# 题目库 · 必修 1·数据与计算 第 03 章「数据处理与应用」

> **章节**：必修 1·数据与计算 第 03 章 数据处理与应用
> **题目来源**：教材原题（从正文提取）+ AI 设计补充题（基于核心要点 + 易错点）
> **答案完整度**：A/B/C/D 四档每题都含参考答案

---

## B 档 · 选择题

**B1.** 数据处理的一般过程通常分为四个环节，下列顺序正确的是？
- A. 数据分析→数据采集→数据整理→数据呈现
- B. 数据采集→数据整理→数据分析→数据呈现
- C. 数据采集→数据分析→数据整理→数据呈现
- D. 数据整理→数据采集→数据呈现→数据分析

**答案**：B
**解析**：根据教材 3.1.2 节明示，数据处理一般要经历「数据采集→数据整理→数据分析和数据呈现」四个环节。采集是基础（无数据则无处理），整理是前提（脏数据不能直接分析），分析是核心（提取价值信息），呈现是出口（直观表达结果），顺序不可颠倒，错则可能「未整理先分析」得出错误结论。本题是本章最基础也最重要的概念，贯穿整个 3.2-3.4 节。

**B2.** 关于传感器采集数据，下列说法正确的是？
- A. 传感器只能采集温度数据
- B. 传感器必须连接电脑才能工作
- C. 传感器能感受被测量信息并按一定规律转换成电信号
- D. 传感器采集的数据都不需要整理

**答案**：C
**解析**：教材 3.2.1 节明确给出传感器的定义：「传感器是一种检测装置，能感受到被测量的信息，并能将信息按一定规律转换成电信号或其他所需形式的信息输出」。A 错（传感器种类繁多，包括温度、压力、红外、距离、声音、加速度、光线等）；B 错（许多传感器已通过物联网无线传输）；D 错（所有数据采集后都需整理，传感器数据也不例外）。本题考查传感器定义和分类。

**B3.** 下列关于「脏数据」的描述，错误的是？
- A. 脏数据指非标准化、不完整或有重复的数据
- B. 脏数据可以通过去重、补漏、勘误处理
- C. 整理后的清洁数据必须保证完整性、统一性和准确性
- D. 脏数据不影响数据分析结果，可以直接使用

**答案**：D
**解析**：教材 3.2.2 节明示，脏数据是「非标准化的、不完整或重复」的数据，必须经过去重、补漏、勘误变成「清洁数据」才能用于分析，因为脏数据会严重影响分析结论（如把用水量-191.29 当成正常值就会得出完全错误的结论）。A、B、C 都是正确的表述。本题是易错题，很多同学误以为「先采的数据就能直接分析」，实则整理是数据分析前不可或缺的环节。

**B4.** 下列哪种图表最适合展示某地区用水结构（农业、工业、生活、生态各占多少比例）？
- A. 折线图
- B. 柱形图
- C. 饼图
- D. 散点图

**答案**：C
**解析**：饼图最擅长展示「部分与整体的占比关系」，各扇区面积对应各部分百分比，所有扇区之和为 100%。折线图看趋势、柱形图比大小、散点图看关联，都不适合展示占比结构。本题考查图表与数据类型的匹配关系，是数据可视化最基础的选择题。要注意扇区数量不宜超过 7 个，否则难以辨识。

**B5.** 下列关于数据保护的说法，正确的是？
- A. 数据备份和数据加密是同一回事
- B. 数据备份的主要目的是防止数据泄露
- C. 数据加密是将明文数据变换成难以识别的密文数据
- D. 连接任何无线网络都不会影响数据安全

**答案**：C
**解析**：教材 3.2.3 节明示，数据加密是「使用特定算法把敏感的明文数据变换成难以识别的密文数据」。A 错（备份防丢失、加密防泄露，目的不同）；B 错（备份防的是「数据丢失」，不是泄露）；D 错（应连接可信无线网络，不可信的公共 WiFi 可能被监听）。本题是易混淆点，要区分「备份」和「加密」的不同防护目标，参见教材中两个并列小节。

