第五章数据处理和可视化表达 课件 2026-2027学年粤教版高中信息技术必修一
|
39页
|
92人阅读
|
1人下载
普通
内容正文:
高中信息技术 必修1《数据与计算》
复习
第五章 数据处理和可视化表达
大数据 · 数据采集 · 数据分析 · 可视化
教师:【姓名】 班级:【班级】
教材第97—121页
复习-第五章数据处理和可视化表达
本章考点分布
第五章 数据处理和可视化表达 · 复习
板块 常见考法 重要度
5.1 认识大数据 大数据定义、4V 特征、对生活的影响 ★★★
5.2 数据的采集 三种采集方法、爬虫、存储与保护 ★★★
5.3 数据的分析 特征探索、关联分析、聚类与分类 ★★★
5.4 可视化表达 图表类型选择、可视化工具 ★★☆
综合 情境判断、方案选择 ★★★
复习-第五章数据处理和可视化表达
本章知识地图
第五章 数据处理和可视化表达 · 复习
5.1 认识大数据
概念 · 来源 · 4V · 三视角 · 影响
5.2 数据的采集
三种方法 · 爬虫 · 存储 · 保护
5.3 数据的分析
特征探索 · 关联分析 · 聚类 · 分类
5.4 可视化表达
可视化方式 · 图表选择 · 工具
复习-第五章数据处理和可视化表达
5.1 认识大数据:必记要点
教材第101—103页
“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。”
要点 内容
4V 特征 Volume 大量 · Variety 多样 · Value 低价值密度 · Velocity 高速
三视角 互联网产生数据 / 互联网思维 / 存储与计算
对生活影响 便利:支付、出行、购物、看病;风险:信息泄露、诈骗
复习-第五章数据处理和可视化表达
大数据的三个视角
教材第102页
视角 特征 一句话
互联网产生数据 4V:大量、多样、低价值密度、高速 又多又杂又快,值钱的少
互联网思维 样本趋于总体、精确让位于模糊、相关性重于因果 要全量、要方向、要相关
存储与计算 分布式存储、分布式并行计算 一台不够,多台一起算
复习-第五章数据处理和可视化表达
4V 一目了然
第五章 数据处理和可视化表达 · 复习
Volume 大量 · Variety 多样 · Value 低价值密度 · Velocity 高速
复习-第五章数据处理和可视化表达
5.2 数据采集的三种方法
教材第104—107页
方法 怎么做 典型场景
① 系统日志采集 目标主机装小程序,日志推送到日志服务器 访问日志、安全日志
② 网络数据采集 网络爬虫 / 网站公开 API 商品、评论、新闻
③ 其他采集法 与合作机构通过特定系统接口获取 保密数据、科研数据
爬虫关键:从初始 URL 开始 → 抽取新 URL 入队 → 直到停止条件。
复习-第五章数据处理和可视化表达
采集与分析常用的 Python 库
教材第105页
库 作用
NumPy 科学计算基础库,n 维数组与矩阵
SciPy 线性代数、优化、统计
Pandas 数据操作、聚合、可视化,Series 与 DataFrame
Matplotlib 2D 绘图:折线、直方图、条形图、散点图
导入语法:import module / from module import name
复习-第五章数据处理和可视化表达
数据的存储与保护
教材第107—109页
主题 要点
存储方式 本地内部 / 第三方云端(云存储:物理分散、统一服务)
存储技术 分布式文件存储、NoSQL 数据库
保护技术 拷贝/FTP、备份、复制、镜像、持续备份;加密(对称/非对称)
隐私保护 技术手段(精度处理、访问控制、人工加扰、匿名)+ 意识 + 法律
复习-第五章数据处理和可视化表达
5.3 数据分析的五个环节
教材第111页
环节 做什么
① 特征探索 预处理(缺失值/异常值)、直方图、极差、组距
② 关联分析 找“同时出现”的规律(支持度、置信度)
③ 聚类与分类 无标准自动分组 / 有标签训练分类器
④ 建立模型 用数学方法描述规律
⑤ 模型评价 检验模型准不准
复习-第五章数据处理和可视化表达
特征探索:先给数据“洗澡”
教材第112—113页
任务 做法
