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．对于数据，我们可以进行哪些操作（      ） ①获取②分享③分析④存储⑤处理 A．①②③④ B．①②④⑤ C．①③④⑤ D．①②③④⑤ 2．大数据时代，人们对数据的依赖性不断增强，数据安全与隐私保护问题更加突出。下列做法不能有效保障数据安全的是（    ） A．周期性数据备份 B．设置数据隐私保护 C．数据匿名处理 D．随意链接无密码设置的共享网络 3．五一黄金周刚过，国家相关部门立即统计分析全国各景区游客人数、旅游花费等数据，从数据分析的角度看，这主要是为了（  ） A．了解事物的现状 B．剖析事物发展历程 C．发布新闻 D．存储数据 4．要获取2021年我国国庆期间旅游情况的数据，以下可靠有效的数据来源是（   ） A．实地考察 B．政府网站 C．问卷调查 D．社交平台 5．某省2024年招生分数线数据保存在文件“zsfs.xlsx”中，部分数据如图所示，编写Python程序，统计台州学院计划数最多的5个专业。 import pandas as pd df=pd.read_excel（"zsfs.xlsx"）#读文件中的数据 df=df.drop（["学校代号"，"专业代号"，"分数线"，"位次"]，axis=1） print（df_s[0:5]） 方框中代码由下列语句中的部分语句组成： ①df_g=df[学校名称=="台州学院"] ②df_g=df["学校名称"=="台州学院"] ③df_s=df.sort_values（"计划数",ascending=True）  #升序排序 ④df_s=df_g.sort_values（"计划数",ascending=False） 要实现上述功能，下列选项中正确的是（   ） A．①④ B．①③ C．②③ D．②④ 6．找数字规律:5，8，14，23，35的下一个数字是（   ） A．50 B．40 C．60 D．55 7．下列关于聚类分析的说法，错误的是（   ） A．可以从数据点集合中随机选择K个点作为初始的聚集中心 B．对其他的每个数据点，以此判断其与K个中心点的距离，距离最近的表明它属于这项聚类 C．聚类分析，必须先设定分类的标准，否则无法准确分类 D．重新计算新的聚簇集合的平均值既中心点 8．为了在城市地图上实时显示人群分布、密度和变化趋势情况，最合适的可视化表达方式是（   ） A．柱形图 B．雷达图 C．折线图 D．动态热力图 9．感冒指数是由当地24小时降温幅度、气温日较差、相对湿度、气压对感冒指数的贡献值（表1.1.2）相加而得。24 小时降温幅度一般指前一天最低气温和当天的最低气温的差。气温日较差是一天中气温最高值与最低值的差。假设某日：昨日18-30℃ 今天20-28℃ 相对湿度82% 气压1006hpa ，气温日较差：28-20=8  24小时降温幅度：20-18=2，查表可得感冒指数为（   ） A．少发 B．较易发 C．易发 D．极易发 10．下列关于文本数据分析与应用的说法错误的是（　　） A．对大型数据集中的文本分词后须先进行特征提取，再创建词云 B．标签云用词频表现文本特征 C．文本情感分析的研究领域是专门、单一的 D．文本情感分析应用于多个不同领域 11．2014年12月，黑客登录某购票网站进行撞库，导致10多万用户的账号、密码、身份证号、电子邮箱等信息被泄露，该事件属于信息系统的（   ）层面 A．物理安全 B．运行安全 C．数据安全 D．内容安全 12．下图所示为某次会议的人员构成情况，若用WPS图表来体现各类人员的比例，最合适的图表类型是（  ） A．折线图 B．散点图 C．饼图 D．雷达图 13．计算机可以处理的数据，虽然可以有文字、图像、声音、视频等多种表现形式，但在计算机内部统一表示为（  ） A．二进制 B．八进制 C．十进制 D．十六进制 14．下列有关数据可视化的说法不正确的是（  ） A．数据可视化可以直观生动地呈现数据及数据分析结果 B．数据可视化可以揭示数据之间的关系、趋势和规律 C．数据可视化只能显示一维数据 D．数据可视化可以通过程序实现 15．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 16．下列关于数据处理描述错误的是（   ） A．根据需求分析的目标不同，数据处理的流程也不同 B．数据必须经过某种方式处理后，才具体实际意义 C．数据整理是对数据进行校验和标准化的过程 D．数据分析可以让我们了解事物的现状、剖析其发展历程和预测未来走向 17．数据分析的过程不包括（    ） A．根据分析直接得出相应的结论 B．根据分析的目标提出假设 C．选择恰当的分析方法进行分析 D．