**B6.** 某研究小组要对比 2016 年京津冀三地的人均水资源量与全国平均水平，应采用哪种数据分析方法？
- A. 平均分析法
- B. 对比分析法
- C. 结构分析法
- D. 相关分析法

**答案**：B
**解析**：对比分析法是将两个或两个以上的数据进行比较，分析差异、揭示规律。京津冀 vs 全国平均、横向对比三地差异都是典型的对比分析法。平均分析侧重「整体水平」，结构分析侧重「内部占比」，本题既不求平均也不算占比，明显是对比。本题考查三种基本分析方法的区分，关键看分析目的是「比差异」「看水平」还是「看构成」。

**B7.** 下列关于网络爬虫的说法，不符合规范的是？
- A. 爬虫只能爬取公开数据
- B. 爬虫要遵守 robots.txt 协议
- C. 可以使用爬虫爬取任何网站的用户个人信息用于商业分析
- D. 爬虫采集的数据要遵守相关法律法规

**答案**：C
**解析**：教材 3.2.1 节明示，《中华人民共和国网络安全法》及最新刑事司法解释规定，「非法提供」和「非法获取」公民个人信息构成犯罪的都可以入刑。因此爬虫必须合规：只采公开数据、遵守 robots.txt、合理使用、不可爬取个人信息用于非法目的。A、B、D 都是合规要求的正确表述。本题是数据安全与法律意识的考查点。

**B8.** 关于数据分析报告的结构，下列哪个说法是正确的？
- A. 数据分析报告只需要写数据分析过程，不需要结论
- B. 数据分析报告的标准结构是开篇→正文→结尾三部分
- C. 数据分析报告中不能放图表
- D. 数据分析报告不需要注明数据来源

**答案**：B
**解析**：教材 3.4.1 节明示，数据分析报告的标准结构为「开篇（含标题、前言）+ 正文（含分析过程）+ 结尾（含结论建议、附录）」。A 错（没有结论的报告失去核心价值）；C 错（图表是报告的核心要素）；D 错（数据来源必须在开篇或附录中注明以保证可追溯）。本题是报告撰写的规范性考查，强调「结构完整、来源清晰、结论明确」三大要点。

## A 档 · 教材原题

> 核心考点：A1 = 数据处理一般过程（采集→整理→分析→呈现）；A2 = 数据采集、整理与安全保护；A3 = 数据分析与可视化；A4 = 数据分析报告撰写。

### A1. 3.1 练习提升

**Q1.** 信息技术的发展，为同学们提供了丰富的数字化学习工具。试从数字化学习工具种类、使用广泛度、应用效果等方面设计一个数字化学习工具使用情况调查方案（方案中应当体现数据处理的一般过程），了解同学们使用数字化学习工具的现状。

📘 **参考答案**：本调查方案应体现「数据采集→数据整理→数据分析→数据呈现」四个环节的完整流程。**数据采集环节**：明确调查目标（了解高中生数字化学习工具使用现状），确定调查对象（本校高一至高三学生），设计包含工具种类（电子词典、学习 APP、网课平台、在线题库等）、使用频次（日/周/月）、使用时长、应用效果（成绩提升、效率提升、兴趣提升等）维度的问卷；通过问卷星等在线问卷平台发放，并对部分学生进行结构化访谈补充。**数据整理环节**：回收问卷后用 Excel 或 pandas 进行校验和标准化——剔除无效问卷（如填写时间过短、答案明显矛盾的样本）、补全缺失项、统一编码（如「搜狗词典」「有道词典」统一归为「电子词典类」）、去除重复提交，将整理后的数据保存为 CSV 文件。**数据分析环节**：用对比分析法比较高一/高二/高三的使用差异；用平均分析法计算日均使用时长；用结构分析法算出各类工具的使用占比；可交叉分析「使用时长」与「应用效果」的相关性。**数据呈现环节**：用柱形图对比年级差异、饼图呈现工具种类占比、折线图呈现使用趋势，得出针对性的结论。整个方案还应包含进度安排、人员分工与预期成果形式（电子报告 + 演示文稿）。