缺失值 价格为 0 或空 → 补值或标 None
异常值 画散点图发现,删除或单独分析
统计量 最大值 max()、最小值 min()、极差 = max − min
组距 极差 ÷ 组数(如 13 组)
可视化 pyl.hist() 画直方图看分布
复习-第五章数据处理和可视化表达
直方图怎么看
第五章 数据处理和可视化表达 · 复习
中间高、右侧拖长 → 低价商品多、高价商品少(右偏)
复习-第五章数据处理和可视化表达
关联分析:支持度与置信度
教材第113—114页
指标 公式 例子(100 单中买面包 40、买牛奶 30、都买 20)
支持度 同时出现 ÷ 总记录 20 ÷ 100 = 0.2
置信度 同时出现 ÷ 前件出现 20 ÷ 40 = 0.5
四步算法:统计频率 → 构建 C1 算支持度 → 筛出 L1 → 连接成 C2 反复迭代。
复习-第五章数据处理和可视化表达
支持度与置信度图示
第五章 数据处理和可视化表达 · 复习
两个集合的交集 = 同时购买
复习-第五章数据处理和可视化表达
聚类分析:K-平均算法
教材第115页
① 选中心
随机选 K 个点作为初始聚集中心
② 分归属
其余点算到 K 个中心的距离,归到最近的那个
③ 更新中心
重算每个簇的平均值作为新中心,重复直到稳定
聚类不需要事先给标准——从数据出发,自动“物以类聚”。
复习-第五章数据处理和可视化表达
K-Means:分组前 vs 分组后
第五章 数据处理和可视化表达 · 复习
左:混在一起;右:按距离归到最近的簇中心
复习-第五章数据处理和可视化表达
数据分类与贝叶斯
教材第116—117页
“基于样本数据先训练构建分类函数或分类模型(分类器),该分类器具有将待分类数据项映射到某一特点类别的功能。”
对比 聚类分析 数据分类
有无标准 事先没有分类标准 已有带标签的样本
怎么分 按相似度自动分组 训练分类器后判断
例子 把客户分成 3 群 判断重要/普通客户(贝叶斯)
教材结论:A=182.8、B=58.9、C=26 的客户,程序输出 [0] → 普通客户。
复习-第五章数据处理和可视化表达
5.4 数据可视化:两类、四组图
教材第118—119页
可视化:以图形、图像、地图、动画等方式展示数据,诠释数据之间的关系、趋势与规律。
分析类型 可视化呈现
趋势分析 分组柱形图、堆叠柱形图、折线图、柱线混合图
比例分析 百分比圆环图、饼图、圈图、堆叠面积图
关系(逻辑) 散点图、雷达图、网络关系图、词云
关系(空间) 数据地图、动态热力图、3D 动态显示图
复习-第五章数据处理和可视化表达
图表怎么选:一张速查表
教材第119页 表5-5
你想表达 选这些图
随时间变化(趋势) 折线图、柱形图、柱线混合图
各部分占比(比例) 饼图、圆环图、堆叠面积图
两个变量关系 散点图
多维度对比 雷达图
文本关键词 词云
地理分布 数据地图、热力图
复习-第五章数据处理和可视化表达
四张图对照记:一眼认出是什么图
第五章 数据处理和可视化表达 · 复习
折线图 → 趋势
饼图 → 比例
散点图 → 关系
词云 → 文本高频词
复习-第五章数据处理和可视化表达
可视化工具
教材第120—121页
工具 特点
Matplotlib Python 最常用的 2D 绘图库,折线、直方图、散点图都能画
Seaborn 关注统计模型可视化,基于 Matplotlib
Bokeh 交互式可视化,通过浏览器呈现,独立于 Matplotlib
还有在线工具:词云生成网站(图5-12),可把聊天记录、作文生成为词云。
复习-第五章数据处理和可视化表达
警惕:图表也会“骗人”
常见图表陷阱
同一组数据(A=100、B=105、C=110),右边把纵轴从 95 开始,差距被放大成 3 倍
结论:看图表先看坐标轴!纵轴不从 0 开始、比例不一致,都可能误导。
复习-第五章数据处理和可视化表达
小任务:用真实数据算一算
教材第113页 方法
某班 20 人的零食购买记录(节选 10 条,√ 表示买了):
学号 薯片 可乐
01 √ √
02 √ ×
03 √ √
04 × √
05 √ ×
06 √ √
07 × ×
08 √ √
09 √ ×
10 × √
问题
① 薯片的支持度是多少?
