5.4 数据的可视化表达 知识点题库

import matplotib. pyplot as plt

def track(file)：     #绘制GPS坐标轨迹

     jd=[ ]      #经度

     wd=[ ]       #纬度

     for line in open(file)：

         #切分行数据生成列表

         line_data=line. split('，')

         #取轨迹坐标

         jd. append(x)

         wd. append(y)

     plt. plot(jd, wd)

filename='Taxi_ 105. txt'

track(filename)

plt. show( )

图b

图c

图2

全唐诗一共四万多首，分析采集相关数据的条件：①盛唐时期；②诗人、诗人之间经常称呼对方的别名；③考虑到同名同姓的问题，因此还需要诗人的生卒年的信息。

根据要求，完成答题。

①全唐诗数量较多，一共四万多首，来源分散，存储在互联网不同的服务器与各客户终端。从大数据存储与计算的角度来看，由此可知大数据具有的特征。(单选)

A．精确让位于模糊

B．价值密度低

C．分布式存储

D．变化速度快

②网络上如此海量的关于唐诗的数据，有文字图片、视频、音频等。这些数据种类和格式也不一致，表明各种数据共存于网络中。(多选)

A．结构化

B．半结构化

C．非结构化

D．网状结构

③面对繁杂的数据，学习小组决定研究解密盛唐时期诗人关系，并利用计算机程序从网络中采集诗人别名等相关的文本数据，并以一定的数据结构存储，形成盛唐诗库。存储数据主要有两种方式，一种是，一种是数据云存储。你建议学习小组采用数据存储方式，理由是。

第一步，从互联网中筛选出符合条件的诗人及诗作等文本，整理并形成盛唐诗库；第二步，确定人物关系分析策略，即从唐诗库中搜索、统计诗人或别名的引用次数，确定二人之间的疏密关系，规则是诗的标题和正文中只要提到过对方，那么两者之间的引用关系加1，若一首诗中提到多次对方，只算一次引用；第三步，编写程序并调试验证。

用爬虫程序段(如下图所示)采集数据。根据要求，完成答题。

使用爬虫程序获取文本数据并形成唐诗库文件，所使用的数据采集方法为(选填：系统日志采集法、网络数据采集法、其他数据采集方法)。阅读程序可知，每首诗存放于列表poem[ ]中(以唐诗“春晓”为例，如下表)，采集后的数据保存在poet.txt文件中，该文件是一个(选填：数据库文件、文档文件、图像文件、网页文件)。该数据采集方法可以将非结构化数据从网页中抽取出来，将其存储为统一的数据文件，并以化的方式存储(选填：结构化、半结构化)。

以诗人甲，乙为例，解密二人关系。根据要求，完成答题。

①数据处理过程中要运用一定的分析方法对大量、无序的数据进行整理、分析，挖掘数据内在的结构和规律，从而提取有价值的、有意义的数据。数据分析一般包括特征探索、关联分析、聚类与分类等。让计算机搜索遍历唐诗库中有关甲，乙两位诗人的诗文，统计两位诗，人或别名相互的引用次数，找寻二人之间的关联。这是运用了(选填：特征探索、关联分析、聚类与分类)方法进行数据分析，也是(选填：枚举、二分查找、排序)算法思想去求解这一问题的体现。

②编制计算机程序解决问题的过程中，是编程的核心， 是解决问题的方法和步骤。选用Python程序设计语言编写程序，Python属于(选填：分析问题、设计算法、编写程序、调试运行、机器语言、汇编语言高级语言)。图a示意，使用 (选填：自然语言、流程图、伪代码)进行算法描述，且运用循环控制结构嵌套了控制结构，如果要跳出本次循环体的执行，应使用语句实现跳转。