**Q2.** 随着互联网学习资源的不断丰富，越来越多的人利用网络教学资源进行学习。互联网学习平台能够分析学习者在网络学习中的行为，可以掌握学习者的学习特征，发现学习中存在的困难，进而调整学习者的学习策略或方法。

思考：
① 为实现上述目标，需要处理哪些学习者网络学习行为方面的数据？
② 在处理这些数据时，怎样保护学习者的个人隐私不受侵犯？

📘 **参考答案**：**①需处理的数据**：1）登录与访问数据——登录时间、在线时长、访问次数、访问时段（早/中/晚/深夜）；2）学习行为数据——观看视频的进度、回看次数、暂停/快进节点、答题正误、错题分布、笔记内容、提问频次；3）交互数据——讨论区发言、点赞、关注、好友关系；4）学习成果数据——作业得分、测试成绩、证书获取、学习路径选择；6）资源偏好数据——用户对课程类别的点击偏好、学习时长差异。这些数据通过埋点、日志分析等方式采集，可形成学习者的「学习画像」，识别学习困难（如某知识点反复回看仍错）和学习风格。**②保护隐私的措施**：技术上采用数据加密（传输用 HTTPS、存储用 AES 加密）、匿名化处理（用学号代替真实姓名，去除身份证号等敏感信息）、访问控制（仅教师/本人可查详细数据）；管理上遵循最小化原则（只采集必要信息）、明示用途并获得用户同意、定期清理过期数据；法律上遵守《中华人民共和国个人信息保护法》《网络安全法》，避免向第三方泄露个人数据，向学生公布隐私政策。本题需强调「数据利用」与「隐私保护」并重，不可为分析而牺牲隐私。

### A2. 3.2 练习提升

**Q1.** 搜索引擎通常提供高级搜索指令，帮助使用者更有效地进行检索。上网学习搜索引擎使用技巧，了解在指定的网站内进行检索的指令，并使用该指令检索数据。例如，搜索有关南水北调中线工程的内容。

📘 **参考答案**：搜索引擎的常用高级指令及用法——**site 指令**：`site:gov.cn 南水北调中线`，限定只在 `.gov.cn` 政府网站内检索，确保数据来源权威；**filetype 指令**：`filetype:pdf 南水北调中线工程 规划`，搜索 PDF 文档格式的规划报告，便于下载和引用；**intitle 指令**：`intitle:南水北调 中线工程`，使搜索结果标题必须包含关键词，精确度更高；**inurl 指令**：`inurl:nsbd 中线`，限定 URL 路径中含有「nsbd」（南水北调拼音首字母）的页面；**双引号精确匹配**：`"南水北调中线工程"` 强制完整短语匹配，避免被拆分；**减号排除**：`南水北调 -东线`，排除东线相关内容；组合用法示例：`site:nsbd.gov.cn 中线工程` 限定在水利部南水北调网站内搜索中线工程相关内容。实际操作时建议多指令组合使用，并对结果按可信度分级筛选（官方网站 > 学术论文 > 新闻报道 > 论坛帖），记录网址用于项目报告的引用来源。

**Q2.** 小明同学非常喜欢打篮球，经常登录体育网站了解球队、球员及赛事情况。学校研究性学习课程布置了研究任务，小明选择中国男篮作为研究课题，需要收集中国男篮相关数据，如球员的身体素质情况、球员特长、场上位置及表现等数据。试使用一款网络爬虫软件或某个平台帮助小明采集球员数据，整理并保存数据。

