4.2 大数据处理 同步练习 2026-2027学年浙教版高中信息技术必修一
2026-2027学年高一上学期浙教版必修一4.2 大数据处理
班级:__________ 姓名:__________ 学号:__________ 得分:__________
一、选择题(本大题共15小题,每小题3分,共45分)
1.大数据处理的一般流程,下列排列合理的是( )
A.数据采集→数据预处理→数据存储→数据分析→数据可视化
B.数据分析→数据采集→数据预处理→数据存储→数据可视化
C.数据采集→数据分析→数据存储→数据预处理→数据可视化
D.数据存储→数据采集→数据分析→数据预处理→数据可视化
2.进行数据清洗的主要目的是( )
A.增加数据的数量 B.压缩数据所占空间
C.把数据加密 D.提高数据的质量,使分析结果更可靠
3.某次问卷数据中,有一条记录的“年龄”为“200”。这条数据属于( )
A.重复数据 B.缺失数据 C.异常数据 D.正常数据
4.下列处理缺失数据的做法中,不恰当的是( )
A.缺失较少时,删除含缺失值的记录 B.用该列的平均值填充缺失值
C.根据自己的猜测随意填写一个数 D.重新联系数据来源进行补充
5.在pandas中,语句 df = df.drop_duplicates() 的作用是( )
A.删除重复的行 B.删除含缺失值的行 C.对数据排序 D.统计数据个数
6.在pandas中,语句 df["湿度"] = df["湿度"].fillna(df["湿度"].mean()) 的作用是( )
A.删除“湿度”列 B.把“湿度”列全部改为平均值
C.计算“湿度”列的平均值并输出 D.用“湿度”列的平均值填充该列的缺失值
7.关于中文分词,下列说法正确的是( )
A.分词是把连续的汉字序列切分成一个个词语
B.中文和英文一样,词与词之间天然用空格隔开
C.分词后文本的含义一定会改变
D.分词只能人工完成
8.在文本分析中,“的”“了”“是”等词出现频率很高,但对表达主题帮助不大,通常作为( )处理。
A.关键词 B.专有名词 C.敏感词 D.停用词
9.在词云图中,某个词语显示的字号越大,表示( )
A.该词语在文本中出现的频率越高 B.该词语的字数越多
C.该词语越晚出现 D.该词语越重要,与出现次数无关
10.执行下列程序,输出的结果是( )
words = ["数据", "分析", "数据", "可视化", "数据", "分析"] d = {} for w in words: d[w] = d.get(w, 0) + 1 print(d["分析"]) |
A.1 B.2 C.3 D.6
11.要展示全班同学身高与体重之间的关系,最合适的可视化图表是( )
A.饼图 B.折线图 C.散点图 D.词云图
试卷第1页,共1页
学科网(北京)股份有限公司
12.与基于磁盘读写的MapReduce相比,Spark处理大数据速度更快的主要原因是( )
A.Spark不需要任何计算机
B.Spark只能处理少量数据
C.Spark主要基于内存进行计算,减少了磁盘读写
D.Spark不对数据进行计算
13.电商平台判断商品评论是“好评”还是“差评”,这属于文本数据处理中的( )
A.数据加密 B.分词 C.数据备份 D.情感分析
14.用Python统计网络留言中的高频词语,下列步骤排列合理的是( )
①读取并去除重复留言 ②中文分词 ③统计词频 ④去除停用词 ⑤生成词云
A.①②③④⑤ B.①②④③⑤ C.②①④③⑤ D.①④②③⑤
15.下列关于数据可视化的说法,错误的是( )
A.可视化能帮助人们快速发现数据中的规律 B.同一组数据可以用多种图表呈现
C.只要图表足够美观,就一定能准确反映数据 D.应根据表达目的选择合适的图表类型
二、填空题(本大题共4小题,每空2分,共16分)
16.大数据处理一般包括数据采集、____________、数据存储、数据分析和____________等环节。
17.数据清洗中常见的问题数据有缺失数据、________数据和________数据等。
18.在pandas中,删除重复行可用__________________方法,删除含缺失值的行可用__________方法。
19.对中文文本进行分析,首先要进行__________;在词云图中,词语的__________越大,表示其出现的频率越高。
三、操作题(本大题共2小题,共25分)
20.(10分)某校气象社团收集了一周的气象数据(部分),准备进行分析。
记录 | 日期 | 气温/℃ | 湿度/% |
1 | 11月1日 | 15.2 | 68 |
2 | 11月2日 | 14.8 |
|
3 | 11月2日 | 14.8 |
|
4 | 11月3日 | 13.5 | 135 |
5 | 11月4日 | 59.0 | 70 |
6 | 11月5日 | 12.9 | 71 |
(1)表中属于重复数据的是记录______和记录______。(2分)
(2)存在缺失数据的是______列。(2分)
(3)记录4中的湿度属于______数据,判断理由是______________________。(3分)
(4)记录5的气温明显异常,经核实是误用了华氏温度(59℉=15℃)。这类问题属于数据______不一致,处理方法是________________。(3分)
21.(15分)项目实习——“校园读书节”留言的关键词分析
【项目情境】读书节期间,同学们在留言墙上写下了大量感想。宣传组想找出留言中出现最多的词语,制作成词云海报。
【项目目标】用Python对留言进行分词、去停用词、统计词频,并找出高频词。
【项目准备】一条留言“我喜欢读书,读书让我快乐。图书馆的书很多,我常去图书馆读书。”经分词后得到列表words:
试卷第1页,共1页
学科网(北京)股份有限公司