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．以下哪个不是加密技术的应用领域（   ） A．军事通信 B．金融交易 C．个人隐私保护 D．天气预报 2．下列关于数据可视化的说法，正确的是（    ） A．数据可视化是指静态数据的可视化 B．决定数据可视化表现形式的是数据结构 C．可视化探究具有关联性数据的分布关系可用散点图 D．可视化展现时间趋势类的数据可用雷达图 3．下列无法对数据进行有效保护的措施是（   ） A．网络备份 B．数据加密 C．可移动存储设备备份 D．磁盘碎片整理 4．在数据分析类型及可视化呈现中，下列利用空间关系分析的是（   ） A．3D动态显示图 B．堆叠面积图 C．网络关系图 D．分组柱形图 5．人们通过气象卫星获得大量的气象信息，这属于数据处理过程中的（   ） A．数据采集 B．数据整理 C．数据分析 D．数据可视化 6．下列方法属于直接数据收集方法的是（   ） A．查找文献资料收集水稻亩产数据 B．向数据公司购买近十年某地的气象数据 C．从国家统计局网站查找2020年的各地人口数据 D．利用车载尾气检测技术获取实时的动态尾气数据 7．下列关于数据与日常生活关系的表述，正确的是（   ） A．数据使生活有迹可循、有源可溯 B．数据一定使生活效率得以很大提升 C．智能移动终端是生活数据的唯一提供者 D．数据使我们的生活更安全 8．撰写数据分析报告的原则不包括（   ） A．需要通过各种方法采集到的原始数据 B．要图文并茂，让读者一目了然，富有启发性 C．确保分析过程科学严谨，分析方法选择恰当 D．得出明确的结论，针对问题提出建议和解决方案 9．下列关于数据管理与安全的说法，不正确的是（   ） A．数据管理的目的在于充分有效地利用数据 B．计算机一般以文件的形式存储数据 C．通过数据加密可以提高数据的完整性 D．保护数据安全也需保护存储数据的介质安全 10．分析一年12个月内每个月降水量在全年所占百分比时用（   ）最为恰当。 A．柱状图 B．折线图 C．饼图 D．雷达图 11．某调查机构准备做一份关于《在校学生视力情况数据分析报告》，下列说法正确的是（   ） A．该报告中涉及的数据呈现方式必须用图表 B．该报告报告重点呈现数据分析的过程，可以没有结论 C．该报告要重点呈现数据分析过程、结论和建议 D．学生视力情况分析的目的与背景在报告中可以忽略 12．下列操作中，有意识保护数据安全的是（  ） A．在公用计算机上登录网站时使用“记住密码” B．同学临时借用U盘，碍于面子不好拒绝 C．旧手机恢复出厂设置后再找商家以旧换新 D．把银行账号等私密信息全部存在个人云空间 13．针对某路公交车高峰拥挤时段情况数据分析时，下列选项中相对合适的分析方法是（    ）。 A．纵向平均分析 B．纵向对比分析 C．横向对比分析 D．横向平均分析 14．能对结构化数据进行处理的有（   ） A．金山文档 B．WPS C．PPT D．GBASE 15．数据分析广泛应用于社会各个领域，常见的数据分析方法有对比分析法、平均分析法和结构分析法等，关于对比分析法，以下说法中错误的是（   ） A．对比分析分为横向和纵向对比两大类 B．分析事物内部的结构和部分与整体之间的关系 C．对比分析法将两个或两个以上的数据进行比较 D．对比分析法能够说明研究对象的规模大小 16．数据采集的基本方法包括（    ）、网络数据采集法和其他数据采集法。 A．资源管理器采集法 B．访问记录采集法 C．数据库采集法 D．系统日记采集法 17．对两个或多个数据进行比较，常用对比分析法，通过分析其间的差异，揭示变化情况和规律。以下关于对比分析法的叙述中，不正确的是（   ） A．只有对同—时间的数据才能对比 B．对比的对象要有可比性 C．对比数据的计算单位必须一致 D．对比的指标必须统一 二、填空题 18．在数据分析中， 是用来衡量数据分布离散程度的一种统计量。 19．在数值计算中， 是用来衡量算法对于输入数据小的变化所引起输出结果变化的敏感程度。 20．数据可视化表达的呈现类型主要分为探索和 两种不同的类型。 21．数据可视化指将数据分析的结果一般通过 、 、 三种形式显示出来。 22．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。小申了解到水温、pH、溶解氧、高锰酸盐等指标都会影响水质类别，他选择了溶解氧进行重点分析。