第三章 数据处理与应用 2024-2025学年高中信息技术华东师大版（2020） 必修1

第三章 数据处理与应用 一、选择题 1．数据存储的常用单位中，1KB等于多少字节？（   ） A．1000字节 B．1024字节 C．1048字节 D．1073字节 2．采集杭州市内的微博数据进行研究，用不同颜色表示心情，在区域地图上展示不同地域的人们在不同时间点情绪的变化。该研究使用的文本数据分析是（    ） A．特征提取 B．标签云 C．文本情感分析 D．词频统计 3．下列有关数据采集的说法，错误的是（    ） A．现如今数据的获取以机器获取为主 B．网络爬虫可在短时间内获取大量来自自然信源的数据 C．日常生活中常利用传感器获取数据 D．用户可通过应用程序接口从互联网上采集所需数据 4．为分析学生成绩，张老师将考试成绩做成一张柱状图呈现给学生，请问张老师所做的是数据处理哪一步（  ） A．数据收集 B．数据整理 C．数据分析 D．数据可视化 5．Hadoop生态系统中，用于处理大规模数据集的并行计算框架是（   ） A．HDFS B．MapReduce C．Hive D．Pig 6．为了预测工业用电量并做好应急预案，电力部门对历年的数据进行对比。这属于数据处理过程中的（   ） A．数据加密 B．数据表达 C．数据分析 D．数据测评 7．数据分析报告通常由（   ）等组成。 A．正文 B．标题、目录 C．结论 D．前言 8．数据分析基本方法有（   ） A．对比分析法 B．平均分析法 C．结构分析法 D．关联分析法 9．学校准备拍摄校庆文艺晚会视频，下列设备能用于拍摄的是（   ） A．投影仪 B．智能手机 C．打印机 D．扫描仪 10．下列情形中，属于数据采集应用的是（   ） ①通过网络爬虫的方式获取网络数据  ②利用智能手环检测血压、心率、记录运动步数等 ③社区工作人员通过手机小程序自主填报获取人口信息  ④电子交警采用拍照的方式来约束车辆的行为 A．①②③ B．①②④ C．②③④ D．①②③④ 11．下列图表类型可用于空间关系分析的是（   ） A．折线图 B．饼图 C．数据地图 D．柱形图 12．下列关于思维导图的说法，不正确的是（   ） A．思维导图是一种实用的发散性思维工具 B．思维导图有助于思维的图形化、形象化 C．思维导图有助于记忆、阅读和思考 D．思维导图必须自己画才有用 13．小申认为，除了温度会影响骑行人数，在学校附近的共享单车站点，工作日和节假日可能也会影响骑行人数，于是他分别统计了工作日和节假日的骑行人数，以下比较合理的操作是（    ） A．分析工作日、节假日骑行人数的总和 B．分析工作日、节假日骑行人数的日平均数 C．分析工作日、节假日骑行人数的最大数 D．分析工作日、节假日骑行人数的最小数 14．下列关于数据可视化的描述，正确的是（  ） A．目前仍然无法对非结构化的数据文本进行可视化 B．数据可视化可以帮助人们发现数据背后的价值 C．数据可视化的呈现方式只有图表一种类型 D．饼图比折线图更容易反映事物的发展趋势 15．词云是对网络文本的内容进行可视化表达的一种手段，对下图所示词云理解正确的是（  ） A．所提供的文字信息量较少，不能体现核心内容 B．核心内容是“乌镇世界互联网大会” C．仅仅是宣传画，与会议内容无关 D．词云中出现的文字位置是随机摆布的 16．下列关于数据可视化的描述中，错误的是（    ） A．标签云是基于语句的文本内容可视化 B．数据可视化是将数据以图形图像等形式表示 C．数据可视化可以直观地呈现数据中蕴含的信息 D．数据可视化增强了数据的解释力与吸引力 17．想要快速获取《庆祝中国共产党成立100周年大会上的讲话》的主旨，最合适的可视化呈现方式是（    ） A．柱形图 B．饼图 C．词云图 D．折线图 18．下列关于数据安全的说法错误的是（    ） A．数据加密可以保护数据的完整性 B．数据校验的方式，常见的有MD5等 C．保护数据安全的手段有数据备份、异地容灾等 D．硬盘损坏、操作失误、黑客入侵等都可能造成数据损坏 19．数据处理的一般过程是（    ） A．采集—整理—可视化表达－分析 B．采集—整理—分析－可视化表达 C．采集—可视化表达—整理－分析 D．采集—分析—整理—可视化表达 20．信息社会数据保护也越来越重要，下列对数据保护理解有误的是（　　） A．目前尚无绝对安全的数据保护手段 B．加密、校验都是保护数据的方法 C．数据安全已上升至国家战略层次 D．移动终端中的数据不需要采取安全防范措施 21．2021年是十四五规划开局之年，我国经过多年努力奋斗，在各个方面取得了巨大的成就，十四五规划文本的词云图如下，下列说法正确的是（　　） A．词云图必须显示该数据集合包含的全部词语 B．通过词云图显示，词语“十四五”比“征程”的出现频率高 C．最能表现文本特征的词有“发展”“新起点”“实现” D．词云图只能通过文字的大小来表示关键词的重要程度 二、填空题 22．K-平均算法属于( )分析方法。 23．