《Python大数据可视化方法与实践（微课版）》-习题及答案 梁同乐

《Python大数据可视化方法与实践》习题与答案第一章大数据可视化基础1.什么是数据？答案：数据是对客观事物属性、状态和变化的记录，是信息和知识形成的基础。2.信息和数据有什么区别与联系？答案：数据是原始记录，信息是从数据中提取出的有用内容；数据经过加工处理形成信息，信息数字化后又以数据形式存储和传输。3.表达数据的基本图形有哪些？答案：柱形图、条形图、折线图、直方图、饼图、散点图、热力图、箱线图、小提琴图、雷达图、词云图等。4.什么是知识？答案：知识是对数据和信息进一步处理、总结和提炼后形成的系统性、规律性、可预测性的认识。5.简述大数据可视化的目的。答案：把复杂、海量的数据转换为直观图形，帮助用户发现问题、洞察趋势、验证假设并辅助决策。6.为什么说“可视化映射”是数据可视化流程的核心？答案：可视化映射把数据的数值、位置、关系等信息转换为标记、位置、形状、大小、颜色等视觉通道，使用户能够从图形中理解信息和规律。7.简述数据可视化的流程。答案：原始数据获取、数据分析与处理、数据过滤、可视化映射、绘制渲染、用户感知与交互。8.格式塔理论的基本原则是什么？答案：接近原则、相似原则、连续原则、闭合原则、共同命运原则、图形与背景原则等。9.某商品价格变化趋势用柱形图和折线图呈现，哪种效果更好？答案：折线图更好，因为折线图更适合表现连续时间序列中的变化趋势和波动。第二章可视化编程基础1.数据获取有哪些方式？答案：客户提供数据、网络爬取数据、数据资源平台获取数据等。2.什么是Robots协议？答案：Robots协议是网站通过robots.txt声明搜索引擎或爬虫可访问范围的规则文件。3.分布式文件系统与图形数据库在应用场景上的区别。答案：分布式文件系统适合海量文件和非结构化数据的分布式存储；图形数据库适合存储和查询实体及其复杂关系。4.爬虫程序可能引发的问题有哪些？答案：性能影响、法律风险、隐私泄露、数据安全风险和违反网站访问规则等。5.简述分布式文件系统。答案：分布式文件系统将数据分散存储在多台服务器上，通过统一命名空间实现高容量、高可靠和可扩展的数据存取。6.简述数据格式的意义。答案：数据格式决定数据的组织、存储、交换和解析方式，影响后续处理效率和可用性。7.数据质量的特性有哪些？答案：完整性、准确性、一致性、及时性、唯一性、有效性等。8.简述数据预处理流程。答案：数据清洗、数据集成、数据变换、数据规约和格式化处理。9.简述属性间的相关关系与因果关系。答案：相关关系表示变量间存在统计关联，因果关系表示一个变量变化会导致另一个变量变化；相关不等于因果。第三章对比与趋势可视化1.柱形图和折线图分别适合表达什么类型的数据？答案：柱形图适合类别间数量对比；折线图适合连续时间或有序变量的趋势变化。2.简述箱线图的优点。答案：能够同时展示中位数、四分位数、离散程度和异常值，便于比较多组数据分布。3.单柱图和簇状柱形图的区别是什么？答案：单柱图展示一组类别数据；簇状柱形图在同一类别下并列展示多组数据，便于横向比较。4.箱线图基于哪5个关键统计量绘制？答案：最小值、第一四分位数Q1、中位数Q2、第三四分位数Q3、最大值。5.箱线图中四分位距IQR的计算公式。答案：IQR=Q3-Q1。6.箱线图异常值判断。答案：小于Q1-1.5IQR或大于Q3+1.5IQR的数据点视为异常值。7.词云图的基本原理及优势。答案：词云图依据词频或权重调整词语大小、颜色和位置，能够直观突出文本中的高频词和主题。8.三地区降雨量折线图。答案：importmatplotlib.pyplotaspltplt.rcParams['font.sans-serif']=['SimHei']months=list(range(1,13))area_a=[80,62,70,95,120,160,210,180,130,95,70,60]area_b=[50,55,68,80,110,150,170,165,120,90,65,52]area_c=[40,48,60,75,100,130,150,140,105,82,58,45]plt.plot(months,area_a,color='red',marker='o',label='地区A')plt.plot(months,area_b,color='blue',marker='s',label='地区B')plt.plot(months,area_c,color='green',marker='^',label='地区C')plt.xlabel('月份')plt.ylabel('降雨量')plt.title('三个地区月降雨量趋势')plt.legend()plt.show()9.水电费实训。