📘 **参考答案**：**工具选择**：可使用后羿采集器、八爪鱼采集器、火车头等可视化爬虫工具（零基础友好），或用 Python 的 Requests + BeautifulSoup 库自己编写爬虫程序（更灵活）。**采集思路**：1）明确数据需求——球员姓名、身高、体重、年龄、位置、得分、篮板、助攻、命中率、所属球队、职业生涯年限等；2）确定数据来源——中国男篮官方网站、中国男子篮球职业联赛 CBA 官网、虎扑体育、新浪体育等专业体育数据网站；3）编写爬虫——以 CBA 官网球员列表页为入口，逐条抓取每名球员的详情页字段，对反爬机制（如 IP 封禁、验证码）做应对（设置合理请求间隔、使用 User-Agent）；4）数据整理——用 pandas 去除重复球员记录、补全缺失字段、统一单位（如身高统一为 cm、体重统一为 kg）；5）保存数据——导出为 CSV 文件，并附数据字典说明每列含义。**注意事项**：必须遵守 robots.txt 协议，只采集公开数据，合理控制采集频率避免给目标网站造成负担，注明数据来源用于学术研究，不得用于商业用途。

**Q3.** 在信息技术课上，学生通过签到系统记录出勤情况，但是经常有学生重复签到，导致签到记录中的学生数据出现重复，学生签到记录如表 3.2.5 所示。试使用 Python 语言编写程序删除签到记录中的重复数据。

| 学号 | 机器号 | 性别 |
|---|---|---|
| 23 | A01 | 女 |
| 12 | B05 | 男 |
| 12 | B05 | 男 |
| 39 | A06 | 女 |
| 3 | D06 | 男 |
| 18 | D02 | 男 |
| 15 | A07 | 男 |
| 42 | B01 | 女 |
| 17 | C08 | 男 |
| 36 | A03 | 女 |
| 22 | C05 | 男 |
| 22 | C05 | 男 |
| 35 | D07 | 女 |

📘 **参考答案**：**算法思路**——读取签到记录 CSV 文件到 DataFrame，使用 `drop_duplicates()` 方法删除完全重复的行；为防止「同一人在不同机器签到」被误删，应只对「学号」列去重，保留每名学生的首次签到记录。**参考程序**：

```python
import pandas as pd
### 读取签到记录
df = pd.read_csv("qiandao.csv", encoding="gbk")
print("去重前共有", len(df), "条记录")
### 按学号去重，保留首次出现的记录
df_unique = df.drop_duplicates(subset=["学号"], keep="first")
print("去重后共有", len(df_unique), "条记录")
### 保存结果
df_unique.to_csv("qiandao_clean.csv", encoding="gbk", index=False)
```

**运行结果**：去重前 13 条 → 去重后 11 条（删除了学号 12 和学号 22 的重复记录）。**注意事项**：1）去重前要先确认业务逻辑——如果同一学生在不同机器签到可能代表「异常」（如代签），则需保留全量并标记；2）`keep` 参数可选 `first`（保留首次）、`last`（保留末次）、`False`（全部删除）；3）若需检测可疑代签，可对比「学号 + 时间」组合是否在物理上合理。

**Q4.** 小明同学准备参加一门网络课程的学习，但是在注册账号时，系统提示密码安全强度低。试分析安全强度低的原因，并说明小明应如何重新设计密码，写出设计方案和依据。

📘 **参考答案**：**安全强度低的原因**：1）密码长度过短（小于 8 位）；2）使用纯数字（如「12345678」）或纯字母（如「password」）；3）使用连续字符（键盘顺序「qwerty」「asdf」）或重复字符（「aaaa1111」）；4）使用个人信息（生日、学号、手机号、姓名拼音），易被社会工程学破解；6）属于弱密码字典中的常见密码，攻击者用彩虹表秒破。**设计方案**：1）**长度优先**：至少 12 位，建议 16 位以上；2）**复杂度**：包含大写字母、小写字母、数字、特殊符号四类中的至少三类；3）**无规律**：避免使用单词、成语、姓名、生日；4）**记忆技巧**：用「密码短语」法——选一句自己熟悉的句子如「我爱学习3.1数据处理!@#」，取首字母加数字和符号；5）**唯一性**：每个网站使用不同密码；6）**二次验证**：开启双因子认证（短信/邮箱验证码）。**示例**：`Ydsj_2024_Nsbd@Water`（由「一点数据 2024 南水北调 water」构成，21 位，包含大小写、数字、符号）。**依据**：根据 NIST 密码指南和国内等保 2.0 标准，密码强度评估主要看长度和熵值（不可预测性），而不是仅看是否包含特殊符号。

