4.2大数据处理同步作业2024—2025学年高中信息技术浙教版（2019）必修1

4.2 大数据处理同步作业2024—2025学年高中信息技术 浙教版（2019）必修1 一、选择题 1．从数据处理的过程来看，在数据采集之前要做的是（   ） A．明确数据需求 B．统一数据格式 C．数据可视化 D．分析数据 2．下列关于大数据的说法，正确的是（    ） A．大数据使人们注重事物的相关性 B．大数据的数据量庞大，价值密度高 C．大数据的应用降低了用户隐私信息泄露的风险 D．对大数据进行分析时，即可分析全体数据，也可分析抽样数据 3．下列关于大数据及数据处理的说法，不正确的是（   ） A．重复数据可直接删除以节省存储空间 B．处理大数据时一般采用分治思想 C．大数据要分析的是全体数据，能接受数据的混杂性 D．文本数据处理的过程主要包括分词、特征提取、数据分析和结果呈现等 4．下列关于Hadoop平台的说法正确的是(　　) A．该平台只能处理结构化数据 B．处理信息必须通过可视化体现处理的结论 C．该平台中每台计算机都在处理相同的数据 D．该平台可以节省大型和复杂问题的处理时间 5．下列关于大数据的说法，不正确的是（     ） A．大数据是未来信息技术产业一种原料，可以从中提取很多有效信息 B．大数据对未来的社会和个人将产生深刻影响 C．大数据可以使用Excel电子表格或数据库来处理 D．在很多情况下，大数据的来源可以不依靠人工 6．下列关于大数据的说法错误的是（　　） A．从技术上看，大数据与云计算是密不可分的 B．大数据的最小基本单位是MB（兆字节） C．通常需要对大数据进行专业化处理 D．通过对大数据的分析，可以为人类社会创造更多的价值 7．下列关于大数据的说法正确的是（   ） A．大数据注重事物的因果关系而不重视相关性 B．大数据处理技术是自古就有的 C．大数据的特征:体量大，速度快，数据类型多，价值密度低 D．大数据技术通过抽样数据的方法处理数据 8．下列有关大数据及其处理的说法，不正确的是（   ） A．大数据支持动态跟踪，提高了数据分析的即时性 B．大数据要分析的是全体数据，而不是抽样数据 C．非结构化的文本数据更利于大数据处理和分析 D．数据可视化可增强数据的解释力和吸引力 9．大数据处理所采用的基本思想和架构是（   ） A．分而治之 B．递归算法 C．二分法 D．机器学习 10．下列不是HDFS优点的是（   ） A．高容错性 B．适合单线程处理 C．适合大数据处理 D．流式文件访问 11．下列关于大数据及其处理的说法，不正确的是（   ） A．大数据蕴含巨大的价值，但因其数据量庞大，所以“提纯”数据是人们一直努力的目标 B．电商的个性化精准推荐，是因为知道了人们都买某些商品的原因 C．处理大数据时，一般采用分治思想 D．HBase 是采用基于列的存储方式，具有良好的横向扩展能力 12．HDFS和MapReduce作为Hadoop的核心组件，下列对它们的描述错误的是（   ） A．HDFS是具有高容错性的分布式文件系统，适合部署在普通的机器上 B．HDFS特别适合那些需要多次写入、多次读取的超大规模数据集的应用程序 C．MapReduce是一种并行编程模型，帮助用户编写处理大规模数据集的并行运算 D．MapReduce隐藏了分布式并行编程的底层实现细节，提升了应用的开发效率 13．下列数据处理中，不属于文本数据处理的是(　　) A．根据白名单和黑名单机制，进行垃圾邮件的识别 B．在线客服通过自动应答技术回答问题 C．实时监测景区的人流数据，控制过多的游客进入景区 D．分析消费者的意见数据，挖掘用户观点，辅助运营决策 14．下列选项中，不包含大数据应用技术的是（   ） A．公安部门利用智慧城市的监控系统，协助捕捉犯罪嫌疑人 B．老师通过WPS表格对班级同学的期末成绩进行统计分析 C．通过对道路上汽车的流量分析，对各路段的拥堵时间和拥堵情况进行预测 D．通过手机导航软件实时了解路况，规划最佳出行路线 15．在教科书中利用Python探究电流和电压、电阻的关系实验里，除了可以通过书中的Jupyter Notebook外，处理数据还可以通过下列（  ）工具实现。 A．Python IDLE B．Xmind C．网络画板 D．几何画板 16．下列关于大数据处理的说法，正确的是（   ） A．jieba模块是基于规则的分词方法的典型应用 B．典型的文本处理过程顺序为：数据分析→分词→特征提取→结果呈现 C．社交关系数据一般采用流计算模式进行处理 D．数据可视化是将数据以图形图像等形式表示，直观呈现数据中所蕴含的信息 17．