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需要考虑的因素（   ） A．安全性 B．效率 C．可逆性 D．数据格式 2．大数据时代数据组织的关键挑战不包括（   ） A．数据量巨大 B．数据类型单一 C．数据处理速度需求高 D．数据分布广泛 3．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 4．数据分析的处理工具错误的（    ） A．Access B．.Excel C．python D．SQL 5．数据可视化表达是为了更加直观形象地呈现数据，下列关于数据可视化表达不合理的是（   ） A．利用折线图呈现多次考试成绩的变化趋势 B．利用条形图展示娱乐节目参赛选手的得票情况 C．利用雷达图对比两个用户在购买频率、购买商品种类等5个维度上的差异 D．利用饼图反映游客人数与节假日关系 6．关于平均分析法的描述不正确的是（　　） A．利用平均指标对比某些现象在不同历史时期的变化，更能说明其发展趋势和规律 B．平均分析法是运用计算平均数的方法来反映总体在一定时间、地点条件下某一数量特征的一般水平 C．平均数是综合指标，它的特点是将总体内各单位的数量差异具体化 D．平均指标比总量指标更具有说服力 7．下列数据处理中，不属于文本数据处理的是(　　) A．将中文翻译成其他国家的文字 B．输入姓名、单位等信息，制作通讯录 C．检测的论文内容与对比库中的资料进行对比，检测论文可信度 D．解析大量合同文档，有效监控风险条款，节省人力和时间成本 8．想通过分析某同学语文历次考试成绩的分数情况，预测他的语文下一次考试成绩，其基本步骤是（    ）。 ①数据预处理    ②数据采集    ③分析报告   ④数据分析   ⑤可视化表达 A．②④①⑤③ B．②①⑤③④ C．②①④⑤③ D．②③①⑤④ 9．某APP利用强大的算法对用户观看内容的大数据进行分析，为用户提供适合用户需求的内容。其算法在数据处理的过程属于（   ） A．数据采集 B．数据分析 C．数据分类 D．数据可视化 10．下列关于计算机病毒与信息安全的说法正确的是（ ） A．经常清除IE浏览器的插件会导致病毒更容易入侵，所以不利于保护电脑 B．电脑中可多安装几个不同的杀毒软件，因为不同的杀毒软件病毒库都能通用 C．定期格式化所有硬盘有助于提高系统的安全性 D．及时安装补丁可以堵住系统漏洞的后门，有助于保护电脑安全 11．小李的智能手机中存储了很多照片、视频和电子银行、支付宝等个人重要账户信息，他给手机和APP设置了密码，下列密码设置合理的是（   ） A．小李将自己的生日作为密码 B．密码包含字母（大小写）、数字、符号，长度超过了8位 C．不同的应用程序APP，都使用一个相同的密码 D．为方便记忆，设置密码为123456 12．在大数据分析中，以下哪个技术不是用于处理大规模数据集？（   ） A．分布式计算 B．内存计算 C．云计算 D．单线程计算 13．下列描述的场景与处理方法使用不恰当的是(　　) A．分析前一年的高铁客流数据优化高铁运行采用批处理计算 B．京东网双12通过实时分析用户行为实现商品的推荐采用流计算 C．图计算为腾讯超大规模社交网络图数据的各类计算提供支撑 D．分析近五年的信息技术选考试卷梳理高频考点采用流计算 14．人们经常通过对文件的加密来保护隐私，以下密码安全性最高的是（   ） A．God189 B．123456 C．abc2021 D．Zw*3a74P 15．matplotlib库中的pyplot子库主要用于绘制图表，其中用来绘制散点图的函数是（     ） A．plot( ) B．scatter( ) C．title( ) D．bar( ) 16．词云图是一种数据可视化表达方式。关于下图所示词云图说法正确的是（  ） A．词云图只能通过字体的大小表示关键词的重要程度 B．对文本分词后可直接创建词云图，无须特征提取 C．从词云图可以分析出词语“父亲”比“北京”的出现频率高 D．词云图必须显示该数据集包含的全部词语 17．在信息社会中，数据安全关乎国计民生，为了数据安全需要采用各种防护手段，下列技术手段不属于存储介质的主动防护的是（  ） A．数据校对 B．磁盘阵列 C．数据备份 D．异地容灾 二、填空题 18．数据分析方法中， 就是分析并发现存在于大量数据之间的关联性或者相关性，从而描述一个事物中某些属性同时出现的规律和模式。 19．平均分析就是运用 的方法，来反映总体在一定时间、地点条件下某一数量特征的 。 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．