② 可乐的支持度是多少?
③ 两者同时购买的支持度?
④ 买了薯片的人里,多少也买可乐(置信度)?
参考答案:
薯片 7/10=0.7 可乐 6/10=0.6
同时 4/10=0.4
置信度 4/7≈0.57
再想一步:
如果要展示“薯片 vs 可乐”的购买比例,
该用什么图?
复习-第五章数据处理和可视化表达
认图训练:这些图用来干什么
第五章 数据处理和可视化表达 · 复习
折线图·趋势
饼图·比例
散点图·关系
词云·文本
图名 用来表达 图名 用来表达
柱形图 对比多少 雷达图 多维度对比
圆环图 占比(中间可写字) 网络关系图 谁和谁有关联
堆叠面积图 占比随时间变化 数据地图 地理分布
热力图 密度高低 3D 动态图 多维立体展示
复习-第五章数据处理和可视化表达
讨论:Cookies 是便利还是侵权?
教材第110—111页
正方:带来便利
记住偏好、免重复登录、
推荐更精准、浏览更顺畅。
反方:侵犯隐私
跨站跟踪、精准画像、
数据被转卖、被诈骗风险。
《网络安全法》要点:
第18条:国家鼓励开发数据安全保护和利用技术
第27条:任何个人和组织不得窃取网络数据、不得提供侵入工具
第31条:对关键信息基础设施实行重点保护
讨论:怎样既用上便利,又防止被跟踪?
复习-第五章数据处理和可视化表达
易混点集中辨析
第五章 数据处理和可视化表达 · 复习
Volume 与 Velocity
量大 / 变化快
Value 与 数据价值
低价值密度指“有用的少”
采集 与 分析
拿到数据 / 从数据找规律
聚类 与 分类
无标准自动分 / 有标签判断
支持度 与 置信度
占总体比例 / 前件里占比
系统日志 与 爬虫
服务器推日志 / 网页抓数据
饼图 与 折线图
比例 / 趋势
对称 与 非对称加密
同一密钥 / 两个密钥配对
复习-第五章数据处理和可视化表达
第五章思维导图
第五章 数据处理和可视化表达 · 复习
第五章
数据处理和
可视化表达
5.1 认识大数据
· 定义 常规工具无法高效处理的海量数据集合
· 4V 大量 · 多样 · 低价值密度 · 高速
· 影响 支付出行购物看病便利;泄露与诈骗风险
5.2 采集与保护
· 三方法 系统日志 · 网络爬虫 · 其他接口
· 存储 本地/云端;分布式文件存储、NoSQL
· 保护 备份复制镜像加密;隐私四招 + 意识 + 法律
5.3 分析 / 5.4 可视化
· 五环节 特征探索 → 关联 → 聚类分类 → 建模 → 评价
· 关键指标 支持度(多不多)、置信度(准不准)
· 可视化 趋势用折线、比例用饼图、关系用散点、文本用词云
复习-第五章数据处理和可视化表达
综合练习一:大数据与采集
第五章 数据处理和可视化表达 · 复习
1
下列不属于大数据 4V 特征的是( )
A. 大量 B. 多样 C. 高价值密度 D. 高速
2
把日志推送到日志服务器,属于( )
A. 系统日志采集 B. 网络爬虫 C. 人工录入 D. 数据分析
3
杀毒软件、防火墙对数据安全的作用是( )
A. 彻底保护 B. 只能防备隐患 C. 备份数据 D. 加密数据
单击进入下一页,逐题显示答案
复习-第五章数据处理和可视化表达
综合练习一:大数据与采集|第 1 题答案
第五章 数据处理和可视化表达 · 复习
1
下列不属于大数据 4V 特征的是( )
