2025年统计学期末考试：统计数据可视化在社会科学研究中的应用试卷

2025年统计学期末考试：统计数据可视化在社会科学研究中的应用试卷考试时间：______分钟总分：______分姓名：______一、单项选择题（本大题共20小题，每小题1分，共20分。在每小题列出的四个选项中，只有一个是符合题目要求的，请将正确选项字母填在题后的括号内。错选、多选或未选均无分。）1.统计数据可视化的核心目标是什么？A.美化图表，使其更吸引眼球B.通过图形展示数据中的模式和趋势C.减少数据量，方便存储D.仅用于商业报告，不适用于学术研究2.以下哪种图表最适合展示时间序列数据？A.饼图B.散点图C.折线图D.柱状图3.在社会科学研究中，为什么要使用数据可视化？A.因为所有研究都必须依赖图表B.为了更直观地传达复杂信息C.因为图表比文字更枯燥D.为了满足期刊的格式要求4.以下哪种方法可以用来创建交互式数据可视化？A.使用静态图表B.编写复杂的SQL查询C.利用JavaScript库（如D3.js）D.仅在Excel中操作数据5.数据可视化的基本原则不包括以下哪一项？A.清晰性B.准确性C.美观性D.复杂性6.在制作散点图时，如何确定两个变量之间是否存在相关性？A.观察点的分布形状B.计算相关系数C.使用颜色区分不同组D.以上都是7.条形图和柱状图的主要区别是什么？A.条形图用于时间序列，柱状图用于分类数据B.条形图适用于分类数据，柱状图适用于连续数据C.条形图更美观，柱状图更实用D.条形图和柱状图没有区别8.在社会科学研究中，如何处理缺失数据？A.忽略缺失数据B.使用均值、中位数或众数填充C.使用复杂的统计模型自动处理D.以上都是9.以下哪种图表最适合展示多个分类变量的分布？A.散点图B.饼图C.热力图D.茎叶图10.在制作地图时，如何表示不同地区的数据？A.使用不同的颜色B.使用不同的符号C.使用不同的形状D.以上都是11.在社会科学研究中，为什么要关注数据的分布？A.因为所有研究都必须依赖分布B.为了理解数据的集中趋势和离散程度C.因为分布比均值更重要D.为了满足期刊的格式要求12.在制作箱线图时，中位数通常用哪种符号表示？A.圆圈B.星号C.横线D.方块13.在社会科学研究中，如何处理异常值？A.忽略异常值B.使用均值、中位数或众数填充C.使用箱线图识别并处理异常值D.以上都是14.在制作折线图时，如何表示数据的趋势？A.使用不同的颜色B.使用不同的线型C.使用不同的标记D.以上都是15.在社会科学研究中，为什么要使用多变量数据可视化？A.因为所有研究都必须依赖多变量B.为了理解多个变量之间的关系C.因为多变量比单变量更重要D.为了满足期刊的格式要求16.在制作雷达图时，每个轴代表什么？A.一个变量B.两个变量C.三个变量D.以上都是17.在社会科学研究中，如何评估数据可视化的效果？A.观察图表是否美观B.确保图表能够清晰地传达信息C.使用统计指标评估可视化效果D.以上都是18.在制作树状图时，如何表示数据的层次结构？A.使用不同的颜色B.使用不同的符号C.使用不同的形状D.以上都是19.在社会科学研究中，为什么要使用热力图？A.因为所有研究都必须依赖热力图B.为了展示矩阵数据的分布C.因为热力图比其他图表更美观D.为了满足期刊的格式要求20.在制作平行坐标图时，如何表示不同变量的值？A.使用不同的颜色B.使用不同的线型C.使用不同的标记D.以上都是二、多项选择题（本大题共10小题，每小题2分，共20分。在每小题列出的五个选项中，有多项是符合题目要求的，请将正确选项字母填在题后的括号内。错选、少选或未选均无分。）1.以下哪些是数据可视化的基本原则？A.清晰性B.准确性C.美观性D.复杂性E.交互性2.在制作散点图时，以下哪些方法可以用来表示数据点？A.使用不同的颜色B.使用不同的符号C.使用不同的形状D.使用不同的大小E.使用不同的透明度3.