4.2 大数据处理知识点题库

王老师想了解全班同学的成绩变化情况，较好的成绩分析方法是( )

A . 将每位同学每次考试的成绩记录在纸张上然后进行分析 B . 将每位同学的每次考试成绩记录在Excel工作表中，然后利用图表进行分析 C . 每位同学自己统计分析自己的成绩，然后汇报给王老师 D . 将每次考试成绩张贴出来，进行直观比较

小王收集了某地农产品价格数据，用Excel对其进行分析，整理后的数据如图a所示。请回答下列问题：

（1）表中J列数据是通过公式计算得到的。小王首先在J5单元格中输入公式：，然后利用自动填充功能向下填充到J23单元格。
（2）小王想对蔬菜类的数据以“农产品品种”为主要关键字按升序进行排序，则他应该选择的数据区域是。
（3）小王要对数据进行筛选，筛选条件如图b所示，则他共筛选出行数据。
（4）小王根据图a中数据制作了一个图表，如图c所示，则制作此图表的数据区域为。

小王获取了2016-2017年支付宝付款数据，并使用excel软件进行数据处理，如图a所示。

图a

图b

请回答下列问题：

（1）区域C5：C13中的数据是从C4单元格利用自动填充功能得到的。则C4单元格输入的公式是。
（2）要以“年增长率（%）”为主要关键字进行排序，则选择的数据区域是。
（3）根据图a的数据，制作了图b的图表，创建该图表的数据区域是。
（4）将区域 A3：F14的数据值复制到新的工作表A1：F12并进行筛选，筛选条件为E列最大的三项，则在第4行A列看到的是。

数据特征探索的主要任务是（）

A . 对数据进行预处理，发现和处理缺失值，异常数据、绘制直方图，观察数据分布的特征，求最大值、最小值、极差等描述性统计量。 B . 分析发现存在于大量数据之间的关联性和相关性，从而描述一个事物的共同规律和模式。 C . 是一种探索性的分析。不必事先给出一个分类标准，而是让其自动分类。 D . 是数据分析中最基本的方法。先基于样本数据构建分类器，然后进行预测。

采集某市某辆出租车2007年2月20日全天行驶轨迹的数据集，如图所示。该数据集特征包括：出租车ID、时间、经度、纬度、夹角角度、出租车的瞬时速度和出租车载客状态。

（1）图所示数据集文件名为，出租车ID、时间、经度、纬度、夹角角度、出租车的瞬时速度和出租车载客状态数据的间隔符为，经度、纬度的数据类型为。
（2）绘制该数据集中出租车行驶轨迹的Python程序如下，请在方框中填写合适的代码，完善程序。
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( )
（3）运行程序，绘制的图形如图所示。说说你从图中发现了什么。
（4）尝试编写Python程序，从该数据集中挖掘其他你感兴趣的信息。

数据分析不但可以对数值型数据进行统计和描述，还可对文本、图像等数据进行分析。

分治策略是计算机求解问题的一个经典算法，它也是一种分解问题的思维方法。下列关于“分治策略”的描述正确的是（）。

A . 分治策略就是把大问题转化为不同的小问题来解决 B . 分治策略就是把一个问题转化为多个问题同时解决 C . 分治策略解决问题时一般分为“分解”、“解决”和“合并”三个步骤 D . 分治策略解决问题时必须使用递归算法进行

学校高一年级的研究小组在调查同学们的上学方式，小组通过问卷收集了一些数据，张华负责将最终的结果做成一张饼图，那么张华所做的是数据处理的哪一步？（）

A . 数据收集 B . 数据整理 C . 数据分析 D . 数据呈现

数据分析的过程不包括（）。

A . 首先要根据分析的目标提出假设 B . 然后选择恰当的分析方法进行分析 C . 验证假设是否正确 D . 根据分析直接得出相应的结论

投针实验中拋掷的次数越多，结果偏离越大。

小王收集了2019和2020年杭州市各区县（市）GDP数据，并使用Excel软件进行数据处理，如图a所示。

图a

请回答下列问题：

（1）区域D3:D17的数据是通过公式计算得到的，在D3单元格中输入公式后，使用自动填充功能完成区域D4:D17的计算，则D3单元格中的公式是。（提示：同比增幅% =(2020年（亿元）-2019年（亿元）)/ 2019年（亿元）*100）
（2）若对“2020年（亿元）”列进行筛选，筛选设置都如图b所示，则筛选出的区县（市）有个（填数字）。

