_第五章《数据处理和可视化表达》课件 2023—2024学年粤教版（2019）高中信息技术必修1.pptxVIP

;多样化的数据;数据的概念;数据的概念;;大数据是指无法在可承受的时间范围内用常规软件工具进行高效捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。;二、大数据的特征;多样化：即数据类型繁多;价值密度低;变化速度快;二、大数据的特征;二、大数据的特征;三、大数据对日常生活的影响;;;;方便购物与产品推介;三、大数据对日常生活的影响;P64例1、例2、例3、例4;【二、数据的采集】;【二、数据的采集】;【二、数据的采集】;【二、数据的采集】;【二、数据的采集】;【二、数据的采集】;【二、数据的采集】;【二、数据的采集】;P6815;如何对数据;数据

分析;关联分析;特征探索的主要任务是对数据进行预处理，发现和处理缺失值、异常数据，绘制直方图，观察分析数据的分布特征，求最大值、最小值、极差等描述性统计量。;（如果价格为0的，修改为64）

x=0

data[price][(data[price]==0)]=None

foriindata.columns:

forjinrange(len(data)):

if(data[i].isnull())[j]:

data[i][j]=64

x+=1

print(x);（横轴：价格，纵轴：评论数）

data2=data.T

price=data2.values[2]

comt=data2.values[3]

plt.xlabel(price)#显示X坐标标签

plt.ylabel(comt)#显示Y坐标标签

pyl.plot(price,comt,o)

pyl.show();

x=0

foriinrange(0,line):

forjinrange(0,col):

if(da[i][3]65):#评论数大于65

continue

elif(da[i][2]100):#价格大于100

continue

else:

if(x==0):

newda=da[i]

else:

newda=npy.row_stack((newda,da[i]))

x+=1

da2=newda.T

price=da2[2]

comt=da2[3]

plt.xlabel(price)#显示X坐标标签

plt.ylabel(comt)#显示Y坐标标签

pyl.plot(price,comt,o)

pyl.show();关联分析是分析并发现存在于大量数据之间的关联性或相关性，从而描述一个事物中某些属性同时出现的规律和模式。;流水号;典型例子：购物篮分析;聚类分析是一种探索性的分析，在分类的过程中，不必事先给出一个分类的标准，从样本数据??发，自动进行分类;试把下图分成几组

观看K-平均聚类分析微课，试总结其步骤;观看微课;聚类分析

是一种探索性的分析，在分类的过程中，不必事先给出一个分类的标准，从样本数据出发，自动进行分类。;数据分类是数据分析处理中最基本的方法。数据分类通常的做法是，基于样本数据先训练构建分类函数或者分类模型（分类器），该分类器具有将待分类数据项映射到某一特点类别的功能，实现对未分类的数据分类。;96;数据可视化表达是指以图形、图像、地图、动画等生动、易于理解的方式展示数据和诠释数据之间的关系、趋势与规律等，以便更好地理解数据。

优点：把枯燥乏味的海量数据以丰富的视觉效果呈现数据所反映的本质问题，有效提升数据分析的效率。;【四、数据的可视化表达】;【四、数据的可视化表达】;【选择题】;【选择题】;【判断题】;【判断题】;【知识体系】