分析如图所示的“各监测点水质类别和溶解氧分布”可视化图形，说出溶解氧指数最高的监测点的水质类别为 。请学习数字化资源中的“地表水环境质量标准”，尝试归纳水质类别和溶解氧之间的相关关系 。 23．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 24．词云图实现了非结构化的数得文本的挖据。( ) 25．折线图适用于描述数据之间的比例分配关系。( ) 26．在问卷调查中，数据采集和数据分析是两个独立的过程，没有先后顺序。( ) 27．蜘蛛网图又称为雷达图，不属于数据的可视化图表类型。( ) 四、操作题 28．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 29．小明下载了本校某次联考数据“kscj.csv”，每位学生均有6科成绩，数据无缺失。采用pandas模块读入数据，如图a所示（注意：本题图a、b、c中，均仅呈现前6条记录）。现对本次考试进行数据分析，请阅读程序，回答下列问题。 图a 图b （1）根据读入数据，创建格式如图b所示的DataFrame，各学科和总分列的初值均为“0”。请为 处选择合适代码选项（多选，填字母）。 A．df[i]=0                                      B．df[cName[i]]=0 C．df.insert(i,cName[i],0)                     D．df.insert(i+3,cName[i],0) importpandasaspd; importnumpyasnp dfs=pd.read_csv("kscj.csv", encoding="GBK") dfs=dfs.sort_values("学号",ascending=True) df=dfs.drop_duplicates(subset=['学号'],keep="first", ignore_index=True)#学号相同行仅保留首行 df=df.drop(["学科","得分"],axis=1)#删除“学科”和“得分”列 cName=["语文","数学","英语","物理","化学","生物","政治","历史","地理","技术","总分"] df.insert(1,"班级",df["学号"]//100)  #参数：第1个列位置索引(0开始编号)，第2个列标题，第3个列值 foriinrange(11):#添加各学科列和总分列 ______ （2）将dfs中的学科得分转存到df中对应学科，并计算总分。请为划线处填写合适代码。 for i in df.index: idx=df.at[i,"学号"] student= #dfs中筛选出学号为idx的6条相关记录 for si in student.index: course=student.at[si,"学科"] df.at[i,course]=student.at[si,"得分"] df.at[i,"总分"]= 图c 图d （3）求出各科和总分的班级平均分，如图c所示。请为 处选择合适代码选项（单选，填字母）。 A．groupby("班级",as_index=False).mean() B．groupby("班级",as_index=True).count() C．groupby("班级",as_index=False).sum() df=df.replace(0,np.nan)#np.nan表示空值，df中数据“0”用空值替换 df=df.______ df=df.drop("学号",axis=1) print(df) （4）绘制各班总分平均分对比图，如图d所示。请为划线处填写合适代码。 importmatplotlib.pyplotasplt plt.bar(df.班级, ) plt.title("班级总分平均分对比图") plt.show() 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 学科网（北京）股份有限公司 参考答案： 1．D 【详解】本题考查加密技术。加密技术主要应用于需要保护信息安全的领域，如军事通信、金融交易和个人隐私保护等。天气预报不涉及敏感信息的保护，因此不是加密技术的应用领域。故选D。 2．C 【详解】本题考查数据可视化。数据可视化并非仅指静态数据的可视化，还有动态数据的可视化，A选项错误；决定数据可视化表现形式的不是数据结构，而是数据的特点和要展示的信息，B选项错误；可视化探究具有关联性数据的分布关系可用散点图，C选项正确；可视化展现时间趋势类的数据可用折线图，而非雷达图，D选项错误；故答案为：C。 