验证假设是否正确 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《数据与计算》中，数据可视化是数据分析的重要环节，它通过 、 、 等形式直观展示数据，帮助人们理解数据内涵，发现数据背后的规律和趋势。 20．在本教材中，通过 智能停车场的案例，我们学习了数据采集、加工、分析和可视化的方法，掌握了使用电子表格软件进行数据处理的工具。 21．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 。 22．常用的数据可视化工具包括 、 、 等。 23．利用历史数据来预测未来可能发生的行为或现象，属于数据挖掘处理问题类型中的 。 三、判断题 24．数据可视化表达的工具无法处理动态变化的数据。( ) 25．数据分析的目的是从数据中发现规律和趋势，而数据可视化则是为了美观。 ( ) 26．数据可视化是将数据分析结果用图形、图像等形式展示出来。( ) 27．格式化数据可以增强数据的可读性和辨识度。( ) 四、操作题 28．小张获取了《三国演义》的小说，存储为“三国演义.txt”，他想利用jieba模块对该小说进行文本分析，查看该小说中词频最高的前10个词。 （1）文本数据处理的主要步骤包括：①结果呈现；②特征提取；③分词；④数据分析；⑤文本数据获取。正确的顺序是 （单选，填字母）。 A．⑤②④①    B．⑤③①④    C．⑤③②④①    D．⑤①③②④ （2）完成词频统计的程序代码如下所示，请在画线处填入合适的代码。 import jieba                                                #导入jieba分词 import pandas as pd                                        #导入pandas模块，并设置别名pd f=open("三国演义.txt","r",encoding="utf-8")                    #以只读的方式打开文件 txt=f.read()                                                #读取文件内容 words=jieba.lcut(txt,cut_all=True)                                #全模式分词 counts={} for name in words: if  ① ：                                        #过滤掉单字分词 if name in counts: ②                                 #已经出现过，出现次数累加 else: ③                                 #未出现过，出现次数设为1 f.close() df=pd.DataFrame(list(counts.items()),columns=["词"，"次数"]) df=df.sort_values("次数",ascending=④ ) df.to_excel("词频结果.xlsx") print(df) 29．某高校某专业在学期结束时，举行本学期最受欢迎教授评选活动。本学期共有 10 位教授进行授课，评选方”的方式， 每位学生有一张选票，可勾选3个教授，多选或者少选都是无效票。选票数据如图a所示。现要对选票的有效性进行判断并统计每个侯选人的最终得票。请回答以下问题： （1）本专业共有 151 名学生参加了此次投票活动，根据规则，每名学生只能选 3 位教授，多选或少选都是无效票，表中标有数字 1 的代表投了对应教授的票，空的表示没有对该教授投票。将选票数据从文件读取后存入 DataFrame 对象 df。部分代码如下: import pandas as pd import matplotlib.pyplot as plt df=pd.read_excel("选票统计.xlsx") 能正确选出有效票，下列语句组中可选的是 (单选，填字母) A．df["投票数"]=df.sum(axis=0);dfl=df[df["投票数"]==3] B．df["投票数"]=df.mean(axis=0); df1=df[df["投票数"]==1] C．df["投票数"]=df.sum(axis=1);dfl=df[df["投票数"]==3] D．df["投票数"]=df.mean(axis=1); df1=df[df["投票数"]==1] （2）对已选出的有效票进行处理，统计每位教授的最终得票（如图b所示）。将各个教授的选票数从高到低进行排序，部分代码如下，请在划线处填入合适的代码。 