图结构中的每个顶点( )与其他顶点有边相连，数据元素之间是( )的关系。 22．常用的数据可视化工具包括 、 、 等。 三、判断题 23．数据可视化表达的工具无法处理动态变化的数据。( ) 24．为确保数据安全，可定期将数据从D：盘备份到E：盘。( ) 25．计算机病毒传播的途径主要有网络、光盘、移动存储设备，其中通过网络传播的速度最快。( ) 26．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。( ) 27．数字签名从本质来说是加密技术的应用。( ) 四、操作题 28．小申发现一种对黑白图像（颜色编号：黑色1，白色0）的压缩方法。压缩规则是：①记录原数据第一个位置的颜色编号：②从左往右依次扫描颜色编号，统计并记录连续出现的相同颜色的编号个数。例如图像的颜色编号为：0000000011111000，压缩结果为“0，8，5，3”。据此完成下面小题。 （1）这种压缩方法属于 （选填：有损压缩/无损压缩）。 （2）若某黑白图像的压缩结果为“0，1，8，3，5，7”，那么，该图像中白色的个数是 。 （3）某张图片的RGB十进制编码为（66，102，255），用十六进制表示为( ) A．4266FF    B．4064FF    C．4266FE    D．4064FE （4）小申一共采集了365条数据，将该数据集分为两部分，分别为 和测试集。 （5）小申想要基于这些数据预测某天的温度，最合适的方法是( ) A．分类    B．聚类    C．回归 （6）人工智能和大数据等新技术飞速发展，推动了各行业的创新变革。小申尝试用大模型预测天气，请将处理过程按照正确的顺序进行排序： 。 ①对采集到的天气数据进行清洗和预处理。 ②利用数据抽取转换加载工具从多个数据源采集天气数据。 ③使用盘古大模型对数据进行训练和预测。 ④通过可视化工具展示预测结果。 29．某学校高二年级举办投篮比赛，每人投球5次，比赛数据存储在“scores.csv”文件中，“投球情况”中1表示投中，0表示投失，如图图a所示。计分规则为：投中得1分，投失不得分；若连续投中，该球得分为前一球得分的2倍。请回答下列问题： （1）若某同学投球情况是“11011”，则得分是 分。 （2）自定义函数fcount功能是根据计分规则计算投球得分。实现上述功能的程序代码如下，请在划线处填入合适的代码。 def fcount(data): total=0 temp=0 for i in range(len(data)): if ① : temp=l elif data[i]='1': ② else: temp=0 total+=temp return total 图a （3）读取数据，计算各人得分。请在划线处填入适合的代码。 df 1=pd.read_csv('scores.csv',converters={'投球情况'：str}) for i in df1.index: cj=fcount( ) df1.at[i,'分数']=cj （4）统计班级平均分，根据班级平均分前5名的数据绘制柱形图，如图b所示。请在划线处填入适合的代码。 图b df2=dfl.group by("班级",as_index=False). ① #设置绘图参数，代码略 plt.bar(x,y)    #绘制柱形图 方框中应填入的正确代码为 ② （多选，填字母） A．dfs=df2.sort_values（'分数').tail(5) x=df2["班级"] y=df2["分数"] B．dfs=df2.sort_values('分数',ascending=True) [0:5] x=dfs.index y=dfs[“分数"] C．dfs=df2.sort_values('分数',ascending=False).head(5) x=dfs["班级"] y=dfs["分数"] D．dfs=df2.sort_values('分数',ascending=False)[0:5] x=dfs["班级"] y=dfs["分数"] 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】本题考查加密技术。加密技术需要考虑的因素主要包括安全性、效率和可逆性。安全性是指加密算法的强度和抗攻击能力；效率是指加密和解密过程的速度和资源消耗；可逆性是指加密后的数据能否通过解密恢复到原始数据。而数据格式并不是加密技术需要考虑的主要因素。故选D。 2．B 【详解】本题考查大数据。大数据时代面临的关键挑战之一就是数据类型多样，不仅包括传统的结构化数据，还有半结构化和非结构化数据，因此选项B不包括在关键挑战中。