③阅读程序(图b示意)，程序中以“#”开头的语句，其作用是，程序调试完成，通过“另存为”保存文件，文件后缀名为。

解密盛唐时期诗人关系。根据要求，完成答题。

①数据的可视化以易于理解的方式展示和诠释数据之间的关系、趋势与规律等，使人们更好地理解数据。从常用和实用的维度，数据可视化的呈现类型主要分为探索型和解释型，其中型可以帮助人们发现数据背后的价值，型则把数据简单明了地解释给人们(选填：探索、解释)。数据分析类型不同可视化呈现方式也不同，如关于趋势的分析，可用类型的图表呈现，关于比例的分析，可用类型的图表呈现，关于关系的分析，可用类型的图表呈现。

②学习小组选择用网络关系图呈现盛唐时期诗人社会网络关系(如图所示)。图中，箭头表示诗人之间的引用关系，如李白引用了贺知章，那么就有李白指向贺知章箭头；箭头的粗细程度则表示了诗人之间引用关系的强弱，如李白引用孟浩然的数量达4次，箭头就要粗一些。

③观察图示，从绘制的盛唐的诗人社交关系网络图，尝试推测哪位诗人是盛唐诗人的核心，哪位诗人的影响最大，请简要阐述。(要求100字左右)

④通过对该项目案例的研究学习，请谈谈大数据对学习生活的影响。

①温州②甘孜州③黔东南州④湘西自治州⑤万州区

A． //10.89.1.2:8080/input?temp=28&hum=53

B． //10.89.1.2:8080/input&temp=28?hum=53

C． //10.89.1.2:8080/input?x=28&y=53

D． //10.89.1.2:8080/input &x=28?y=53

统计及可视化的部分程序如下，请补充完善：

df=pd.read_excel('温度数据.xlsx') df1 =

g1=df1.groupby('⽉份',as_index=False).count( )

plt.bar(g1.⽉份, g1.温度)

plt.title('1-6 ⽉份发出温度报警提醒次数情况')

plt.show( )

① 采用pandas 模块中的（单选：填字母：A .Series / B .DataFrame）

数据结构存储全部数据会比较高效。

② 全部数据保存于变量df 中，为筛选出订单日期为2021 年第一季度内的所有记录，

可以执行Python 语句df1 =  ，则df1 中保存筛选结果。（单选，填字母。

提示：多条件筛选时，条件之间用“&”连接，表示需要同时满足这多个条件）

A．df[ (df['订单日期'] <= '2021-1-1' ) & (df ['订单日期'] <= '2021-3-31') ]

B．df [ (df ['订单日期'] >= '2021-1-1') & (df ['订单日期'] >= '2021-3-31') ]

C．df [(df ['订单日期'] >= '2021-1-1') & (df ['订单日期'] <= '2021-3-31')]

编写如下Python 程序段：

#数据整理结果保存于变量df1中，代码略

g = df1.groupby('所在地市', as_index = False).sum()

print           )

则划线处的代码可为（   ）（多选，填字母）

实现上述功能的Python程序部分代码如下：

#按“所在地市”对第一季度数据分组并求和，再按“订购数量”升序排序

#选取最后10条数据，存入变量s，代码略

import matplotlib.pyplot as plt

x = s['所在地市']

y =

plt.barh(x, y, color = 'r')

plt.show( )

程序中划线处代码应为。

应用该分析结果可能提供的数据服务是（列举一条即可）。

Python 程序代码如下：

import pandas as pd

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif']=['SimHei']

df=pd.read_excel('学考成绩.xlsx')

#正常显示汉字

df.折算分=

#对df以“班级”为主要关键字升序、“A总数”为次要关键词降序进行排序

df_sort=df.sort_values(['班级', 'A 总数'], ascending=[True, False])

result=df_sort.head(5)

for i in range(2, 7):

result=result.append(df_sort[ ].head(5), ignore_index=True) result.to_excel('各班前5名统计.xlsx')

df=df[df.折算分>=92]

df_count=df.groupby('班级').count( )

#修改“折算分”列名为“上线人数”

df_count = df_count.rename(columns={'折算分'：'上线人数'})

y=

plt.figure(figsize=(8, 4))

plt.bar(x, y,  label='上线人数')

plt.ylim(15, 30)

plt.legend( )

plt.show( )