6专题三　数据处理与应用

第一部分信息技术

专题三数据处理与应用高考技术某省市专用考点集训考点一

常用表格数据的处理考点二

大数据处理目录考点一常用表格数据的处理考点集训1.(2022诸暨海亮高中期中,16)为了响应全民健身计划,某高中对学生进行了体质健康

测评,并用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M2:P15的数据是通过公式计算得到的,在M2单元格中输入公式后,再使用自动

填充功能完成该区域的计算,则N3单元格中的公式是“=SUMPRODUCT((

)*

($I$3:$I$553=N$1))”。(提示:M2单元格输入公式=SUMPRODUCT((A1:A100=“2”)*(I1:I100=“优秀”)),表

示同时满足A1:A100是2班和I1:I100是优秀这两个条件的情况数量,也就是进行条件计

数。)(2)根据图a中的数据制作的图表如图b所示。创建该图表的数据区域是

。$A$3:$A$553=$K3M1:P1,M16:P16

图b(3)对图a工作表进行相关数据分析,下列说法正确的是

(多选,填字母)。A.以“总分等级”为依据进行升序排序,选择的区域是A3:I553ABCB.选择“A3:I553”按照“总分等级”升序排序后,图b的图表不会发生改变C.现需要选出总分等级为“不及格”的学生,可选择区域A3:I553,以“总分等级”为

“不及格”进行筛选并保留结果D.为了显示男生立定跳远得分最高的3位学生数据,可先对“性别”为“男”进行筛

选,再对“立定跳远”进行筛选,选择最大的3项解析

(1)N3单元格表示2班总分等级为良好的数量,应查找A3:A553中等于2的,即与K

3中的值相同。(2)从题图b可知数据来自M1:P1,M16:P16。(3)先对“性别”为“男”

进行筛选,再对“立定跳远”进行筛选,选择最大的3项,筛选时分别对全体数据进行筛

选,不会只在“男生”中筛选立定跳远得分最高的3位学生。2.(2023杭州“六县九校”期中,16)小明同学为备战明年的计算机类研究生考试,收集

了部分高校的计算机专业复试分数线并进行分析。小明收集到的数据如图a所示。

请帮助小明同学对表格数据进行下列分析:(1)若想知道这些学校的总分情况,则在F2单元格先输入公式

(要求必须

使用函数),然后使用自动填充功能完成单元格F3:F8的计算。各院校总分展示图(2)现要求按照“总分”列进行降序排序,并筛选出总分在290分及以上的院校并显示,

最后绘制各个院校总分的垂直柱形图(如图b)。请在程序划线①②③处填入合适的代

码。importpandasaspdimportmatplotlib.pyplotaspltplt.rcParams['font.sans-serif']=['KaiTi','SimHei','FangSong']#图表中文显示处理df=pd.read_excel("score.xlsx")df1=df[①

]print(df1)

#输出筛选数据df=df.②

("总分",ascending=False)

#按照"总分"列降序排序print(df)

#输出排序好的数据#------创建图表代码------plt.title("各院校总分展示图")plt.xlabel("院校名称")plt.③

(df.院校名称,df.总分)#各个院校总分的垂直柱形图plt.show()

答案

(1)=SUM(B2:E2)(2)①df.总分>=290或者df["总分"]>=290②sort_values③

bar解析

本题主要考查pandas的数据处理。(1)求和函数是SUM(),F2单元格对应的求和区域是B2:E2,则F2单元格先输入公式=

SUM(B2:E2),然后使用自动填充功能完成单元格F3:F8的计算。(2)①筛选出总分在290分及以上的院校并显示,df1是筛选后的数据,故此处填df.总分>=

290或者df["总分"]>=290。②按照“总分”列降序排序,使用sort_values函数,故填sort_values。③绘制柱形图,使用plt.bar函数,故填bar。3.(2023杭州S9联盟联考,13)小明收集了当地2023年3月份的天气情况,数据存储在文件

“temp.xlsx”中,如图a所示。分析大的日期,并生成反映各类天气情况的天数

对比图如图b所示。

(1)在对表格进行数据整理时发现,“日期”可能存在的数据问题是

(单选:A.