图b

图c
（3）根据图a中的数据制作图表如图c所示，下列说法正确的有（多选，填字母）。

A . 由图c可知2020年杭州市各区县（市）GDP最高的是余杭区 B . 对数据区域C3:C17设置单元格格式“2位小数”，图c所示的图表会随之改变 C . 对数据区域A2:E17按“2020年（亿元）”降序排序后，公式仍旧可以正确计算2020年各区县（市）GDP名次 D . 在图a所示工作表的“2020年（亿元）”列前插入一列“2019年排名”，图c所示图表会随之改变

导航软件提供了“未来出行”功能，用户可以设定未来出行时间，软件利用大数据分析，预估未来行程所需时长，为用户合理规划出行时间提供参考。这一功能凸显了大数据分析的哪一个核心作用？（）

A . 了解事物的现状 B . 剖析事物的发展历程 C . 预测事物的未来走向 D . 数据价值化

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。

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、趋势和规律等的表达方式。

“大事化小、小事化了”体现出的问题求解的思想是( )。

A . 穷举法 B . 分治法 C . 归纳法 D . 递推法

小明将图1经过如下python程序段处理后，效果为图2所示，他发现处理后图像黑白颜色分布很不均衡，要想将图像处理成图3，下列做法正确的是（）

图 1

图 2

图 3

from PIL import Image

1 import numpy as np

2 import matplotlib.pyplot as plt

3 img=np.array(Image.open('dog.jpg').convert('L'))

4 row,cols=img.shape

5 for i in range(row):

6 for j in range(cols):

7 if img[i,j]>188:

8 img[i,j]=1 #1表示白色

9 else:

10 img[i,j]=0 #0表示黑色

11 plt.figure('dog')

12 plt.imshow(img,cmap='gray') 13 plt.axis('off')

14 plt.show()

A . 将第7行中的数字‘188’改成‘100’ B . 将第7行中的数字‘188’改成‘250’ C . 将第7行中的‘>’改成‘<’ D . 将第8行的数字‘1’改成‘0’，将第10行的数字‘0’改成‘1’

小明收集了我省2022年4月30日每个时间段，我省的各个监测站的PM2.5浓度的数据，存储在“数据.xlsx”中，如图1所示。

图1

（1）为了绘制某监测站24小时PM2.5的浓度变化趋势，小明需要对图1所示的表中数据进行整理，下列选项中说法不正确的是（） (单选)

A . 通过检测发现E2单元格中的数据不正确，应进行修正 B . 应删除第10行数据 C . 第3行和第4行数据重复，应该删除其中一行数据 D . 删除“0时”和“24小时平均浓度”两列数据，图3绘制结果保持不变
（2）区域AA2:AA39的数据是通过公式计算出相应的平均值的，在AA2单元格中输入公式，再使用自动填充功能完成区域AA3:AA39的计算。
（3）接着，小明对图1中的数据进行整理后，转为csv文件，如图2所示。小明根据要求编写程序，绘制的‘临平镇’站点24小时变化趋势图如图3所示，程序运行结果如图4所示。实现的Python程序如下，请在划线处，填入适当的语句或语句表达式。
图2

图3

图4

import pandas as pd

import matplotlib.pyplot as plt df=pd.read_csv("各站点 PM2.5 数据.csv")

s1=df["日平均浓度"]     #将 DataFrame 中“日平均浓度”列的数据读到s1中

#求浓度最低的站点

minx=s1[0] n=len(s1) t=0

for i in range(1,n):

    if s1[i]<minx:

        minx=s1[i]

        t = i

print('浓度最低的站点是(填写监测站点名称):',,'浓度为：',minx) g=df.groupby('地区',as_index=False)

s=g.日平均浓度.mean()

s_sort=s.sort_values("日平均浓度",ascending=False)     #各地区按照日平均浓度进行降序排序

print("求 PM2.5 平均浓度最高的三个区：\n",))

#绘制的‘临平镇’监测站点24小时变化趋势图

b=list(df.values[5][2:-1])      #将‘临平镇’每个时间段的数据存入列表b中

x=[];y=[]

for i in range(len(b)):

    x.append(i)

    y.append(b[i]) plt.plot()

plt.title("临平镇24小时PM2.5变化趋势图")

plt.rcParams['font.sans-serif']=['SimHei']           #使中文字在视图中正常输出plt.rcParams['axes.unicode_minus']=False

plt.show()