在社会科学研究中，以下哪些方法可以用来处理缺失数据？A.忽略缺失数据B.使用均值、中位数或众数填充C.使用插值法填充D.使用复杂的统计模型自动处理E.以上都是4.在制作地图时，以下哪些方法可以用来表示不同地区的数据？A.使用不同的颜色B.使用不同的符号C.使用不同的形状D.使用不同的大小E.使用不同的透明度5.在社会科学研究中，以下哪些图表可以用来展示多个分类变量的分布？A.散点图B.饼图C.热力图D.茎叶图E.雷达图6.在制作箱线图时，以下哪些元素是必须的？A.中位数B.四分位数C.异常值D.箱体E.横线7.在社会科学研究中，以下哪些方法可以用来处理异常值？A.忽略异常值B.使用均值、中位数或众数填充C.使用箱线图识别并处理异常值D.使用稳健统计方法E.以上都是8.在制作折线图时，以下哪些方法可以用来表示数据的趋势？A.使用不同的颜色B.使用不同的线型C.使用不同的标记D.使用不同的透明度E.以上都是9.在社会科学研究中，以下哪些图表可以用来展示多变量数据？A.散点图B.雷达图C.平行坐标图D.热力图E.树状图10.在制作树状图时，以下哪些方法可以用来表示数据的层次结构？A.使用不同的颜色B.使用不同的符号C.使用不同的形状D.使用不同的大小E.以上都是三、简答题（本大题共5小题，每小题4分，共20分。请将答案写在答题纸上。）1.简述在社会科学研究中，数据可视化的主要作用和意义。在社会科学研究中，数据可视化扮演着至关重要的角色。它不仅仅是把数据变成好看的图表，更深层次的作用在于帮助研究者更直观、更快速地理解复杂的社会现象和数据之间的关系。比如说，当我们研究城市居民的收入分布时，如果只用文字描述，读者可能需要花费不少时间才能grasp到收入的集中趋势和离散程度。但如果我们用直方图或者箱线图展示出来，读者一眼就能看出收入的大致分布情况，哪些收入区间人数最多，哪些是异常高的收入等等。这种直观性大大提高了信息传递的效率。再比如，研究不同地区的教育水平差异，用地图上不同颜色深浅表示各地区的教育指数，比单纯列出数字要直观得多，能立刻看出哪些地区教育水平较高，哪些较低，以及它们之间的相对位置关系。所以，数据可视化的意义在于，它能够把抽象的数据变得具体、形象，帮助我们快速发现数据中的模式、趋势和异常值，从而更好地理解研究问题，支撑我们的分析和结论。它就像是数据的“翻译官”，把复杂的信息翻译成我们更容易理解和记忆的形式。2.比较并说明散点图和折线图在展示数据关系时的主要区别和应用场景。嗨，同学，咱们聊聊散点图和折线图。这两个都是展示两个变量之间关系的常用图表，但它们侧重的东西不太一样，用起来也有讲究。散点图，顾名思义，就是用坐标系里的一个个点来表示数据。每个点代表一个观测值，点的横坐标是其中一个变量的值，纵坐标是另一个变量的值。你看这些点的分布，可以大致判断两个变量之间有没有关系，是什么关系。比如，研究学生的学习时间和成绩，每个学生一组数据，画在散点图上，你可能会看到，学习时间越长，成绩越高的趋势。散点图特别适合用来探索性的研究，看看数据大概长啥样，有没有值得注意的模式，比如是否存在线性关系、非线性关系，或者有没有孤立的异常点。它强调的是每个数据点的具体位置和分布形态。而折线图呢，它是在散点图的基础上，把点用线连起来。这根线不是随意画的，它表示的是随着一个变量变化，另一个变量大致的变化趋势。折线图更强调数据点之间的连续性和变化方向。所以，如果你想突出展示一个变量随时间变化的趋势，比如销售额一年四季的变化，或者气温随月份的变化，这时候用折线图就非常合适，你能清晰地看到它是上升的、下降的还是波动的。总结一下，散点图适合看两个变量之间关系的“强度”和“形式”，探索性的分析；折线图适合看一个变量随另一个变量变化的具体“走向”和“趋势”，尤其是时间序列数据。用错啦，比如用折线图来表示不同班级的平均分，那意义就变了，不是表示每个班级的具体分数点，而是表示平均分数随班级编号变化的趋势，这通常不是我们想要表达的意思，这时候散点图可能更合适。