在数据挖掘中通过观测大量数据后得出规则建立类别模式，将数据根据属性分门别类加以定义，这种处理问题的类型叫作 。 24．数据管理设计负责与具体数据管理系统相衔接，包括 、 、 和呈现等方面，为系统中需要长久存储的数据对象提供数据存储的方案。 25．常用的数据可视化工具包括 、 、 等。 26．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。 三、判断题 27．数据可视化表达的工具包含 Seabom 、Bokeh 等。( ) 28．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。( ) 29．折线图适用于描述数据之间的比例分配关系。( ) 30．在信息社会活动中，数据的价值日益凸显，因此，养成良好的数据备份习惯，有助于避免因为重要数据丢失而给工作和学习造成损失。( ) 四、操作题 31．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) 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．B 【详解】本题考查数据存储相关内容。在计算机科学中，数据存储的单位通常采用二进制系统，其中1KB等于1024字节。故本题答案是B选项。 2．C 【详解】本题考查数据分析。文本情感分析指通过计算机技术对文本的主观性、观点、情绪、极性进行挖掘和分析，对文本的情感倾向做出分类判断。故答案为：C。 3．B 【详解】本题考查数据采集。 B网络爬虫可在短时间内获取大量来自自然信源的数据：这个说法不正确。网络爬虫主要用于从互联网上抓取网页数据，它并不能直接从“自然信源”获取数据。自然信源通常指的是自然界中存在的、未经人工处理的信号或数据源，如声音、图像、温度等。网络爬虫主要处理的是网页上已经存在的、由人类或其他系统自动生成并发布到互联网上的数据。其它选项均正确，故正确答案为：选项B。 4．D 【详解】本题考查数据可视化。张老师将最终的结果做成一张柱状图，这属于数据可视化，故本题选D选项。 5．B 【详解】本题考查Hadoop。Hadoop生态系统中，MapReduce是一个用于处理大规模数据集的并行计算框架，它将计算任务分发到集群中的各个节点上并行处理。故选择B。 6．C 【详解】本题考查数据分析。为了预测工业用电量并做好应急预案，电力部门对历年的数据进行对比。这属于数据处理过程中的数据分析。故选C。 7．ABCD 【详解】本题考查数据分析报告。标题清晰地概括报告的主题和内容。目录列出报告各个部分的标题,便于读者快速浏览。前言介绍报告的背景、目的和分析方法。正文详细阐述数据分析的过程和结果，包括数据来源、分析步骤、发现的模式和规律等。结论总结分析结果，提出建议或未来展望。这些组成部分可以帮助报告更加结构化和条理清晰，使读者能够快速了解报告的核心内容和主要发现。在实际撰写过程中，报告的具体结构和内容可能会根据分析目的和受众需求而有所不同。故正确答案为ABCD 8．ABCD 【详解】本题考查数据分析方法。对比分析法，将不同时间、地点或对象的数据进行对比,发现差异和变化趋势。平均分析法，计算数据的平均值、中位数等统计指标，了解数据的整体特征。结构分析法，分析数据的内部构成比例，了解数据的组成结构。关联分析法，研究数据之间的相关性和关联规律，发现潜在的联系。这些基本方法为数据分析提供了基础工具，可以帮助我们更好地理解和解释数据，发现有价值的信息和规律。在实际分析中，往往需要综合运用多种分析方法，以获得更全面和深入的洞见。故正确答案为ABCD。 9．B 【详解】本题考查信息采集工具相关内容。打印机、投影仪是输出设备，扫描仪适合采集图像类素材，智能手机适合采集视频素材。学校准备拍摄校庆文艺晚会视频，可以使用智能手机。故本题答案是B选项。 10．D 【详解】本题考查的是数据采集应用。①通过网络爬虫的方式获取网络数据②利用智能手环检测血压、心率、记录运动步数等③社区工作人员通过手机小程序自主填报获取人口信息④电子交警采用拍照的方式来约束车辆的行为。这些都是数据采集的应用。故本题应选D。 11．C 【详解】本题考查图表相关内容。折线图常常用来显示随时间而变化的连续数据，因此非常适用于显示在相等时间间隔下数据的趋势。饼图常用于显示一个数据系列中各项的大小与各项总和的比例，也可以显示出整个饼图的百分比。柱形图常常用来显示一段时间内数据变化或比较各项数据之间的情况。数据地图是一种图形化的数据资产管理工具，它通过多层次的图形化展示，提供各种力度控制能力，以满足不同应用场景的需求，如业务使用、数据管理和开发运维等，可用于空间关系分析。故本题答案是C选项。 12．D 【详解】本题考查的是思维导图相关知识。思维导图是一种实用的发散性思维工具，有助于思维的图形化、形象化，有助于记忆、阅读和思考。思维导图不是自己画也有用。故本题应选D。 13．B 【详解】本题考查的是数据分析。工作日、节假日的天数不一致，故不能采用骑行人数的总和，选项A错误。数据可能有些偶然性，故不能采用最大数、最小数，选项CD错误。故本题应选B。 