数据缺失;B.数据异常;C.逻辑错误;D.数据格式不一致)。(2)程序代码如下所示,请在划线处填入合适的代码。importmatplotlib.pyplotaspltimportpandasaspdplt.rcParams["font.sans-serif"]=["SimHei"]#设置中文字体df=pd.read_excel("temp.xlsx")df[""]=①

#新增""列s=df.sort_values("",ascending=False,ignore_index=True)df_max=②

#获取大的日期,如并列只输出第一个日期print(df_max)df_t=s.groupby("天气",as_index=False).count()df_t=df_t.rename(columns={"日期":"天数"})#修改列名"日期"为"天数"x=df_t["天气"]y=df_t["天数"]③

(x,y,label="天气情况")plt.legend()plt.show()(3)观察图b,3月份天数最多的天气类型是

。

答案

(1)D(2)①df["最高气温"]-df["最低气温"]

②s["日期"][0]或s.at[0,"日期"]③plt.bar(3)小雨解析

本题主要考查pandas的数据处理。(1)由2023-3-5和2023/3/6可知存在的数据问题是数据格式不一致,故选D。(2)①新增“”列,故填df["最高气温"]-df["最低气温"]。②获取大的日期,上行代码已实现按“”进行降序排序,故此处填s["日期"]

[0]或s.at[0,"日期"]。③由题图b可知,绘制的是柱形图,故填plt.bar。(3)观察题图b,3月份天数最多的天气类型是小雨。4.(2023杭州地区点中学,15)某中学高一年级完成一次7选3意向调查,数据存储

在“xk73.xlsx”中,如图a所示,其中1代表选择科目,0代表弃选科目。

(1)使用pandas编程计算本次选课各门课人数占总人数的比例,请在划线处填入合适

的代码。importpandasaspdimportmatplotlib.pyplotaspltplt.rcParams['font.sans-serif']=['SimHei']#图表显示中文df=pd.read_excel("①

")a=[""]*len(df)#存储每个学生的选课组合dic={"物":0,"化":0,"生":0,"政":0,"历":0,"地":0,"技":0}foriindf.index:forjindf.columns[3:]:ifdf.at[i,j]==1:

②

a[i]+=jforiindic.keys():dic[i]=round(dic[i]/len(df)*100,2)(2)按照各科选考人数占比创建如图b所示的图表。各科选考人数占比df1=pd.DataFrame({"学科":dic.keys(),"人数占比":dic.values()})df1=①

plt.title("各科选考人数占比")plt.bar(②

,label="人数占比")plt.legend()plt.show()观察图b,横线处应填入的代码为:①

;②

(选填字母)。A.df1.sort_values("人数占比",ascending=True)B.df1.sort_values(“人数占比”,ascending=False)C.df1.学科,df1.人数占比

D.df1.人数占比,df1.学科(3)小想查询某种七选三组合有多少人。以下程序代码可以为小提供查询功能,程序运行示例如图c所示,请在划线处填入合适的代码。cx=input("请输入需要查询的选课组合:")t=0foriinrange(len(a)):if

:tt+1print(f"选择{cx}组合的同学共有:t}人")答案

(1)①xk73.xlsx②dic[j]+=1(2)①B②C(3)a[i]==cx或其他等价表达式解析

本题主要考查pandas的综合应用。(1)①数据存储在“xk73.xlsx”中,此处使用read_excel函数读取该文件,故填xk73.xl-

sx。②此处统计对应科目的选考人数,当df.at[i,j]==1时,dic[j]递增1,故填dic[j]+=1。(2)①由题图b可知,按“人数占比”进行降序排序,故填df1.sort_values("人数占比",as-

cending=False)。②由题图b可知,横坐标是学科,纵坐标是人数占比,故填df1.学科,df1.人数占比。(3)a=[""]*len(df)存储每个学生的选课组合,故此处if判断条件是a[i]==cx。5.(2023诸暨适应性考试,14)某校区举行优秀学员的评比。教务处统计了本校区的相关