3.简述在制作数据可视化图表时，需要注意的几个关键原则，并举例说明。嘿，做数据可视化图表啊，确实得讲究点门道，不能瞎画。我跟你唠唠几个关键原则。第一个，清晰性，这是最重要的。图表必须让人一眼就能看懂想要表达的意思，不能含糊不清，让人费劲琢磨。比如说，坐标轴要有明确的标签和单位，标题要简洁明了地概括图表内容。假设我做一个图表展示某城市不同年龄段的失业率，如果坐标轴没标明是哪个城市，年龄段的划分也不清楚，失业率是百分比还是千分比也没说，那看的人就懵了。再比如，颜色使用要合理，不能五颜六色乱七八糟的，让人眼花缭乱，特别是当你在比较不同组的数据时，要确保颜色有足够的区分度，颜色blind（色盲）的朋友也能看懂。比如，用红蓝黄绿这些对比强烈的颜色来区分不同的类别，而不是用非常接近的颜色。第二个原则是准确性。图表必须准确地反映数据，不能歪曲事实。这包括比例要正确，比如饼图各部分的大小要和它们代表的数值成比例。还有就是，图表中显示的数据点、趋势等都要基于原始数据，不能凭空捏造或者过度解读。比如，不能把折线图的线画得太平滑，好像数据是连续变化的，而实际上可能是离散的观测点。第三个原则是简洁性。图表要避免不必要的装饰和复杂元素，突出重点信息。比如，不必要的网格线、背景图案、复杂的3D效果，这些有时候反而会干扰视线，让人看不清关键的数据模式。再比如，如果图表中有多个趋势或者信息，要分清楚主次，把最重要的信息放在最显眼的位置。第四个原则是目的性。做图表之前要明确你想要传达什么信息，然后选择最合适的图表类型来达到这个目的。比如，你想展示部分和整体的关系，用饼图可能就比用柱状图更合适；你想展示数据随时间的变化，折线图通常比柱状图更清晰。不能为了用某种酷炫的图表而用，结果表达效果不好。所以，做图表就像讲故事，先讲清楚你要说什么，然后用最直白、最准确的方式把它呈现出来。4.解释什么是交互式数据可视化，并列举至少三种交互式数据可视化的常见形式及其作用。交互式数据可视化啊，简单说，就是你可以跟图表“互动”，通过点击、拖拽、放大缩小等操作，来探索数据，发现更多信息。这比看静态图表可玩儿多了，也更能深入数据。为什么说它好在哪儿呢？因为人脑处理信息有个特点，就是喜欢主动探索。有了交互性，用户可以根据自己的兴趣和疑问，主动去筛选数据、放大感兴趣的区域、查看详细信息，这样能获得更个性化、更深入的见解。比如说，在一个交互式的散点图中，你可能默认看到的是所有数据点，但如果你发现某个点特别远离其他点，你就可以通过交互操作放大那个区域，或者查看那个数据点的详细信息，比如它代表的是哪个个体，其他变量的值是多少。这种“发现式”的探索过程，往往能带来静态图表无法提供的洞见。常见的交互式可视化形式啊，我给你列举几种：第一种是筛选或者过滤。你可以通过选择某个变量的值或者范围，来筛选出你感兴趣的数据子集，然后在图表上看到变化。比如说，在一个展示不同收入群体消费习惯的交互式图表里，你可以勾选或者点击某个收入区间，图表就只显示这个收入区间的消费数据，其他的数据就隐藏起来了。这样你就能很清楚地看到不同收入群体的消费特点。第二种是缩放或者钻取。你可以放大图表的某个区域，查看更详细的数据点或者趋势；也可以缩小图表，从宏观的角度看整体结构。比如，在查看全国人口分布热力图时，你可以先看全国的整体分布，然后放大到你感兴趣的某个省份或者城市，看到更具体的人口密度变化。第三种是联动视图。多个图表或者视图之间相互关联，一个视图的变化会影响到其他视图。比如，在一个分析销售数据的交互式仪表板里，你在一个下拉菜单选择了某个产品类别后，其他的图表，比如按地区销售的图表、按时间销售的图表，都会自动更新，只显示这个产品类别的相关数据。这样你就能很方便地比较不同类别在不同维度上的表现。还有一种是工具提示，当你把鼠标悬停在数据点上时，会显示该点的详细信息。