以下应用场景不包含大数据处理的是（   ） A．网购平台的猜你喜欢 B．物流配送 C．智能交通网络 D．入校新生基本信息的统计 18．关于大数据处理，下列说法正确的是（    ） A．大数据必须采集完成后才能处理 B．大数据包括对静态数据的批处理、对流数据的实时计算和对图结构数据的图计算 C．大数据只能处理结构化数据不能处理非结构化的数据 D．数据的可视化可以增强数据的解释力与吸引力 19．小张采集了运动会的报名数据录入到Excel文件，每位同学最多参加两个项目，部分界面如下图所示。他先使用Excel软件整理数据，存储为“运动会报名.xlsx”文件后，编写Python程序完成后续处理。小张对数据进行以下整理，操作恰当的是（   ） A．发现高一(1)班陈易涵有两条相同的数据，删除一条 B．发现高一(3)班张怀沙的跳高一栏空着，填入数字“1” C．发现第6行“高一(二)班”的格式与其他数据不一致，删除第6行数据 D．发现第8、9行都是高一(2)班李嘉佑的数据且都不完整，删除第8、9行数据 20．从横向和纵向两个方向来计算两个或多个有联系的变量在交叉点的统计值，这种数据分析方法称为（   ） A．交叉分析 B．双向分析 C．个体分析 D．变量分析 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．A 【详解】本题主要考查数据处理的描述。从数据处理的过程来看，在数据采集之前要做的是明确数据需求，故本题选A选项。 2．A 【详解】本题主要考查大数据的描述。大数据使人们注重事物的相关性；大数据的数据量庞大，价值密度低；大数据的应用提高了用户隐私信息泄露的风险；对大数据进行分析时，分析的是全体数据，故本题选A选项。 3．A 【详解】本题考查大数据相关内容。A选项，重复数据需要经过五个阶段，才能完成删除。五个阶段分别是：（1）数据收集，通过比较进入的备份数据和先前的备份缩小需要进行分析数据的范围，使用“内容已知”数据库辨别它们之间可能的重复和相似数据。（2）数据识别/数据比较：以字节为单位分析数据收集阶段标志出的相似数据对象，如果数据收集阶段创建的工作表表明需要进行数据识别，那么就会用delta差分算法确定备份组中的哪些数据是唯一的、哪些数据是重复的.（3）数据重组：数据识别/数据比较的结果被传递给数据重组过程，在该过程中数据被重新组装，放入临时的“保留磁带”中，新数据被保存，前一阶段被标出的重复数据被已存数据的指针替代。（4）可选的完整性检查：在实际删除所有的重复数据前，执行一次可选的检查，以保证数据100%的完整性。在本阶段中，通过将“保留磁带”（代表经过重复数据删除的数据）和原始数据进行比较验证其结构和整个数据内容。（5）空间回收：从文件系统中删除冗余的数据，释放先前被占用的磁盘空间以备他用。选项错误。B选项，处理大数据时一般采用分治思想，选项正确。C选项，大数据要分析的是全体数据，而不是抽样数据，对于数据不再追求精确性,而是能够接受数据的混杂性，选项正确。D选项，典型的文本处理过程主要包括分词、特征提取、数据分析、结果呈现等，选项正确。故本题答案是A选项。 4．D 【详解】本题考查的是Hadoop平台相关知识。该平台可以处理结构化、非结构化和半结构化的数据，分析的结果可以通过可视化来体现，也可以是单纯的数据信息。该平台采用分布式文件格式，不同的计算机往往处理不同的数据，其目的是为了节省计算时间。 5．C 【详解】本题主要考查大数据的描述。大数据是未来信息技术产业一种原料，可以从中提取很多有效信息；大数据对未来的社会和个人将产生深刻影响；大数据可以使用数据库来处理，不能用Excel电子表格处理；在很多情况下，大数据的来源可以不依靠人工，故本题选C选项。 6．B 【详解】本题主要考查大数据的描述。从技术上看，大数据与云计算是密不可分的；大数据的最小基本单位是bit；通常需要对大数据进行专业化处理；通过对大数据的分析，可以为人类社会创造更多的价值，故本题选B选项。 7．C 【详解】本题考查大数据的描述。 大数据不再强调对事物因果关系的探求，而是更加注重它们的相关性；古代没有大数据处理技术；大数据的特征:体量大，速度快，数据类型多，价值密度低；大数据技术是对全体数据进行处理。故选C。 8．C 【详解】本题考查大数据相关内容。ABD选项正确。C选项，文本内容是非结构化的数据，要从大量的文本中提取出有用的信息，需要将文本从无结构的原始状态转化为结构化的、便于计算机处理的数据，选项错误。故本题答案是C选项。 9．A 【详解】本题主要考查大数据处理。