数据并存储于“cj.xlsx”文件中,学生数据按照班级先后次序存储,如1班之后是2班学

生数据。文件部分内容如图a所示。为分析本次评比的结果情况,编写Python程序。请

回答下列问题:(1)读取“cj.xlsx”文件,为每个学生补充班级名称(1班到4班),班级人数存储在列表num

中。请在划线①②③处填入合适的代码。

(2)优秀学员的评比规则为:学业分数不低于80分,德育等级为A。统计每个班级优秀学

员人数,并绘制图表显示,如图b所示,部分Python程序如下。请在划线①②处填入合适

的代码。dfs=df[df["学业分数"]>=80]dfs=①

dfg=

dfg=dfg.rename(columns={"学业分数":"人数"})#将"学业分数"重命名为"人数"plt.bar(dfg["班级"],②

)plt.title("班级优秀人员对比图")plt.xlabel("班级")plt.ylabel("人数")plt.show()(3)加框处应填入的代码是

(单选,填字母)。A.dfs.groupby("班级",as_index=False).学业分数.count()B.dfs.groupby("班级",as_index=False).学业分数.sum()C.dfs.groupby("班级",as_index=True).学业分数.count()D.dfs.groupby("班级",as_index=True).学业分数.sum()答案

(1)①"cj.xlsx"②end=num[0]或end=num[k]③k+=1(2)①dfs[dfs["德育等级

"]=="A"]或dfs[dfs.德育等级=="A"]②dfg["人数"]或dfg.人数(3)A解析

本题主要考查pandas的综合应用。(1)①教务处统计了本校区的相关数据并存储于“cj.xlsx”文件中,此处使用read_excel

函数读取该表格,故填"cj.xlsx"。②num=[29,31,30,32]中存储4个班级的人数,此处取第一个班的人数保存到变量end中,

填空代码与下文有关系,end没赋值,故填end=num[0]或end=num[k]。③k表示班级,如果i=end,则k递增1,故填k+=1。(2)①优秀学员的评比规则为:学业分数不低于80分,德育等级为A。统计每个班级优秀

学员人数,并绘制图表显示,此处筛选出优秀学员,故填dfs[dfs["德育等级"]=="A"]或dfs[dfs.德育等级=="A"]。②由题图b可知,纵坐标是优秀学员的人数,故填dfg["人数"]或dfg.人数。(3)此处以“班级”进行分类汇总,并统计“学业分数”的数量,即每个班级优秀学员人

数,故填dfs.groupby("班级",as_index=False).学业分数.count(),故选A。6.(2023浙江1月选考,14,9分)小红收集了某省市2021年全年每天PM2.5、PM10、CO

浓度数据,每天的数据分别保存在以8位日期字符串命名的CSV文件中,部分文件如图a

所示,每个文件记录了一天24小时的监测数据,示例如图b所示。

为统计某省市A全年各月份PM2.5的月平均浓度(当月的日平均浓度的平均值),编写

Python程序。请回答下列问题:(1)定义pmday函数,功能为:读取某天的CSV文件,某省市A当天PM2.5的日平均浓

度。函数代码如下,划线处应填入的代码为

(单选,填字母)。A.df['类型']=='PM2.5'B.df['类型'=='PM2.5']C.df[df['类型']]=='PM2.5'D.df[df['类型']=='PM2.5']importpandasaspddefpmday(dayfile):df=pd.read_csv(dayfile)#读取文件dayfile中的数据df=

returndf某省市A'].mean()#某省市A当天PM2.5的日平均浓度(2)某省市A各月份PM2.5的月平均浓度并绘制线形图,部分Python程序如下,请在划

线处填入合适的代码。importmatplotlib.pyplotaspltdeftstr(t):ift<10:retrun'0'+str(t)else:retrunstr(t)pm=[0]*12mdays=[31,28,31,30,31,30,31,31,30,31,30,31]#2021年每月天数forminrange(12):sm=0mstr=tstr(m+1)fordinrange(①