这在你查看散点图、热力图等复杂图表时特别有用，不用一个个点去点击，就能快速了解数据点的具体属性。这些交互方式结合起来，让数据可视化不再是被动的信息接收，而是主动的、探索性的数据分析过程，对社会科学研究来说，帮助咱们更深入地挖掘数据故事。5.结合你自己的研究兴趣或经历，谈谈在社会科学研究中使用数据可视化可能遇到的挑战以及应对策略。哎，说到这个，我觉得挺有意思的。咱们做社会科学研究，数据可视化确实是个强大的工具，但用起来也不是那么顺当，会遇到不少挑战。就拿我之前研究过的社区老年人生活满意度来说吧。第一个挑战就是数据的处理。有时候数据本身就很“脏”，比如问卷有填错的，或者缺失值太多，这直接影响到可视化结果的准确性。应对这个，就得下苦功夫清洗数据了。得花大量时间去核对、修正错误，对于缺失值，也不能简单地扔掉，得根据情况选择合适的填充方法，或者通过统计模型来处理。有时候还得做点数据转换，比如把类别数据编码成数值数据，才能用在某些可视化工具里。第二个挑战是可视化选择的难题。面对同样的数据，到底用哪种图表最合适？饼图？柱状图？散点图？折线图？热力图？有时候选错了图表，不仅表达不清，甚至可能歪曲数据。应对这个，关键在于理解每种图表的优缺点和适用场景。你得先想清楚，你到底想通过这个图表表达什么？是看分布？看趋势？看关系？还是看层次？想清楚了，再根据数据类型（分类、连续）和你的表达目的，选择最合适的图表。多看多学，积累经验也很重要。第三个挑战是让非专业人士理解。咱们做研究的，可能自己很懂这些图表，但跟导师、跟同学、甚至跟普通老百姓交流的时候，他们可能就看不懂。图表做得再好，如果没人看懂，那也白搭。所以，在展示的时候，你得学会解释。把图表的标题、坐标轴、颜色含义等说明清楚，用简单的语言解释图表所揭示的现象和意义。有时候，甚至需要准备几个不同类型的图表，从不同角度展示同一个问题，帮助别人理解。第四个挑战是软件和工具的选择。市面上的数据可视化工具五花八门，从Excel到R语言，再到Python的Matplotlib、Seaborn，还有Tableau、PowerBI这些商业软件，各有各的优点和复杂度。新手入门可能有点懵，不知道哪个适合自己。应对这个，可以先从简单的开始，比如Excel或者在线的图表制作工具，熟悉基本操作。然后根据研究的复杂度和自己的学习意愿，选择一个深入学习。比如，如果要做比较复杂和交互性强的图表，可能就得学学R或者Python了。总之，数据可视化在社会科学研究中应用很广，但要做好，需要我们不仅懂统计方法，还要懂一点设计，懂一点沟通，还得不怕麻烦地去处理数据和软件。虽然挑战不少，但只要用心去做，肯定能发挥出数据可视化的强大威力。四、论述题（本大题共1小题，共20分。请将答案写在答题纸上。）结合具体的社会科学研究案例，详细论述数据可视化在揭示复杂社会现象、促进跨学科理解和推动政策制定方面的重要作用。好的，这道题我得好好说道说道。数据可视化在社会科学研究中扮演的角色，真的太重要了，它就像是咱们研究者的“眼睛”，能帮助我们看清那些隐藏在数字背后的社会现象。咱们就以城市贫困问题为例，来说明它在揭示复杂社会现象、促进跨学科理解和推动政策制定这三个方面的作用吧。首先，在揭示复杂社会现象方面，数据可视化简直是个神器。城市贫困问题本身就很复杂，它不是简单的“有钱没钱”那么二元，涉及到收入、教育、健康、居住环境、就业状况等多个维度，而且这些维度之间还相互影响。光靠文字描述，读者很难形成直观的整体印象。但如果我们用数据可视化，就能把这种复杂性直观地展现出来。比如说，我们可以制作一个城市热力图，用不同的颜色深浅表示不同区域的贫困发生率，立刻就能看出贫困在空间上的分布格局，是集中在某个区域，还是均匀分布，或者是沿着某个交通线分布。再比如，我们可以用堆叠柱状图或者小提琴图来展示不同收入群体的教育水平、健康状况等指标的分布情况，通过对比不同群体的分布形态，就能直观地看到贫困群体在教育、健康等方面可能面临的劣势。