是从网页的URL开始获取。故本题答案是：正确。 25．错误 【详解】本题考查数据可视化相关内容。数据可视化是指以图形、图像和动画等方式更加直观生动地呈现数据及数据分析结果，揭示数据之间的关系、趋势和规律等。饼图是由若干个面积大小不一、以条形或颜色填的扇形组成的圆形图表，它使用圆表示数据的总量，组成圆的每个扇形表示数据中各项占总量的比例大小，主要用于显示数据中各项大小与各项总和的比例。故本题答案是：错误。 26． drop_duplicates D w[i]-w[i-1] for i in range(1,len(w)) if c>=0 在计算变化量后，使用round函数对结果进行四舍五入处理，保留一位小数。 B A 日期 plot(d,w) 小达同学在7天内每一天的阅读时间变化趋势。 AB A 进行身份认证，通过用户名和密码验证用户身份，确保只有授权用户才能访问信息系统的汇总页面。 【详解】本题考查Python、数据可视化与信息安全保护。 （1）使用drop_duplicates方法对数据进行去重，保留重复记录中的最后一条，并使用inplace=True直接修改原数据。故答案为：drop_duplicates。 （2）此处是对问题进行抽象与建模，明确输入、输出和计算模型。故答案为：D。根据下面的程序可知，此处c=w[i]-w[i-1]。故答案为：w[i]-w[i-1]。用于循环遍历列表 w，从第二个元素开始计算与前一个元素的差值。故答案为：for i in range(1,len(w))。用于判断当天阅读时间是否大于等于前一天的阅读时间。故答案为：if c>=0。在计算变化量后，使用round函数对结果进行四舍五入处理，保留一位小数。通过循环和条件判断计算并输出相邻两天阅读时间的变化。流程图结构属于循环嵌套分支结构，先按照顺序设置输入输出和计算模型，然后通过循环计算并根据条件输出结果。故答案为：B。 （3）应导入matplotlib.pyplot库进行数据可视化。故答案为：A。日期作为x轴数据。故答案为：日期。plot用于绘制折线图。故答案为：plot(d,w)。从图中可以看到小达同学在7天内每一天的阅读时间变化趋势。 （4）这个情景体现了信息可以被共享的特征，因为小申将分析报告发送给了所有班级成员，意味着这些信息可以被多人访问和使用；同时，这也展示了信息可以传播和存储的特征，因为报告通过电子邮件传送，并且可以在接收者的设备上存储和查阅。故答案为：AB。 （5）选择身份认证的原因：身份认证是信息系统安全的基本措施之一，可以有效防止未经授权的用户访问系统和敏感信息。在这种情况下，任何用户都能访问汇总页面可能导致信息泄露或非法使用，身份认证能够确认用户身份合法性，限制系统访问权限。故答案为：A。具体建议的实施意义：通过用户名和密码的身份认证，可以确保只有授权的用户才能够访问信息系统的汇总页面。这样可以有效防止未经授权的访问和潜在的安全风险，保护信息系统和数据的安全性和完整性。 27． '学号' d['班级'] == '2班' np.mean(mydf['语文']) d['班级'] d['均分'] C A B AD df['总分'] df['姓名'] for i in range(t): if zf[i] < 300: print(xm[i]) 【详解】本题考查Python以及数据可视化。 （1）使用drop_duplicates方法时，需指定按哪个列进行去重，这里按"学号"列去重，并保留第一次出现的记录。故答案为：'学号'。 （2）使用d[d['班级'] == '2班']筛选出2班的数据，并用np.mean(mydf['语文'])计算语文平均成绩。故答案为：d['班级'] == '2班'、np.mean(mydf['语文'])。 （3）使用plt.bar方法绘制柱状图时，需要分别传入x轴和y轴的数据，这里为d['班级']和d['均分']。故答案为：d['班级']、d['均分']。 （4）首先需要对该学生的信息成绩进行判断，如果x小于60（C），则将计数器c的值加1（A），最终输出c即可（B）。故答案为：CAB。 （5）图中存在异常值（用小圆圈表示），应进一步分析这个异常值，A选项正确，B选项错误；无法看出该班的学生成绩是否存在缺失值，C选项错误；从图中可以看出该班的数学平均成绩（用黄线表示）。故答案为：AD。 （6）使用df['总分']获取总分列，df['姓名']获取姓名列，遍历总分并输出低于300分的学生姓名。故答案为：df['总分']、df['姓名']、for i in range(t): if zf[i] < 300:  print(xm[i])。 答案第1页，共2页 答案第1页，共2页 学科网（北京）股份有限公司 $$