答案：importmatplotlib.pyplotaspltplt.rcParams['font.sans-serif']=['SimHei']months=['1月','2月','3月','4月','5月','6月','7月','8月','9月','10月','11月','12月']water=[20,25,37,38,38,48,50,55,53,38,25,28]electric=[220,175,198,187,190,260,350,320,330,230,290,330]x=range(len(months))plt.bar(x,water,width=0.4,label='水费')plt.bar([i+0.4foriinx],electric,width=0.4,label='电费')plt.xticks([i+0.2foriinx],months)plt.title('水电费统计')plt.legend()plt.show()plt.plot(months,electric,marker='o',label='电费')plt.title('电费每月浮动趋势')plt.xlabel('月份')plt.ylabel('电费/元')plt.legend()plt.show()第四章比例数据可视化1.显示整体内各部分比例选择哪类图表？答案：A.饼图。2.圆环图与饼图相比有哪些优势？答案：圆环图视觉更简洁，中间可显示文字信息，也更便于多组比例数据对比。3.代码参数解释题。答案：autopct设置百分比格式；startangle设置起始角度；pctdistance设置百分比文本位置；wedgeprops设置扇区或圆环属性；center_circle用于形成圆环中心；ax.text()添加中心文字；axis('equal')保证饼图为正圆。4.基本饼图实训。答案：importmatplotlib.pyplotaspltplt.rcParams['font.sans-serif']=['SimHei']labels=['面粉','黄油','鸡蛋','草莓']sizes=[35,15,20,30]colors=['#377eb8','#4daf4a','#984ea3','#ff7f00']explode=[0,0.1,0,0]plt.pie(sizes,labels=labels,colors=colors,explode=explode,autopct='%3.1f%%',startangle=90)plt.title('不同材料的占比')plt.axis('equal')plt.show()第五章关系数据可视化1.散点图和气泡图比较的数值个数。答案：散点图比较2个数值，气泡图比较3个数值。2.电商企业展示不同商品销售趋势的图表。答案：条形图和线图的组合图。3.散点图与气泡图的相同点和不同点。答案：相同点：都用点的位置表达变量关系；不同点：气泡图通过点大小增加第三个变量维度，还可用颜色表达更多维度。4.什么是直方图？答案：直方图用连续区间的柱形展示数值型数据的频数或频率分布。5.Planets数据集实训。答案：importseabornassnsimportmatplotlib.pyplotaspltplt.rcParams['font.sans-serif']=['SimHei']planets=sns.load_dataset('planets').dropna(subset=['orbital_period','mass','distance','method'])sns.scatterplot(data=planets,x='orbital_period',y='mass',size='distance',hue='method',alpha=0.6,sizes=(20,300))plt.xlabel('轨道周期/日')plt.ylabel('质量/地球质量')plt.title('太阳系外行星特性与探测方法')plt.xscale('log')plt.yscale('log')plt.legend(bbox_to_anchor=(1.05,1),loc='upperleft')plt.show()第六章增强可视化效果1.哪些情况适合画布划分？答案：需要同时展示多个变量、多个类别、多个阶段或多个图表进行对比时适合画布划分。2.共享坐标轴与画布划分分别适合什么场景？答案：共享坐标轴适合同一x轴或y轴下不同量纲数据的联合展示；画布划分适合多个独立图形的并列比较。3.fig、ax分别表示什么？答案：fig表示整张画布对象，ax表示坐标轴或子图对象。4.matplotlib.pyplot.grid()的作用。答案：为图表添加网格线，便于读取和比较数值。5.subplots参数作用。答案：nrows和ncols指定子图行列数，sharex和sharey指定是否共享x轴或y轴。6.生成共享x轴或y轴坐标轴实例的函数。答案：twinx()用于共享x轴并创建右侧y轴，twiny()用于共享y轴并创建上方x轴。7.如何添加注解？答案：使用annotate()方法添加注解。8.四季温度湿度共享坐标轴图像。