**Q5.** 某些压缩软件不仅具有压缩文件的功能，还可以用密码对文件加密。查找并下载一款带加密功能的压缩软件，试用文件加密功能，并了解其加密原理，写出使用心得。

📘 **参考答案**：**软件选择**：常见的有 7-Zip（开源免费）、WinRAR（商业收费）、Bandizip、360 压缩等。以 7-Zip 为例，操作步骤为右键文件——「7-Zip」→「添加到压缩包」——在「加密」栏输入两次密码——选择加密算法（7z/AES-256）。**加密原理**：WinRAR 和 7-Zip 默认采用 AES（Advanced Encryption Standard，高级加密标准）对称加密算法，密钥长度 128 位或 256 位。加密过程：1）根据用户输入的密码，通过 PBKDF2 或 SHA-1 等哈希算法派生加密密钥；2）将文件内容按块（通常 256 KB）进行 AES 加密，生成密文；3）密文连同随机生成的盐值、迭代次数一起存入压缩文件。解密则反向操作，需输入正确密码才能还原。**使用心得**：1）AES-256 在暴力破解下基本安全，但「密码」本身仍是最大弱点——再强的加密遇到弱密码也形同虚设；2）加密前建议先压缩再加密，压缩后的文件冗余度低，加密效率更高；3）务必妥善保管密码，忘记密码几乎无法破解；4）不要在公共电脑或不安全网络上传输加密文件；5）建议同时用 VeraCrypt 等工具对重要文件做二次加密；6）企业级数据应使用专业的加密软件而非压缩软件。

### A3. 3.3 练习提升

**Q1.** 假设你是项目小组的数据分析员，请根据「用水分析助决策」项目的需求，从多维数据（如水质、用水结构、地区分布、时间趋势）的可视化角度，说明雷达图适合用于呈现哪些维度的数据，并论述雷达图、柱形图、饼图各自的适用场景。

📘 **参考答案**：**雷达图适用场景**——当一个对象需要从 3 个以上维度进行综合评价时，雷达图能把多维数据压缩到二维平面上直观对比。例如评价一个城市的水资源状况可从「人均水资源量」「供水保证率」「用水效率」「水环境质量」「节水意识」5 个维度绘制雷达图，多个城市叠在一起就能比较综合水平高低；或评价一款手机的多个性能指标（CPU、续航、拍照、屏幕、重量）。雷达图最适合维度数 5-8 个、数据量较小、需要做整体轮廓比较的场景。**柱形图适用场景**——柱形图擅长比较离散类别的数量大小，例如比较各省用水总量（横向）、比较 12 个月的发电量（纵向）、对比各年级平均成绩。柱形图的优势是能精确读数、便于对比、适合 5-20 个数据点。**饼图适用场景**——饼图擅长展示「部分与整体」的占比关系，例如用水结构（农业 60%、工业 20%、生活 15%、生态 5%）、能源消费构成、网民年龄分布。饼图要求：1）各部分百分比之和为 100%；2）类别不宜超过 7 个，否则扇区太小难以区分；3）适合静态构成分析，不适合时间趋势。**选用原则**：看趋势用折线图、比大小用柱形图、看占比用饼图、看关联用散点图、看多维用雷达图、看文本重点用词云。本题核心是「图表类型」与「分析目标」必须匹配，错配会误导判断。