还有，我们可以用散点图来探索贫困程度（比如用收入或者消费水平来衡量）与其他因素（比如年龄、性别、居住年限）之间的关系，看看是否存在某种规律，比如是不是年轻人更容易陷入贫困，或者外来人口贫困率更高。通过这些可视化图表，原本抽象、复杂的贫困问题，就变得具体、形象起来，研究者自己理解得更深，跟别人交流也更容易让对方明白。比如，通过一个清晰的贫困空间分布图，我们可以直观地发现某个区域的贫困问题特别突出，这就为我们下一步深入调研提供了明确的重点区域。其次，数据可视化在促进跨学科理解方面也发挥着重要作用。社会科学研究往往不是单打独斗，很多问题需要不同学科的视角来共同解读。比如城市贫困问题，光靠社会学可能不够，还需要经济学（收入分配、就业）、地理学（空间分布）、公共卫生（健康影响）、城市规划（居住环境）等学科的知识。数据可视化提供了一个共同的“语言”和“平台”，让不同学科的研究者能够基于同样的数据，进行有效的沟通和对话。比如说，一个地理学研究者可以做一个展示贫困人口居住密度和基础设施（如学校、医院）分布的地图，一个公共卫生研究者可以做一个展示贫困群体健康状况（如患病率、预期寿命）的图表，一个社会学家可以做一个展示贫困家庭社会网络支持情况的网络图。把这些图表放在一起展示，大家就能直观地看到不同因素是如何交织在一起影响贫困问题的。比如，地图上可能显示贫困区域学校医院稀少，图表上又能显示这些区域居民的健康指标较差，这就很直观地揭示了基础设施不足对贫困问题的加剧作用。这种跨学科的可视化合作，能够促进知识的整合，产生更全面、更深入的见解，推动解决复杂的社会问题。最后，数据可视化对于推动政策制定也至关重要。政策制定者需要基于可靠的数据来了解社会问题，评估政策效果，并做出科学决策。数据可视化能够把复杂的研究结果以直观、易懂的方式呈现给政策制定者，大大提高政策沟通的效率和效果。比如说，我们研究了一个城市交通拥堵问题，通过可视化手段，制作了不同时段、不同路段的交通流量热力图，清晰地展示了拥堵点在哪里，拥堵的时间规律是什么。同时，我们还可以用图表展示交通拥堵造成的经济损失、对居民出行时间的影响等。这些直观的数据可视化报告，比一份厚厚的文字研究报告更能引起决策者的注意，也更容易让他们理解问题的严重性和紧迫性。再比如，一个关于某项扶贫政策实施效果的追踪可视化报告，可以用折线图展示政策实施前后贫困率的变化，用柱状图对比政策实施前后不同群体的收入变化，用地图展示政策资源（如资金投入、项目分布）的落实情况。这些图表能直观地展示政策的效果，是促进了贫困reduction，还是存在哪些问题，比如政策覆盖不均等。基于这些可视化证据，政策制定者就能更准确地评估政策成效，及时调整政策策略，确保公共资源得到更有效的利用，最终推动社会问题的改善。可以说，数据可视化为政策制定提供了直观的“证据”，让决策更加科学、更加有针对性。所以你看，数据可视化在社会科学研究中，不仅仅是把数据画得好看，它真正的作用在于，通过直观化的方式揭示复杂现象的内在规律，打破学科壁垒促进跨界合作，以及将研究发现转化为推动社会进步的有效工具。它已经成为了现代社会科学研究中不可或缺的一部分，值得我们认真学习和掌握。本次试卷答案如下一、单项选择题答案及解析1.答案：B解析：数据可视化的核心目标是通过对数据进行图形化展示，使其中的模式、趋势和异常值等能够被更直观地理解和分析。选项A虽然重要，但不是核心；选项C是数据处理的手段，不是目标；选项D过于局限。2.答案：C解析：折线图最适合展示时间序列数据，因为它能够清晰地显示数据随时间的变化趋势。饼图适合展示部分与整体的关系；散点图适合展示两个变量之间的关系；柱状图适合比较不同类别的数据。3.答案：B解析：在社会科学研究中使用数据可视化的主要目的是为了更直观、更高效地传达复杂信息，帮助研究者、政策制定者以及公众更好地理解社会现象。