答案：importmatplotlib.pyplotaspltplt.rcParams['font.sans-serif']=['SimHei']season=['春季','夏季','秋季','冬季']temperature=[23,34,26,17]humidity=[60,75,55,48]fig,ax1=plt.subplots()ax1.bar(season,temperature,color='lightgreen',label='平均温度')ax1.set_ylabel('平均温度',color='green')ax1.tick_params(axis='x',labelsize=12,rotation=20)ax2=ax1.twinx()ax2.plot(season,humidity,color='blue',marker='o',label='平均湿度')ax2.set_ylabel('平均湿度')ax2.set_ylim(40)ax1.legend(loc='upperleft')ax2.legend(loc='upperright')plt.title('共享坐标轴图像')plt.show()第七章可视化探索大数据1.数据值缺失的原因。答案：数据采集失败、录入遗漏、系统故障、字段不适用、人为删除、传输错误等。2.missingno.matrix()的作用。答案：以矩阵形式展示数据集中各字段缺失值的分布情况。3.柱形图显示缺失情况替换为什么？答案：将missingno.matrix()替换为missingno.bar()。4.三种常用缺失值处理方法及优缺点。答案：删除法简单但可能损失样本；填补法保留数据但可能引入偏差；模型预测填补利用变量关系但依赖模型质量。5.什么是回归？实现回归分析步骤是什么？答案：回归是研究因变量与自变量之间数量关系的方法；步骤为确定变量、选择模型、估计参数、检验模型、预测和解释结果。6.Iris数据集绘图。答案：importseabornassnsimportmatplotlib.pyplotaspltiris=sns.load_dataset('iris')sns.scatterplot(data=iris,x='petal_length',y='petal_width',hue='species')plt.title('鸢尾花花瓣长度与宽度关系')plt.show()sns.boxplot(data=iris,x='species',y='sepal_length')plt.title('不同鸢尾花类别的花萼长度分布')plt.show()7.招聘计划回归预测。答案：importnumpyasnpfromsklearn.linear_modelimportLinearRegression#示例训练数据需替换为教材给定历史生产数据total_hours=np.array([900000,1000000,1100000,1200000,1300000]).reshape(-1,1)workers=np.array([110,125,140,155,170])model=LinearRegression()model.fit(total_hours,workers)need_workers=model.predict([[1562321]])[0]recruit=need_workers-191print(round(need_workers))print(round(recruit))第八章知识图谱可视化1.代码作用说明错误项。答案：C。2.三元组的3个元素不包括哪项？答案：C.节点。3.关于知识图谱说法错误项。答案：B。4.文本实体抽取展示的过程。答案：D.实体识别。5.关系抽取的主要任务。答案：C.检测文本中的实体是否具有某种预定义的关系。6.知识图谱的基本组成单位。答案：B.实体、关系、实体。7.知识图谱常用知识表示方式。答案：B.资源描述框架。8.create_triple中越界判断代码作用。答案：当依存分析返回的索引超出分词列表范围时，直接返回已有三元组，防止数组越界。9.给定语料的3个三元组。答案：（小明，居住在，上海）；（小明，买了，一箱可乐）；（小明，喝，碳酸饮料）。10.Neo4j实训。答案：CREATE(xm:Person{name:'小明'})CREATE(sh:Place{name:'上海'})CREATE(cola:Goods{name:'一箱可乐'})CREATE(drink:Drink{name:'碳酸饮料'})CREATE(xm)-[:居住在]->(sh)CREATE(xm)-[:买了]->(cola)CREATE(xm)-[:喝]->(drink);第九章AI数据可视化1.下列说法中错误的是。答案：C.AI生成的代码一定不会出错。2.下面哪项不是AI可视化工具？答案：C.Word。3.Flourish在图表制作过程中提供的主要功能。答案：数据上传、图表模板选择、样式设置、交互配置、预览和导出发布。4.数据清洗和特征提取的作用。答案：数据清洗用于处理