):dstr=tstr(d+1)dayfile='2021'+mstr+dstr+'.csv'sd=pmday(dayfile)

②

pm[m]=sm/mdays[m]x=[1,2,3,4,5,6,7,8,9,10,11,12]y=③

plt.plot(x,y)#绘制线形图#设置绘图参数,显示如图c所示线形图,代码略

(某省市A2021年PM2.5年平均浓度为34.6微克/立方米。由图c可某省市A2021年PM

2.5月平均浓度超过年平均浓度的月份共

个。答案

(1)D(2)①mdays[m]②sm+=sd③pm(3)5解析

本题主要考查DataFrame中的数据处理及matplotlib模块绘图。(1)由题意可知:需要某省市A当天PM2.5的日平均浓度,df[df['类型']=='PM2.5']表示由

满足条件的行构成的二维表。(2)①m的数值表示一年的12个月,d的数值表示12个月中的每个月的天数。②由代码可

知,sd为PM2.5的日平均浓度,sm为每个月中每一天平均值的累加,所以应填sm+=sd。③

由题图c可知,y轴的数据为每个月的PM2.5的平均浓度。(3)根据题图c可知,超过34.6的点共有5个。考点二大数据处理1.(2023宁波三锋期中,2)下列关于大数据与大数据处理的说法,不正确的是

()A.处理大数据时,一般采用分治思想B.大数据的处理对象是全体数据,而不是抽样数据C.大数据的特点是数据量大、速度快、数据类型多、价值密度低D.Hadoop是一个可运行于大规模计算机集群上的分布式系统基础架构,适用于处理实

时数据D解析

Hadoop适用于静态数据的批处理计算。2.(2023金华十校联考,3)下列有关大数据处理、数据可视化的说法不正确的是

(

)A.静态数据是指处理时已收集完成、计算时不会发生改变的数据B.流数据主要是指不间断地、持续地到达的实时数据C.图计算是指有关大量图片的计算D某省市生产总值占比情况”可以采用饼图或环形图呈现C解析

图计算不是指简单的图片计算,而是指数据之间以图的形式呈现,节点与边之间

的错综复杂关系的处理。3.(2023浙江7月学考,9,3某省市2022年全年气象灾害预警数据保存在文件“qxyj.xl-

sx”中,部分数据如图所示,编写Python程序,统计全年发布次数最多的5种气象预警。

importpandasaspddf=pd.read_excel("qxyj.xlsx")#读文件中的数据df=df.drop(["预警发布单位","预警等级","预警发布时间"],axis=1)#删除列print(df_s[0:5])方框中代码由下列语句中的部分语句组成:①df_g=df.groupby("预警名称",as_index=False).sum()#分组求和②df_g=df_s.groupby("次数",as_index=False).sum()③df_s=df.sort_values("次数",ascending=True)#升序排序④df_s=df_g.sort_values("次数",ascending=False)要实现上述功能,下列选项中正确的是

()A.①④B.①③C.②④D.③②A解析

本题考查pandas数据分析。可选语句①②进行分组求和、③④升序和降序排

序:根据题干的描述“统计全年发布次数最多的5种气象预警”,需要对气象预警进行

分组,对发布次数进行统计。在统计时,根据输出中的df_s[0:5]可知需要降序排序,因此

答案A符合题意。4.在网上搜索的文章《绿》,如图所示。

(1)搜索信息并保存为txt文件,该过程称为

。(2)“绿.txt”文件的文本类型是

。(填写字母:A.结构化数据/B.半结构化数据/采集信息CC.非结构化数据)(3)制作标签云的代码如下:importcollectionsimportjiebaimportwordcloudaswcimportnumpyasnpfromPILimportImagewcg=wc.WordCloud(background_color="white",font_path='assets/msyh.ttf')text=open('data/绿.txt',encoding='utf-8')read()seg_list=①

f=collections.Counter(seg_list)wcg.fit_words(f)wcg.to_file('output/b.png')划线处①语句是调用jieba对象的cut函数对变量为text的文件进行分词,则该处语句为