故选择B。 3．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。 4．C 【详解】本题主要考查数据分析知识点。Access（数据库）、Excel（表格处理软件）、SQL（用于访问和处理数据库的标准的计算机语言）均是数据分析处理工具，Python是程序设计软件，故本题选C选项。 5．D 【详解】本题考查数据可视化表达。饼图适用于部分与整体的占比情况，因此不适合用饼图反映游客人数与节假日关系。故选D。 6．D 【详解】本题主要考查数据分析的描述。利用平均指标对比某些现象在不同历史时期的变化，更能说明其发展趋势和规律；平均分析法是运用计算平均数的方法来反映总体在一定时间、地点条件下某一数量特征的一般水平；平均数是综合指标，它的特点是将总体内各单位的数量差异具体化；平均指标不一定比总量指标更具有说服力，故本题选D选项。 7．B 【详解】本题考查的是文本数据处理。制作通讯录的材料是结构化数据，选项B符合题意。 8．C 【详解】本题考查数据分析步骤的相关知识点 首先是数据采集，然后是数据预处理，其次是数据分析，再可视化表达，最后分析报告。故本题选C选项 9．B 【详解】本题考查的是数据处理。数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。某APP利用强大的算法对用户观看内容的大数据进行分析，为用户提供适合用户需求的内容。其算法在数据处理的过程属于数据分析，故本题应选B。 10．D 【详解】本题考查的是信息安全。经常清除IE浏览器的插件，有利于保护电脑；电脑中安装多个不同的杀毒软件，容易造成冲突；经常格式化会清除所有数据，对硬盘也不利。故本题应选D。 11．B 【详解】本题考查的是密码相关知识。一般来说密码同时包含字母大小写、数字以及特殊字符，其安全性比较高；不同的应用程序APP，使用不相同的密码。故本题应选B。 12．D 【详解】本题考查大数据分析。在大数据分析中，分布式计算、内存计算和云计算都能够有效地处理大规模数据集。分布式计算通过将计算任务分布在多个节点上并行处理来提高处理能力；内存计算利用内存的高速读写特性加速数据处理；云计算则提供了强大的计算和存储资源来应对大规模数据处理需求。而单线程计算由于其在单个线程上顺序执行任务，处理效率较低，无法胜任大规模数据集的处理工作。故答案为：D。 13．D 【详解】本题考查的是对不同数据的不同处理方法。一般静态数据用批处理计算，流数据用流计算，图数据用图计算等。近五年的信息技术选考试卷梳理高频考点应该属于静态数据，应采用批处理计算。故选项D正确。 14．D 【详解】本题主要考查数据安全。一般密码中同时包含字母大小写、数字及特殊字符，其安全性比较高，故密码安全性最高的是Zw*3a74P，故本题选D选项。 15．B 【详解】本题考查的是Python绘制图表。plot是绘制折线图，scatter是绘制散点图，bar绘制柱形图，title设置标题。故本题应选B。 16．C 【详解】本题考查的是词云图。词云图通过字体的大小和颜色来表示关键词的重要程度，故选项A说法错误；创建词云图需要特征提取，故选项B说法错误；从词云图可以分析出词语“父亲”比“北京”的出现频率高，选项C说法正确；词云图过滤掉大量的文本信息，使浏览网页者只要一眼扫过文本就可以领略文本的主旨，故选项D说法错误。 17．A 【详解】本题考查的是数据安全。数据校验是为保证数据的完整性进行的一种验证操作。通常用一种指定的算法对原始数据计算出的一个校验值，接收方用同样的算法计算一次校验值，如果两次计算得到的检验值相同，则说明数据是完整的。数据校对不属于存储介质的主动防护。故本题应选A。 18．关联分析 【详解】本题主要考查数据分析。数据分析方法中，关联分析就是分析并发现存在于大量数据之间的关联性或者相关性，从而描述一个事物中某些属性同时出现的规律和模式。 19． 计算平均值 一般水平 【详解】本题考查的是数据分析。平均分析就是运用计算平均值的方法，来反映总体在一定时间、地点条件下某一数量特征的一般水平。 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． 都可以 多对多 【详解】本题考查的是数据结构。图结构中的每个顶点都可以与其他顶点有边相连，数据元素之间是多对多对的关系。 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．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。 24．