**Q2.** 数据分析除了可以使用对比、平均、结构三种基本方法外，在实际项目中往往需要多种方法组合使用。请举例说明在南水北调数据分析项目中，如何综合运用对比、平均分析法和结构分析法，并指出每种方法所揭示的信息侧重有何不同。

📘 **参考答案**：**综合运用案例**——以南水北调「京津冀地区缺水状况分析」为例：1）**对比分析法**：将京津冀三地的人均水资源量与全国平均水平对比（横向对比），与 10 年前数据对比（纵向对比），揭示「京津冀人均水资源远低于全国平均且持续恶化」的差距事实；2）**平均分析法**：计算京津冀地区近 10 年人均水资源量的平均值，反映该地区水资源的一般水平；计算全国 31 个省市人均水资源量的均值和标准差，把京津冀放在全国分布中看其偏离程度（Z 分数）；3）**结构分析法**：分析京津冀用水结构——农业用水占 60%、工业 20%、生活 15%、生态 5%，计算各部分占比；同时对比全国用水结构（农业 70%、工业 20%、生活 9%、生态 1%），发现京津冀的农业用水占比相对较低（说明节水灌溉技术较好）、生态用水占比相对较高（说明生态意识较强）。**信息侧重差异**：对比分析侧重「差异」（谁多谁少、进步退步）；平均分析侧重「水平」（整体处在什么位置）；结构分析侧重「构成」（内部各项怎么组合）。三者结合使用才能全面立体地刻画一个区域的水资源状况——既知「差距」，又知「水平」，还知「结构」，才能给出有针对性的决策建议（如优先压减农业用水、加大再生水利用等）。

### A4. 3.4 练习提升

**Q1.** 请结合本章所学，从「数据需求—数据采集—数据整理—数据分析—数据呈现—报告撰写」六个环节出发，设计一个为期一周的「个人作息与学习效率分析」项目实施方案。

📘 **参考答案**：**项目目标**：通过记录个人一周（7 天）作息数据，分析作息规律与学习效率的关系，找出影响学习效率的关键作息因素，提出改善建议。**实施步骤**：1）**数据需求（Day 1）**：确定要采集的字段——日期、起床时间、早餐时间、上学/到岗时间、每节课学习状态（1-5 分自评）、午休时长、下午学习状态、晚自习时长、晚自习状态、运动时间、入睡时间、屏幕使用时长；2）**数据采集（Day 1-7）**：每天晚上用 Excel 或手机 APP（如「时间块」「atimelogger」）填写当天数据，部分客观数据可用手机传感器自动采集（如屏幕使用时长、运动步数）；3）**数据整理（Day 8）**：用 pandas 校验数据完整性（是否有漏填）、处理缺失值（如某天忘记记录可用前一天均值填充）、转换为 CSV 文件；4）**数据分析（Day 9）**：用对比分析法比较工作日与周末的作息差异；用平均分析法计算一周平均学习时长、平均睡眠时长、平均学习状态评分；用结构分析法分析时间分配（学习、睡眠、运动、娱乐各占比）；用散点图看「睡眠时长」与「学习状态评分」的相关性；5）**数据呈现（Day 9）**：用柱形图对比各日学习状态、用饼图呈现时间分配、用散点图揭示睡眠与效率关系、用折线图呈现一周状态变化；6）**报告撰写（Day 10）**：按开篇（含项目背景和目标）+ 正文（含数据描述、分析过程、图表解读）+ 结尾（含结论与作息改善建议）的结构完成数据分析报告，字数 1500 字以上，图文并茂。**预期成果**：一份完整的作息分析报告 + 一份作息改善建议清单。