A. 大量 B. 多样 C. 高价值密度 D. 高速
答案:C —— 4V 里是“低价值密度”。
2
把日志推送到日志服务器,属于( )
A. 系统日志采集 B. 网络爬虫 C. 人工录入 D. 数据分析
3
杀毒软件、防火墙对数据安全的作用是( )
A. 彻底保护 B. 只能防备隐患 C. 备份数据 D. 加密数据
单击进入下一页,逐题显示答案
复习-第五章数据处理和可视化表达
综合练习一:大数据与采集|第 2 题答案
第五章 数据处理和可视化表达 · 复习
1
下列不属于大数据 4V 特征的是( )
A. 大量 B. 多样 C. 高价值密度 D. 高速
答案:C —— 4V 里是“低价值密度”。
2
把日志推送到日志服务器,属于( )
A. 系统日志采集 B. 网络爬虫 C. 人工录入 D. 数据分析
答案:A —— 系统日志采集法。
3
杀毒软件、防火墙对数据安全的作用是( )
A. 彻底保护 B. 只能防备隐患 C. 备份数据 D. 加密数据
单击进入下一页,逐题显示答案
复习-第五章数据处理和可视化表达
综合练习一:大数据与采集|第 3 题答案
第五章 数据处理和可视化表达 · 复习
1
下列不属于大数据 4V 特征的是( )
A. 大量 B. 多样 C. 高价值密度 D. 高速
答案:C —— 4V 里是“低价值密度”。
2
把日志推送到日志服务器,属于( )
A. 系统日志采集 B. 网络爬虫 C. 人工录入 D. 数据分析
答案:A —— 系统日志采集法。
3
杀毒软件、防火墙对数据安全的作用是( )
A. 彻底保护 B. 只能防备隐患 C. 备份数据 D. 加密数据
答案:B —— 更彻底的是备份、复制、镜像等技术。
复习-第五章数据处理和可视化表达
综合练习二:数据分析
第五章 数据处理和可视化表达 · 复习
1
100 单中 20 单同时买 A 和 B,支持度是( )
A. 0.2 B. 0.5 C. 20 D. 2
2
买 A 的 40 单中 20 单也买 B,置信度是( )
A. 0.2 B. 0.5 C. 0.8 D. 2
3
聚类分析与数据分类最主要的区别是( )
A. 聚类不需要计算机 B. 聚类事先没有分类标准 C. 分类不能预测 D. 两者完全相同
单击进入下一页,逐题显示答案
复习-第五章数据处理和可视化表达
综合练习二:数据分析|第 1 题答案
第五章 数据处理和可视化表达 · 复习
1
100 单中 20 单同时买 A 和 B,支持度是( )
A. 0.2 B. 0.5 C. 20 D. 2
答案:A —— 同时出现 ÷ 总记录 = 20/100。
2
买 A 的 40 单中 20 单也买 B,置信度是( )
A. 0.2 B. 0.5 C. 0.8 D. 2
3
聚类分析与数据分类最主要的区别是( )
A. 聚类不需要计算机 B. 聚类事先没有分类标准 C. 分类不能预测 D. 两者完全相同
单击进入下一页,逐题显示答案
复习-第五章数据处理和可视化表达
综合练习二:数据分析|第 2 题答案
第五章 数据处理和可视化表达 · 复习
1
100 单中 20 单同时买 A 和 B,支持度是( )
A. 0.2 B. 0.5 C. 20 D. 2
答案:A —— 同时出现 ÷ 总记录 = 20/100。
2
买 A 的 40 单中 20 单也买 B,置信度是( )
A. 0.2 B. 0.5 C. 0.8 D. 2