df2=dfl.T #仅将教授的名称与得票总数保存到DataFrame 对象df2中，代码略 df2=df2.sort_values(" ", ascending=False, ignore_index=True) （3）根据得票数，选出得票数最高的3位教授（如出现第3名相同票数时，也将相同票数的教授都选出，并交给评申委员会最终投票决定）。绘制出如下柱形图，实现该功能的程序如下： x=df3.教授 y=① plt.rcParams["font.sans-serif"]=["SimHei"] plt.rcParams["axes.unicode_minus"]=False plt.title("最受欢迎教授得票数") plt.bar(x,y) plt.legend() plt.show() ①划线处代码为 ②加框处代码正确选项是 (多选，填字母) A．df3=df2[df2.得票数>=df2.at[2,"得票数"]] B．df3=df2[df2.得票数>=df2.at[3,"得票数"]] C．df3=df2[df2.得票数>=df2.values[2,1]] D．df3=df2[df2.得票数>=df2.得票数[3]] 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．D 【详解】本题考查数据处理。数据是可以被获取、分析、处理、存储和加工的。故答案为：D。 2．D 【详解】本题考查数据安全。随意链接无密码设置的共享网络可能会被未经授权的用户访问，导致数据泄露和安全风险增加。故答案为：D。 3．B 【详解】本题考查数据分析。五一黄金周刚过，国家相关部门立即统计分析全国各景区游客人数、旅游花费等数据，从数据分析的角度看，这主要是为了剖析事物发展历程，以做好预测。故选B。 4．B 【详解】本题考查数据。实地考察、问卷调查和社交平台等方式收集的数据，可能存在样本代表性不足、数据真实性难以保证等问题，相比之下不如政府网站数据可靠。因此，要获取2021年国庆期间旅游情况的数据,政府网站是最可靠有效的数据来源。故选择B。 5．D 【详解】本题考查的是Python数据分析。统计台州学院计划数最多的5个专业。先筛选出学校名称为台州学院的记录，故使用df_g=df["学校名称"=="台州学院"]语句。然后再进行排序。由df_s[0:5]可知应按计划数降序排序。故本题应选D。 6．A 【详解】本题考查数据分析。观察已知数据，可知存在的规律是： 5+3*1=8 8+3*2=14 14+3*3=23 23+3*4=35 则35+3*5=50。故选A。 7．C 【详解】本题考查聚类分析的描述。聚类分析不需要预先设定数据归类的类目，完全根据数据本身性质将数据聚合成不同类别。故选C。 8．D 【详解】本题考查数据可视化相关内容。柱形图适用于表示数据大小关系；雷达图适用于多维数据（四维以上），且每个维度必须可以排序；折线图适用于表示数据变化趋势；动态热力地图是一种热力图和地图的数据可视化组合方式，是用不同颜色的区块叠加在地图上实时描述人群分布、密度和变化趋势的图形。为了在城市地图上实时显示人群分布、密度和变化趋势情况，最合适的可视化表达方式是动态热力图。故本题答案是D选项。 9．B 【详解】本题考查数据与计算相关内容。观察图示，气温日较差：28-20=8，气温日较差贡献值为：5；24小时降温幅度：20-18=2，降温幅度贡献值为：0；相对湿度82%，相对湿度贡献值为：0；气压1006hpa，气压贡献值为：0；由感冒指数计算公式可知，感冒指数=5+2+0+0+0=7。对照感冒指数等级表，查表可得感冒指数为：较易发，故本题答案是B选项。 10．C 【详解】本题考查数据分析相关内容。标签云用词频表现文本特征，将关键词按照一定的顺序和规律排列，并以文字大小的形式代表词语的重要性；将文本中复杂的或者难以通过文字表达的内容和规律以视觉符号的形式表达出来。文本情感分析作为一个多学科交叉的研究领域，涉及自然语言处理、信息检索、机器学习、人工智能等领域，主要应用于网络舆情监控、用户评论分析与决策、信息预测等众多领域。故本题答案是C选项。 11．C 【详解】本题考查信息系统安全。在信息系统中，数据安全是指保护数据的机密性、完整性和可用性，防止数据被未经授权的访问、篡改、破坏或泄露。黑客通过撞库攻击导致10多万用户的账号、密码、身份证号、电子邮箱等信息被泄露，这些信息都属于敏感数据，因此该事件属于信息系统的数据安全层面。故选：C。 12．C 【详解】本题考查数据可视化。饼图适合用于展示各部分占整体的比例，非常适合展示不同类别的比例关系，因此是最合适的图表类型。故答案为：C。 13．A 【详解】本题主要考查计算机信息编码。文本、图像、声音、视频等内容在计算机内都是以二进制形式存在，故本题选A选项。 14．C 【详解】本题考查数据可视化相关内容。数据可视化使用统计图形、图表、信息图形和其他工具。