。jieba.cut(text)

该图片的文件名是

,表现该文本特征的是

。(至少

写出3个)(4)得到的标签云如图所示。b.png我、的、着、了、绿、你解析

(1)获取信息的过程称为采集信息。(2)从文件的内容来看,属于非结构化信息。

(3)jieba对象的cut函数对文本文件进行切割,应为jieba.cut(text)。(4)语句wcg.to_file('

output/b.png')定义输出图片名称。标签云用词频表现文本特征,一般以文字大小的形

式代表词语的重要性。5.(2024教改共同体月考,14)小明收某省市2022年1月的线上订单数据,存储某省市

销售数据.xlsx”中,部分界面如图1。

(1)当前原始数据中存在哪些需要进行更改的数据问题?应如何修改?(写出一种即可)

(2)当前Excel表中需要计算订单中每种商品的销售金额(销售金额=销售数量×商品单价),在J2单元格中应填写的是

,并自动填充到下方的单元格中。(3)小明想要求出销售数量最多的10项洗化类的商品,运用Python处理数据后的效果如

图2。

部分Python代码如下,请完成代码片段的填空。importpandasaspdimportmatplotlib.pyplotaspltdf=pd.read_excel某省市销售数据.xlsx")plt.rc("font",**{"family":"SimHei"})#设置字体df=df[df["商品类别"]=="洗化"]#筛选出洗化用品g=df.groupby("商品名称").sum()plt.title("最畅销10大洗化用品")plt.xlabel("洗化用品")plt.ylabel("销售数量")plt.show()答案

(1)问题一:“单位”列中的单位没有统一,有些是“KG”,有些是“千克”。修

改:将所有的“KG”都更改成“千克”。问题二:部分数据缺失,例如G8单元格、F15单元格等。修改:按照内容核实后补齐。问题三:部分数据异常,例如I11单元格,商品单价为99999。修改:按照内容核实后进行

更改。(2)=H2*I2(3)g=g.sort_values("销售数量",ascending=False)[0:10]plt.bar(g.index,g["销售数量"])或g=g.sort_values("销售数量",ascending=False).head(10)plt.bar(g.index,g.销售数量)解析

(1)主要考查数据整理的相关内容,注意寻找异常数据。(2)公式计算时,需要注意等号及乘号的书写。(3)根据题意需求出销售数量最多的10项洗化类的商品,因此在筛选出洗化类产品后,需

要按照销售数量进行降序排序,同时绘制柱形图。6.(2024五校联考5月月考,14)小明收集某省市某地3月各类共享单车的部分骑行数据

记录,每天的用户数据存储在“bike.xlsx”文件中(不考虑跨天数据)。部分数据格式如

图a所示,请回答下列问题:

(1)trans函数功能为:读取骑行开始时间或结束时间,获取小时和分钟部分,转换为分钟

格式并返回,如“2024/03/0121:12”获取“21:12”转换为1272(21*60+12=1272),代码

如下。请在划线处填入合适的代码。deftrans(t):n=len(t)foriinrange(n):ift[i]=="":p=iift[i]==":":q=itime=

returntime(2)共享单车计费规则如下:起步价1.5元(含15分钟),超出15分钟,时长费0.5元/15分钟,不

足15分钟以15分钟计算。考虑到车辆损坏等情况,2分钟内(不含2分钟)的骑行数据作

废,因此本程序实现过滤骑行时间在2分钟内的数据行,统计各条记录的骑行时间及本

月各类单车的收益。

importpandasaspdimportmathdf.insert(4,"骑行时长","")#插入一列dic={'青桔单车':0,'OFO单车':0,'美团单车':0,'摩拜单车':0)foriindf.index:c=trans(df.at[i,"结束时间"])-trans(df.at[i,"开始时间"])df.at[i,"骑行时长"]=cifc<2:fee=0elif2<