选项A、C、D都存在以偏概全的问题。4.答案：C解析：交互式数据可视化是指用户可以通过与图表进行交互（如点击、拖拽等）来探索数据。选项A是静态图表；选项B是数据处理方法；选项D过于简单。5.答案：D解析：数据可视化的基本原则包括清晰性、准确性、简洁性和目的性。复杂性不是原则，反而会影响可视化效果。6.答案：A解析：在制作散点图时，通过观察点的分布形状可以初步判断两个变量之间是否存在相关性。选项B是计算相关系数的方法；选项C是区分不同组的方法；选项D过于绝对。7.答案：A解析：条形图和柱状图的主要区别在于适用场景。条形图通常用于展示分类数据，而柱状图通常用于展示连续数据。它们在视觉上没有本质区别。8.答案：B解析：在社会科学研究中，处理缺失数据常用的方法包括使用均值、中位数或众数填充。选项A是简单粗暴的方法；选项C是复杂的方法；选项D过于绝对。9.答案：C解析：热力图最适合展示多个分类变量的分布，它能够通过颜色的深浅来表示不同区域的数据密度。选项A、B、D都存在适用场景的限制。10.答案：D解析：在制作地图时，可以使用不同的符号、形状、大小和透明度来表示不同地区的数据。选项A、B、C都是表示方法，但不够全面。11.答案：B解析：在社会科学研究中，关注数据的分布是为了理解数据的集中趋势和离散程度，从而更好地分析社会现象。选项A、C、D都存在以偏概全的问题。12.答案：C解析：在制作箱线图时，中位数通常用横线表示。选项A、B、D都不是中位数的标准表示方法。13.答案：C解析：在社会科学研究中，处理异常值常用的方法是使用箱线图识别并处理异常值。选项A、B、D都存在适用场景的限制。14.答案：D解析：在制作折线图时，可以通过使用不同的颜色、线型、标记和透明度来表示数据的趋势。选项A、B、C都是表示方法，但不够全面。15.答案：B解析：在社会科学研究中使用多变量数据可视化的目的是为了理解多个变量之间的关系。选项A、C、D都存在以偏概全的问题。16.答案：A解析：在制作雷达图时，每个轴代表一个变量。选项B、C、D都存在适用场景的限制。17.答案：B解析：评估数据可视化的效果主要看图表是否清晰地传达了信息。选项A、C、D都存在以偏概全的问题。18.答案：B解析：在制作树状图时，通常使用不同的符号来表示数据的层次结构。选项A、C、D都存在适用场景的限制。19.答案：B解析：在社会科学研究中使用热力图是为了展示矩阵数据的分布，帮助研究者发现数据中的模式和趋势。选项A、C、D都存在以偏概全的问题。20.答案：D解析：在制作平行坐标图时，通常使用不同的大小来表示不同变量的值。选项A、B、C都存在适用场景的限制。二、多项选择题答案及解析1.答案：A、B、C、E解析：数据可视化的基本原则包括清晰性、准确性、简洁性和交互性。选项D复杂性不是原则。2.答案：A、B、C、D、E解析：在制作散点图时，可以通过使用不同的颜色、符号、形状、大小和透明度来表示数据点。所有选项都是常见的方法。3.答案：A、B、C、D、E解析：处理缺失数据的方法包括忽略缺失数据、使用均值、中位数或众数填充、使用插值法填充、使用复杂的统计模型自动处理。所有选项都是常见的方法。4.答案：A、B、C、D、E解析：在制作地图时，可以使用不同的颜色、符号、形状、大小和透明度来表示不同地区的数据。所有选项都是常见的方法。5.答案：B、C、D解析：饼图、热力图、茎叶图都适合展示多个分类变量的分布。散点图和雷达图主要用于展示连续数据和多个变量之间的关系。6.答案：A、B、C解析：在制作箱线图时，中位数、四分位数和异常值是必须的元素。箱体和横线不是必须的。7.答案：A、B、C、D、E解析：处理异常值的方法包括忽略异常值、使用均值、中位数或众数填充、使用箱线图识别并处理异常值、使用稳健统计方法。所有选项都是常见的方法。8.答案：A、B、C、D解析：在制作折线图时，可以通过使用不同的颜色、线型、标记和透明度来表示数