可以使用点，线或条对数字数据进行编码，以在视觉上传达定量消息。有效的可视化有助于用户分析和推理数据和证据。它使复杂的数据更易于访问、理解和使用。分析4个选项，ABD选项说法正确，C选项，数据可视化可以显示一维、二维、多维数据，选项错误。故本题答案是C选项。 15．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。 16．A 【详解】本题考查的是数据处理。需求分析的目标不同，数据处理的流程相同。故本题应选A。 17．A 【详解】本题考查了数据分析的过程。在数据分析的过程中，并不是直接根据分析就能得出相应的结论。相反，数据分析是一个系统性的过程，需要经过多个步骤，包括假设的提出、数据的分析和假设的验证。所以，正确答案是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． 图表 地图 动画 【详解】本题考查数据可视化。数据可视化通过图表、地图、动画等形式直观展示数据。图表可以展示数据的分布和趋势，地图可以展示地理信息相关的数据，动画则可以展示数据随时间变化的过程。这些可视化手段帮助人们更直观地理解数据内涵，发现数据背后的规律和趋势。故正确答案为：①图表、②地图、③动画。 20．模拟 【详解】本题考查数据处理。在本教材中，通过模拟智能停车场的案例，我们学习了数据采集、加工、分析和可视化的方法，并掌握了使用电子表格软件（如Microsoft Excel、WPS表格等）进行数据处理的工具。故正确答案为模拟。 21．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。 22． 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。 23．预测分析 【详解】本题考查数据挖掘相关内容。预测分析是指利用历史数据和现有数据等信息，通过建立合理的模型和算法，推断未来可能会发生的情况，也就是预测未来的发展趋势。故本题答案是：预测分析。 24．错误 【详解】本题考查数据可视化。 这个说法错误。数据可视化工具在不断发展，许多现代的数据可视化工具和平台都具备处理动态变化数据的能力。这些工具能够实时或近乎实时地更新数据视图，从而帮助用户更好地理解和响应数据中的动态变化。 25．错误 【详解】本题考查数据分析。数据分析的目的是从数据中发现规律和趋势，数据可视化则是为了更直观地展示数据分析结果。故正确答案为错误。 26．正确 【详解】本题考查数据可视化。数据可视化确实是将数据分析结果用图形、图像、动画或其他交互形式展示出来的过程。它旨在帮助人们更直观地理解数据的含义、发现数据中的模式、趋势和关联，以及进行决策制定，故正确。 27．正确 【详解】本题考查数据处理相关内容。格式化数据提高数据可读性：通过格式化操作，可以使数据更加规范、清晰，使之易于理解和解读。故本题答案是：正确。 28． C len(name)!=1 counts[name]+=1 counts[name]=1 False 【详解】本题考查Python综合应用。 （1）文本数据处理首先需要获取文本数据（⑤），接着对文本进行分词（③），然后提取文本的特征（②），再对数据进行分析（④），最后将结果呈现（①）。所以正确的顺序是⑤③②④①。故答案为：C。 （2）①处要过滤掉单字分词，所以条件是len(name)!= 1，判断分词后的词的长度不等于1。故答案为：len(name)!=1。②处当词已经出现过时，需要将其出现次数累加，所以是counts[name]+=1。故答案为：counts[name]+=1。③处当词未出现过时，将其出现次数设为1，所以是counts[name]=1。故答案为：counts[name]=1。④处要得到词频最高的前10个词，需要按照次数降序排列，所以ascending=False。故答案为：False。 29． C 得票数 df3.得票数 AC 【详解】本题考查的是Python利用pandas库进行数据分析。 （1）要统计每个学生的投票数，需要按行求和，sum函数默认按列，axis=1表示按行，故选C。 （2）由图b可知，应该按“投票数”降序排列。 （3）①由柱形图可知y轴为教授的得票数，故此处为：df3.得票数；②由“如出现第3名相同票数时，也将相同票数的教授都选出”可知应查找所有大于等于第3名得票数，第3名的行索引为2，用at函数，A正确；也可以用行切片，如df3=df2[df2.得票数>=df2.得票数[2,3]]，选项D格式错误；也可以通过找第3行第2列的值（df2.values[2,1]），找到第3名的得票数，选项C正确。故选AC。 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 $$