众所周知，计算机计算速度非常快而被人们加以使用，但计算速度再快的计算机，处理数据的能力也有一定限度，所以在处理大数据操作的时候，采用分治法可以有效的处理目前人类社会所遇到的大部分大数据问题。分治法的主要思想就是将一个复杂的问题分成两个或多个相同的子问题，子问题可以分成更小的子问题，直到子问题可以容易解决的时候，原问题的解就是子问题解的和，故本题选A选项。 10．B 【详解】本题考查大数据处理。HDFS 是一种分布式文件系统，具有高容错性，通过数据冗余和副本机制可以在节点出现故障时保证数据的可靠性；HDFS 适合处理大规模的大数据，能够存储和管理海量的数据；支持流式文件访问，一次写入、多次读取，适合批处理式的大数据处理。然而，HDFS 是为了处理大规模数据的批处理任务而设计的，并不适合单线程处理这种小规模、交互性强的任务。故答案为：B。 11．B 【详解】本题考查大数据相关内容。大数据的特征是数据量大、速度快、数据类型多、价值密度低。A选项， 大数据来源广泛多样，数据标准不统一，指标口径杂乱，数据整合和衔接困难，而应用和处理大数据要求强大的机器算法能迅速地完成数据的价值“提纯”，这是大数据区分于传统数据挖掘最显著的特征，选项正确。B选项，电商平台个性化推荐系统是基于大数据挖掘、处理、清洗、分析的一种智能商务平台，不是基于大数据精确分析了用户购买商品的原因，选项错误。C选项，处理大数据时，一般采用分治思想，选项正确。D选项，HBase是一个分布式的、面向列的开源数据库，该技术来源于Fay Chang所撰写的Google论文“Bigtable：一个结构化数据的分布式存储系统”，HBase不同于一般的关系数据库，它是一个适合于非结构化数据存储的数据库，并且是基于列而不是基于行的模式，选项正确。故本题答案是B选项。 12．B 【详解】本题考查大数据处理。HDFS主要功能是将大规模海量数据以文件的形式、用多个副本保存在不同的存储节点上，并用分布式系统进行管理。采用一次写入、多次读取的访问模式。故答案为：B。 13．C 【详解】本题考查的是数据处理。C选项只是掌握游客数量，没有进行分词等文本操作。 14．B 【详解】本题考查大数据应用技术。大数据是指无法在可承受的时间范围内用常规软件工具进行高效捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。老师通过WPS表格对班级同学的期末成绩进行统计分析不属于大数据应用。故选B。 15．A 【详解】本题Python相关知识点 IDLE 是 Python 所内置的开发与学习环境，故除了可以通过书中的Jupyter Notebook外，处理数据还可以通过Python IDLE工具实现。故本题选A选项 16．D 【详解】本题考查大数据相关内容。A选项，jieba分词结合了基于规则和基于统计两类方法，选项错误。B选项，典型的文本数据处理主要包括分词、特征提取、数据分析和结果呈现四个步骤，选项错误。C选项，社交关系数据一般采用批处理模式进行处理，选项错误。D选项，数据可视化是将数据以图形图像等形式表示，直观呈现数据中所蕴含的信息，选项正确。故本题答案是D选项。 17．D 【详解】本题主要考查大数据处理的应用。大数据是指无法在一定时间内用常规软件工具对其内容进行抓取、管理和处理的数据集合。 大数据技术，是指从各种各样类型的数据中，快速获得有价值信息的能力。 结合选项可知，入校新生基本信息的统计不包含大数据处理，故本题选D选项。 18．BD 【详解】本题考查的是大数据相关知识。大数据包括对静态数据的批处理、对流数据的实时计算和对图结构数据的图计算，可以增强数据的解释力与吸引力。大数据可以处理结构化数据，也能处理非结构化的数据，故选项C说法错误。大数据可以实时处理，故选项A说法错误。本题应选BD。 19．A 【详解】本题考查的是数据处理。张怀沙已经有两个项目为1了，跳高一栏应填入数字“0”；第6行“高一(二)班”的格式与其他数据不一致，应修改格式；发现第8、9行都是高一(2)班李嘉佑的数据且都不完整，应合并处理。故本题应选A。 20．A 【详解】本题考查数据分析。 交叉分析法是一种用于分析两个或多个变量之间相互关系的基本数据分析法。它通过将统计分析数据制作成二维交叉表格，将具有一定联系的变量分别设置为行变量和列变量，两个变量在表格中的交叉结点即为变量值，通过表格体现变量之间的关系。这种方法在市场调研项目中应用广泛，因为它能让复杂的数据关系简单化，便于理解和分析。故正确答案为：选项A。 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 $$