**Q2.** 撰写数据分析报告时，常见的错误是把报告写成「数据罗列 + 软件操作步骤」的记录，没有最终汇报会提炼出有价值的结论和建议。请指出此类报告的三大主要问题，并说明一份高质量的数据分析报告应具备哪些特征。

📘 **参考答案**：**三大主要问题**：1）**重过程轻结论**——详细写了如何采集数据、如何用 pandas 去重、如何用 matplotlib 画图，但缺少「所以呢？」的结论，读者看完不知道数据说明了什么；2）**图表堆砌无解读**——贴了十几张图表，但每张图表「意味着什么」「如何支持决策」只字未提，图表沦为装饰；3）**缺少建议与行动方案**——只描述现状和历史，不给出未来怎么办，丧失了「支持决策」的核心价值；甚至出现错用图表（用饼图看趋势）、标题不清（Y 轴无单位）、数据来源不明等问题。**高质量报告的特征**：1）**结构完整**：开篇（含标题、摘要/前言、目录）→ 正文（含数据来源说明、分析方法、图表 + 解读、发现）→ 结尾（含核心结论、对策建议、附录）；2）**结论明确**：每节末尾都有「小结」，整篇报告有「核心结论」3-5 条；3）**图文并茂**：图表编号、有标题、Y 轴有单位、配色协调、图表与文字相得益彰而非重复；4）**建议可操作**：建议要具体（如「将午休时间从 30 分钟延长到 45 分钟」而非「建议改善作息」）、可执行、有优先级；5）**数据可靠**：注明数据来源、采集时间、样本量、局限性；6）**语言精炼**：避免冗长，一份 2000-3000 字的报告比 5000 字流水账更有价值。

## C 档 · 简答题

**C1.** 某电商平台想分析「双 11」期间用户的消费行为，以便制定下一年的营销策略。请按数据处理的一般过程（采集→整理→分析→呈现），描述该平台应如何开展数据分析工作。

📘 **参考答案**：**数据采集**：1）明确数据需求——需要采集用户 ID、下单时间、商品类别、客单价、支付方式、收货地址、复购次数、浏览路径等；2）确定来源——平台后台交易数据库、用户行为日志、客服聊天记录、用户调研问卷；3）采集方法——用 Python 编写程序从 MySQL/Hive 数据库导出订单数据（自动化、批量），用日志埋点系统记录用户点击/浏览行为。**数据整理**：1）去重——删除同一用户的重复下单记录（如网络重试导致的重复订单）；2）补漏——对缺失字段（如收货地址）做合理填充或标记为「未知」；3）纠错——剔除明显异常数据（如单笔订单金额 1 亿元）；4）标准化——统一时间格式为 YYYY-MM-DD HH:MM:SS、统一金额单位为元；5）保存为 CSV 文件或入数据仓库。**数据分析**：1）用对比分析法对比「双 11」当天 vs 平时、对比不同商品品类的销量；2）用平均分析法计算人均消费金额、客单价、复购率；3）用结构分析法分析各品类销售额占比、各年龄段用户占比；4）用关联分析法（Apriori 算法）挖掘购物篮组合（如买手机的用户常买保护壳）；5）用聚类分析对用户做 RFM 分层（高/中/低价值用户）。**数据呈现**：1）用柱形图对比各类目销量；2）用饼图呈现品类销售占比；3）用折线图呈现 11 月 11 日 0-24 时的实时下单趋势；4）用热力地图呈现各省份下单分布；5）用词云展示热销商品关键词。最终输出的决策建议包括：促销时段、备货品类、目标客群定向投放等。

**C2.** 「数据备份」与「数据加密」都能保护数据，但二者的目的和场景完全不同。请举例说明两者的区别，并说明为什么说「同时做好备份和加密」才是完整的数据保护方案。

📘 **参考答案**：**数据备份**：目的是「防丢失」，应对设备故障、自然灾害、操作失误等导致的数据不可用情况。常见场景——硬盘损坏、误删除文件、机房火灾、勒索病毒感染。备份方法——可移动硬盘备份（异地保管）、NAS 网络存储备份、云存储备份（如阿里云 OSS、百度网盘）、异地灾备中心。**数据加密**：目的是「防泄露」，应对黑客攻击、内部窃取、网络窃听等导致的数据被未授权访问情况。常见场景——云盘文件泄露、U 盘丢失、邮件被监听、数据库被拖库。加密方法——文件级加密（AES、ZIP 加密）、磁盘级加密（BitLocker、FileVault）、传输加密（HTTPS、TLS）、数据库字段加密。**为什么二者要同时做**：1）**威胁不同**：备份无法防泄露（备份文件若被拷贝照样泄露），加密无法防丢失（加密文件若被勒索病毒加密，连同原文件一起损坏）；2）**互补覆盖**：备份保证「数据可用性」（不丢），加密保证「数据机密性」（不泄），两者构成数据安全的 CIA 三要素中的两大支柱（机密性 + 可用性）；3）**实际案例**——某医院只做了备份未加密，结果备份硬盘被盗导致大量病人隐私泄露；某企业只做了加密未备份，结果勒索病毒感染后虽有加密也打不开文件，无法恢复业务；4）**完整方案**：重要数据应「本地加密存储 + 异地加密备份 + 云端加密备份」，并启用版本控制和定期恢复演练，确保既不丢也不泄。