答案:B —— 20/40 = 0.5。
3
聚类分析与数据分类最主要的区别是( )
A. 聚类不需要计算机 B. 聚类事先没有分类标准 C. 分类不能预测 D. 两者完全相同
单击进入下一页,逐题显示答案
复习-第五章数据处理和可视化表达
综合练习二:数据分析|第 3 题答案
第五章 数据处理和可视化表达 · 复习
1
100 单中 20 单同时买 A 和 B,支持度是( )
A. 0.2 B. 0.5 C. 20 D. 2
答案:A —— 同时出现 ÷ 总记录 = 20/100。
2
买 A 的 40 单中 20 单也买 B,置信度是( )
A. 0.2 B. 0.5 C. 0.8 D. 2
答案:B —— 20/40 = 0.5。
3
聚类分析与数据分类最主要的区别是( )
A. 聚类不需要计算机 B. 聚类事先没有分类标准 C. 分类不能预测 D. 两者完全相同
答案:B —— 聚类从数据自动分组。
复习-第五章数据处理和可视化表达
综合练习三:可视化
第五章 数据处理和可视化表达 · 复习
1
要展示某商品一年 12 个月销量变化,最合适的是( )
A. 饼图 B. 折线图 C. 词云 D. 雷达图
2
要展示各类支出占总支出的比例,最合适的是( )
A. 折线图 B. 饼图 C. 散点图 D. 数据地图
3
要把一段聊天记录中的高频词直观呈现,最合适的是( )
A. 柱形图 B. 词云 C. 折线图 D. 热力图
单击进入下一页,逐题显示答案
复习-第五章数据处理和可视化表达
综合练习三:可视化|第 1 题答案
第五章 数据处理和可视化表达 · 复习
1
要展示某商品一年 12 个月销量变化,最合适的是( )
A. 饼图 B. 折线图 C. 词云 D. 雷达图
答案:B —— 趋势用折线图。
2
要展示各类支出占总支出的比例,最合适的是( )
A. 折线图 B. 饼图 C. 散点图 D. 数据地图
3
要把一段聊天记录中的高频词直观呈现,最合适的是( )
A. 柱形图 B. 词云 C. 折线图 D. 热力图
单击进入下一页,逐题显示答案
复习-第五章数据处理和可视化表达
综合练习三:可视化|第 2 题答案
第五章 数据处理和可视化表达 · 复习
1
要展示某商品一年 12 个月销量变化,最合适的是( )
A. 饼图 B. 折线图 C. 词云 D. 雷达图
答案:B —— 趋势用折线图。
2
要展示各类支出占总支出的比例,最合适的是( )
A. 折线图 B. 饼图 C. 散点图 D. 数据地图
答案:B —— 比例用饼图。
3
要把一段聊天记录中的高频词直观呈现,最合适的是( )
A. 柱形图 B. 词云 C. 折线图 D. 热力图
单击进入下一页,逐题显示答案
复习-第五章数据处理和可视化表达
综合练习三:可视化|第 3 题答案
第五章 数据处理和可视化表达 · 复习
1
要展示某商品一年 12 个月销量变化,最合适的是( )
A. 饼图 B. 折线图 C. 词云 D. 雷达图
答案:B —— 趋势用折线图。
2
要展示各类支出占总支出的比例,最合适的是( )
A. 折线图 B. 饼图 C. 散点图 D. 数据地图
答案:B —— 比例用饼图。
3
要把一段聊天记录中的高频词直观呈现,最合适的是( )
A. 柱形图 B. 词云 C. 折线图 D. 热力图
答案:B —— 文本用词云。
$