14．B 【详解】本题考查数据可视化相关内容。数据可视化主要旨在借助于图形化手段，清晰有效地传达与沟通信息。可视化工具可以提供多样的数据展现形式，多样的图形渲染形式。A选项，非结构化数据没有固定结构不方便用数据库二维逻辑表来表现，可以使用词云图和情感分析图表等可视化工具来对非结构化数据进行可视化，选项错误。B选项，数据可视化可以帮助人们发现数据背后的价值，选项正确。C选项，数据可视化的呈现方式多样，不局限于图表，选项错误。D选项，折线图是点和线连在一起的图表，可以反映事物发展趋势和分布情况，饼图是将一个圆饼分为几份，用来反映事物的构成情况，折线图比饼图更容易反映事物的发展趋势，选项错误。故本题答案是B选项。 15．B 【详解】本题考查可视化及词云相关内容。词云（Word Cloud）又称文字云，是文本数据的视觉表示，由词汇组成类似云的彩色图形，用于展示大量文本数据。每个词的重要性以字体大小或颜色显示。主要用来做文本内容关键词出现的频率分析，适合文本内容挖掘的可视化。词云中出现频率较高的词会以较大的形式呈现出来，出现频率较低的词会以较小的形式呈现，词云的本质是点图，是在相应坐标点绘制具有特定样式的文字的结果。分析4个选项，ACD选项理解错误，B选项理解正确。故本题答案是B选项。 16．A 【详解】本题考查数据可视化的描述。标签云是对关键词的可视化；数据可视化是将数据以图形图像等形式表示；数据可视化可以直观地呈现数据中蕴含的信息；数据可视化增强了数据的解释力与吸引力。故选A。 17．C 【详解】本题考查数据可视化。饼图一般用于呈现数据占比的场景；词云图可以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；柱形图一般用于数据大小比较的场景；折线图一般用于呈现数据变化趋势的场景，故选C。 18．A 【详解】本题考查数据安全相关内容。A选项，数据加密有助于提高数据的安全性；数据校验主要是为了保证数据的完整性，选项错误；B选项，常用的几种数据校验方式有奇偶校验、CRC校验、LRC校验、格雷码校验、和校验、异或校验、md5校验和数字签名、最简单的校验等，选项正确；C选项，保护数据安全的手段有数据备份、异地容灾等，选项正确；D选项，硬盘损坏、操作失误、黑客入侵等都可能对数据造成损坏，选项正确。故本题答案是A选项。 19．B 【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。故B选项正确。 20．D 【详解】本题主要考查数据安全。目前尚无绝对安全的数据保护手段；加密、校验都是保护数据的方法；数据安全已上升至国家战略层次；移动终端中的数据需要采取安全防范措施，故本题选D选项。 21．B 【详解】本题主要考查数据可视化。词云图不用必须显示该数据集合包含的全部词语；通过词云图显示，词语“十四五”比“征程”的出现频率高；最能表现文本特征的词有“十四五”“新”“开局”；词云图可以通过文字的大小、颜色来表示关键词的重要程度，故本题选B选项。 22．聚类 【详解】本题主要考查数据分析的描述。k-平均算法 （英文： k -means clustering）源于信号处理中的一种向量量化方法，现在则更多地作为一种聚类分析方法流行于 数据挖掘 领域。 23．决策树 【详解】本题考查数据分析的描述。决策树是一种常用于预测模型的算法，它通过将大量数据有目的分类，从中找到一些有价值的，潜在的信息。它的主要优点是描述简单，分类速度快，特别适合大规模的数据处理。决策树的节点表示一个属性。 24． 采集 传输 存储 【详解】本题考查数据管理。数据管理设计负责与具体数据管理系统相衔接，包括采集、传输、存储和呈现等方面，为系统中需要长久存储的数据对象提供数据存储的方案。数据存储是指将数据保存在适当的存储介质上；数据传输是指在不同系统或组件之间传递数据。呈现则是指将数据以适当的形式展示给用户。 25． 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。 26． 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。 27．正确 【详解】本题主要考查数据可视化的工具。数据可视化表达的工具包含 Seabom 、Bokeh 等，表述正确。 28．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。 29．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。 30．正确 【详解】本题考查数据安全。在信息社会活动中，数据的价值日益凸显，因此，养成良好的数据备份习惯，有助于避免因为重要数据丢失而给工作和学习造成损失。表述正确。 31． 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。 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 $$