3．D 【详解】本题考查数据保护。磁盘碎片整理是通过重新排列磁盘上的数据来提高访问速度，但它并不能对数据进行保护。故答案为：D。 4．A 【详解】本题考查数据可视化。3D动态显示图是三维图，属于利用空间关系分析，其余选项均属于二维图。故选A。 5．A 【详解】本题考查数据处理。人们通过气象卫星获得大量的气象信息，这是获取原始数据的过程，属于数据处理中的数据采集。数据整理是对采集到的数据进行分类、排序等操作；数据分析是对整理后的数据进行分析以提取有价值的信息；数据可视化是将分析结果以直观的图形、图表等形式展示。故答案为：A。 6．D 【详解】本题考查数据采集。数据分为直接数据和间接数据。直接数据的收集方法有很多，如调查法、访谈法、观察法、实验法等；收集间接数据的方法：如查阅文献资料、关注媒体资源、浏览权威网站、利用搜索引擎在网络中进行检索、从相关数据公司购买等。利用车载尾气检测技术可以获取实时的动态尾气数据，用以协助调整交通策略及城市规划，属于直接数据的收集方法。故答案为：D。 7．A 【详解】本题考查的是数据与日常生活关系。数据使生活有迹可循、有源可溯；数据不一定使生活效率得以很大提升；能移动终端是生活数据的提供者，但不是唯一的；数据有泄密的隐患。故本题应选A。 8．A 【详解】本题考查的是数据分析报告。撰写数据分析报告的原则包括：要图文并茂，让读者一目了然，富有启发性；确保分析过程科学严谨，分析方法选择恰当；得出明确的结论，针对问题提出建议和解决方案。但不包括需要通过各种方法采集到的原始数据。故本题应选A。 9．C 【详解】本题考查数据安全相关内容。ABD选项说法正确，C选项，通过数据加密可以提高数据的安全性，通过数据校验可以提高数据的完整性，选项说法错误。故本题答案是C选项。 10．C 【详解】本题考查图表类型相关内容。（1）柱状图是一种利用长方形的长短来表示数据的统计图表，它通过垂直排列的长方形（条形）来显示不同类别或组别的数据及其相对大小，从而便于比较和理解数据的分布和变化情况。（2）折线图是将数据标注成点，并通过直线将这些点按某种顺序连接而成的图表，它以折线的方式形象地反映事物沿某个维度的变化趋势，能够清晰地展示数据增减的趋势、速率、规律及峰值等特征。（3）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。（4）雷达图是一种常见的数据可视化图表，它的特点是利用多边形的边和顶点来表示多个变量或维度的数据。在雷达图中，每个变量或维度对应一个轴，而数据值则是通过对距离中心的测量来表示的。这种图表能够清晰地展示不同变量之间的差异和相对位置，有助于理解数据的分布和模式。 分析一年12个月内每个月降水量在全年所占百分比时用饼图来展现最为恰当。故本题答案是C选项。 11．C 【详解】本题主要考查数据处理与应用。数据分析报告应遵循以下原则：规范性原则、重要性原则、谨慎性原则、鼓励创新原则。故这份报告要重点呈现数据分析过程、结论和建议，选项C正确。数据的呈现方式多种多样，应根据数据的特点选择合适的数据呈现方式，故选项A说法错误。一份数据分析报告应给出结论，选项B说法错误。数据分析的目的是把隐藏在一些看似杂乱无章的数据背后的信息提炼出来，总结出所研究对象的内在规律，故选项D说法错误。故选C。 12．C 【详解】本题考查数据安全相关内容。找商家以旧换新旧手机前恢复出厂设置，属于有意识包含数据安全。ABD选项：在公用计算机上登录网站时使用“记住密码”、同学临时借用U盘，碍于面子不好拒绝、把银行账号等私密信息全部存在个人云空间属于安全意识薄弱。故本题答案是C选项。 13．B 【详解】本题考查数据分析相关内容。（1）横向分析：同一时间条件下，不同总体指标的比较；（2）纵向分析：同一总体条件下对不同时期指数数值的对比。故本题答案是B选项。 14．ABCD 【详解】本题考查数据处理。GBase 是南大通用数据技术有限公司推出的自主品牌的数据库产品，在国内数据库市场具有较高的品牌知名度。金山文档、WPS、PPT、GBASE均能对结构化数据进行处理。故选ABCD。 15．B 【详解】本题考查的是对比分析。对比分析是指将两个或两个以上的数据进行比较，分析它们的差异，从而揭示这些数据所代表的事物发展变化情况和规律。对比分为横向对比和纵向对比。横向对比指的是类似或者同类事物之间进行比较；纵向对比指的是和相同事物的不同时期进行比较。