2022高中信息技术 基础知识综合复习 优化集训15 编程处理图片、文本数据处理、数据可视化、大数据典型应用.docx

1、优化集训15编程处理图片、文本数据处理、数据可视化、大数据典型应用1.matplotlib是一个绘图库,使用其中的子库所提供的函数可以快速绘图和设置图表的坐标轴、坐标轴刻度、图例等。2.某Python小程序功能如下:读取文本文件“班级数据.txt”中存放的某班所有同学的体重和身高数据(每一行记录一位同学的姓名、体重(kg)和身高(m),以1个空格分隔)。通过对身高和体重数据的处理,得到包含每位同学BMI值和相应评价信息的反馈结果并输出(如图b所示)。BMI的计算公式为:BMI指数(=体重/身高的平方)。评价规则为:(1)BMI18.5“体重过轻!”(2)18.5=BMI25“体重过重!”图a图

2、b实现上述功能的Python程序如下,请回答下列问题:(1)加框处代码有误,请给出正确代码。(2)请在划线处填入合适代码。#“bmi”函数作用:通过体重和身高数据计算BMI值并给出评价信息:#计算BMI指数并四舍五入保留2位小数bmi=round(w/h * 2,2)if bmi 18.5:s=BMI为 + str(bmi) + 体重过轻!elseif bmi =25:s=BMI为 + str(bmi) + 正常else:s=BMI为 + str(bmi) + 体重过重!#返回函数计算结果f=open(班级数据.txt,r,encoding=utf8)#以读文件模式打开“班级数据.txt”li

3、st1=list2=#以下for循环用于读取“班级数据.txt”中每行数据,并处理得到相应的反馈信息for line in f.readlines():list1=line.strip().split( )# 去除当前行数据的行尾换行符并以空格为分割符进行分割w=float(list11)h=float(list12)#处理数据得到当前学生的反馈结果list2.append(ret)for i in list2:print(i)f.close() #关闭文件3.利用Python分析数据的步骤如下,请在2和3处填入相应的内容。4.某Python小程序用语句f=open(a.txt,r,encod

4、ing=utf8)打开文档,则文档名为,打开模式为(单选,填字母:A.只读/B.可读可写)。5.执行如下程序段:s=I want,I can!print(len(s.split( )输出的结果为。6.某Python程序运行后,绘制了下图。则绘图时kind参数的值为(单选,填字母:A.bar/B.barh/C.line/D.kde)7.文本数据处理的目的是从大规模的文本数据中提取出的、的和的信息。8.文本内容是非结构化数据,文本数据处理的准备工作是先将文本从无结构的原始状态转化为且便于计算机处理的数据。9.下图是典型的文本处理过程,请在空白处填上中间环节。10.常用中文分词算法有:基于的分词方法

5、、基于的分词方法、基于的分词方法。11.中文文本分析时,可采用、或作为表示文本的特征项。多数采用作为特征项。12.特征提取时通常用和得出的结果作为特征词;通过特征提取来找出最具代表性、最有效的文本特征。13.是文本可视化的一种方式,用词频表现文本特征,将关键词按照一定的顺序和规律排列,并以的形式代表词语的重要性。14.是通过计算机技术对文本的主观性、观点、情绪、极性进行挖掘和分析,对文本的情感倾向做出分类判断。15.大数据应用领域,随着大数据在各行业的应用,成为核心资产。优化集训15编程处理图片、文本数据处理、数据可视化、大数据典型应用1.pyplot2.(1)elif bmi =25解析多条

6、件的分支语句,除第1条件在if后,其他条件跟在elif后。(2)def bmi(w,h)解析自定义函数的语法格式如下:def函数名(参数集合):return函数值函数名注释语句中可知为bmi,参数由函数体中语句可知为体重w和身高h,函数集合中相邻两个形参之间用逗号分隔。return s解析由注释语句可知函数用于返回评价信息,查看函数体可知变量s指向评价信息。ret=list10+bmi(w,h)解析观察图b可知反馈结果由每位学生的姓名和评价信息组成,姓名对应当前行信息分割结果所在列表list1中的第1个元素(索引为0),评价信息调用了自定义函数bmi,实参为当前学生的体重w和身高h,通过“自定义函数名”进行调用,多个实参用逗号分隔。3.编制程序查看结果4.a.txtA5.3解析s.split()是以空格为分割符将字符串s分为3部分,并将结果存入列表。6.B解析bar(柱形图/直方图)、barh(条形图)、Line(折线图/散布图)、kde(密度图)。7.符合需要感兴趣隐藏8.结构化9.分词特征抽取10.词典统计规则11.字词短语词12.分词算法词频统计13.标签云文字大小14.文本情感分析15.数据