错误 【详解】本题主要考查数据安全。为确保数据安全，可定期将数据从D：盘备份到移动硬盘或光盘，故表述错误。 25．正确 【详解】本题考查计算机病毒相关知识。计算机病毒是编制者在计算机程序中插入的破坏计算机功能或者数据的代码，能影响计算机使用，能自我复制的一组计算机指令或者程序代码。计算机病毒传播的途径主要有网络、光盘、移动存储设备，其中通过网络传播的速度最快。题目说法正确。 26．正确 【详解】本题考查的是数据可视化。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。题干的说法是正确的。 27．正确 【详解】本题考查的是数字签名。数字签名(又称公钥数字签名、电子签章)是一种类似写在纸上的普通的物理签名，但是使用了公钥加密领域的技术实现，用于鉴别数字信息的方法。故题干中的说法正确。 28． 有损压缩 11 A 训练集 C ②①③④ 【详解】本题考查数据与处理相关内容。 （1）有损压缩是利用了人类对图像或声波中的某些频率成分不敏感的特性，允许压缩过程中损失一定的信息：虽然不能完全恢复原始数据，但是所损失的部分对理解原始图像的影响缩小，却换来了大得多的压缩比，常见的有损压缩格式有JPEG、GIF、MP3、MP4等。无损压缩是利用数据的统计冗余进行压缩，可完全恢复原始数据而不引起任何失真，但压缩率是受到数据统计冗余度的理论限制，一般为2：1到5：1，这类方法广泛用于文本数据，程序和特殊应用场合的图像数据（如指纹图像，医学图像等）的压缩。题干中的压缩为有损压缩，故本题答案是：有损压缩。 （2）依据编码规则，压缩结果为“0，1，8，3，5，7”，则图像的颜色编号为：0111111111000111110000000，可知白色的个数是11（1+3+7），故本题答案是：11。 （3）十进制数转换为十六进制数的方法是除以16取余数，然后将得到的余数从下到上排列，形成十六进制数。（66）10=（42）16；（102）10=（66）16；（255）10=（FF）16。故本题答案是：A。 （4）训练集是人工智能模型学习的核心数据来源，它包含了大量的标注样本，用于训练模型，使模型能够学习到数据的内在规律和特征。测试集是人工智能模型构建中的最后一道关卡，用于对模型进行最终的评估和比较。故本题答案是：训练集。 （5）数据分类是数据分析处理中最基本的方法，数据分类通常的做法是，基于样本数据先训练构建分类函数或者分类模型（也称为分类器），该分类器具有将分类数据项映射到某一特点类别的功能。聚类分析是一种探索性的分析，在分类的过程中，人们不必事先给出一个分类的标准，聚类分析能够从样本数据出发、自动进行分类。回归分析是一种统计分析方法，可以帮助研究人员预测未知变量的范围，分析和预测数据变量之间的对应关系，以及确定影响变量变化的因素。小申想要基于这些数据预测某天的温度，最合适的方法是回归。故本题答案是：C。 （6）数据处理的基本过程包括数据收集、数据清洗、数据转换、数据整理、数据分析、数据可视化和决策支持。小申尝试用大模型预测天气的处理过程：利用数据抽取转换加载工具从多个数据源采集天气数据-->对采集到的天气数据进行清洗和预处理-->使用盘古大模型对数据进行训练和预测-->通过可视化工具展示预测结果。故本题答案是：②①③④。 29． 6或6分 data[i]=="1"and temp==0 temp=2*temp或temp*=2 df1.at[i,'投球情况']或df1['投球情况'][i] mean() CD 【详解】本题考查的是数据分析。 （1）依据题意可知，投球情况是“11011”，对应得分：1+2+0+1+2=6。 （2）由temp=l可知本次投篮得分为1，即表示本次投中且前一球投失败或第一次投篮且投中，故①处应为：data[i]=="1"and temp==0 或 i==0 and data[i]=="1" or i>0 and data[i-1]=="0" and data[i]=="1" ；elif data[i]='1'，表示前一次投篮也投中，属于连续投中的情况，故②处为：temp=2*temp或temp*=2。 （3）通过每位学生的投篮情况统计各人的得分，i是df1的索引，故答案应为：df1.at[i,'投球情况']或df1['投球情况'][i] （4）按班级统计班级平均分，故①处应为：mean()；从图表中可知数据是班级平均分前5名且降序排列，选项A错误，x,y取得数据df2还没经过排序；选项B错误，dfs是升序，取前5个，是最小且升序。故②处选CD。 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 $$