对比分析法能够说明研究对象的规模大小。故本题应选B。 【点睛】 16．D 【详解】本题考查数据采集方法。数据采集的基本方法包括系统日记采集法、网络数据采集法和其他数据采集法。故选D。 17．A 【详解】本题主要考查数据分析。对比的数据可以是同一时期的不同主体的数据，也可以是同一主体不同时期的数据，故本题选A选项。 18．方差 【详解】本题考查数据分析。方差是用来衡量数据分布离散程度的一种统计量。它表示数据点与均值之间的平均平方差，反映了数据的波动程度。方差越大，数据分布越分散；方差越小，数据分布越集中。 19．条件数 【详解】本题考查数值计算。在数值计算中，条件数（Condition Number）是用来衡量算法对于输入数据小的变化所引起输出结果变化的敏感程度的一个指标。条件数越大，算法对输入数据的微小变化越敏感，结果的误差可能会被放大；条件数越小，算法对输入数据的变化越不敏感，结果的误差相对较小。 20．解释 【详解】本题考查数据可视化。数据可视化表达的呈现类型主要分为探索和解释两种。探索型主要用于帮助用户发现数据中的模式、趋势和异常值等，以便进一步深入分析。解释型则侧重于向观众清晰地传达特定的信息、结论或故事，使复杂的数据易于理解。故答案为：解释。 21． 表格 图表 图形 【详解】本题考查数据可视化的描述。数据可视化指将数据分析的结果一般通过表格、图表、图形三种形式显示出来。 22． 1 溶解氧越高，水质类别质量越好。 【详解】本题考查的是数据可视化。由图中可知溶解氧指数最高的监测点的水质类别为1。溶解氧越高，水质类别质量越好。 23．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"]。 24．正确 【详解】本题考查的是词云图相关知识。词云图，也叫文字云，是对文本中出现频率较高的“关键词”予以视觉化的展现，词云图过滤掉大量的低频低质的文本信息，使得浏览者只要一眼扫过文本就可领略文本的主旨。非结构化数据，本质上是结构化数据之外的一切数据。它可能是文本的或非文本的，也可能是人为的或机器生成的。词云可以使得难以实现结构化的数据文本挖掘成为轻而易举的事情。题干中说法正确。 25．错误 【详解】本题考查数据可视化。折线图主要用于描述数据随时间或其他连续变量的变化趋势，它能够清晰地展示数据的波动和变化过程，而不是用于描述数据之间的比例分配关系。比例分配关系通常用饼图、条形图或堆积柱状图来表示，这些图表能够直观地显示各部分相对于整体的比例。因此，折线图不适用于描述数据之间的比例分配关系。故说法错误。 26．错误 【详解】本题考查数据采集。数据采集是数据分析的基础，数据分析是数据采集的目的。故正确答案为错误。 27．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。 28． '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])。 29． BD dfs[dfs["学号"]==idx] df.at[i,"总分"]+ student.at[si,"得分"] A df.总分 或 df["总分"] 【详解】本题考查的是Python数据分析。 （1）df中已经有学号、班级和姓名3列，由于列位置索引从0开始，新增第4列位置索引为3，列名保存在cName列表中，cName[i]依次访问各列列名，且每列初值均为0，所以可用标签法 df[cName[i]]=0,每次在df最右侧新增列，或者也可用方法函数df.insert(i+3, cName[i],0)直接指定列索引位置插入新列。故本题应选BD。 （2）根据学号idx，从dfs筛选出学号为idx的6条相关记录故第一空应为：dfs[dfs["学号"]==idx]；行索引为i的学生总分需要累加6科得分，student存储学生6科成绩，si是student的行索引，student.at[si,"得分"]取得一科成绩，故第二空应为：df.at[i,"总分"]+ student.at[si,"得分"]。 （3）根据图c可知，班级列不是分组统计结果的行索引，故as_index=False，且求的是组内求各列平均值，因此统计(聚合)函数应用mean()，故选A。 （4）根据小题的图d可知，根据总分绘制各班柱形图，故此处应为：df.总分 或 df["总分"]。 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 学科网（北京）股份有限公司 $$