**C3.** 小李同学认为：「数据分析就是把数据画成图，图表越漂亮越好。」请你从专业角度指出这一认识的两个主要错误，并阐述数据可视化的真正意义。

📘 **参考答案**：**错误一：把数据分析等同于画图，忽视「分析」本身**。数据分析的核心是「从数据中提取有用信息和形成结论」，画图只是其中一种「呈现」手段，而非分析本身。完整的数据分析包括：明确分析目标→选择分析方法（对比/平均/结构/相关/回归/聚类等）→计算统计指标→解释结果含义。如果没有分析目标（如「为什么今年华北降水偏少？」），即使画出最漂亮的图也只是一堆彩色线条。**错误二：过分追求美观，忽视「图表与数据类型匹配」**。漂亮 ≠ 合适——用 3D 饼图看趋势、用饼图比较 20 个类别、用折线图看离散占比，都是「好看但误导」。好的可视化应遵循 5 个原则：1）**准确性**——如实反映数据，不夸大不缩小（如 Y 轴不从 0 起会放大差距）；2）**适配性**——图表类型与分析目的匹配（趋势用折线图、占比用饼图、关联用散点图、多维用雷达图）；3）**简洁性**——去除不必要的网格线、3D 效果、装饰元素，「数据墨水比」要高；4）**可读性**——标题、坐标轴、单位、图例、标注齐全；5）**针对性**——为不同受众设计（管理者看趋势、执行者看明细）。**数据可视化的真正意义**：帮助人们「直观地理解数据」——加速认知（人眼处理图像比文字快 6 万倍）、揭示规律（散点图一眼看出相关）、支持决策（仪表盘让管理者秒懂业务）、讲故事（用数据可视化的方式讲述数据背后的现象与本质，使决策更科学。

## D 档 · 综合实践

**任务**：「用水分析助决策」项目实施——小组（3-5 人）合作完成一份完整的「南水北调中线工程受水区水资源数据分析报告」，要求覆盖项目规划、数据采集、数据整理、数据分析、数据可视化、报告撰写全流程，最终提交一份 Word/PDF 报告 + 一份 PPT 汇报 + 一份 CSV 整理后的数据集。

**参考方案**：

**一、作品结构框架**

完整项目成果包含三大件：
- **数据集**：`water_data.csv`（整理后的水资源数据）+ `data_dictionary.md`（数据字典，说明每列含义、单位、来源）
- **数据分析报告**（3000-5000 字，Word/PDF）：按教材 3.4.1 节的标准结构撰写——
  - 开篇：项目背景（南水北调中线工程概况）、项目目标、研究方法、前言、目录
  - 正文：数据来源说明、采集过程、整理方法（去重/补漏/纠错）、分析方法（对比/平均/结构）、可视化呈现（5-8 张图表）、数据解读
  - 结尾：核心结论（3-5 条）、决策建议（针对供水/节水/水污染防治）、局限性、附录（原始数据、程序代码、参考文献）
- **汇报 PPT**（15-20 页）：项目概述 → 规划 → 采集 → 整理 → 分析 → 可视化 → 结论 → 建议 → 心得

**二、示例内容片段**：

- **主题确定**：选择「南水北调中线工程受水区（北京、天津、河北、河南）2010-2022 年水资源状况分析」
- **数据采集**：访问水利部官网下载《2022 年中国水资源公报》、北京市水务局下载各年水资源公报、用八爪鱼采集器爬取国家统计局 2010-2022 年供水量数据
- **数据整理示例表**：

| 地区 | 年份 | 水资源总量（亿m³） | 供水量（亿m³） | 用水量（亿m³） | 人均水资源量（m³/人） |
|---|---|---|---|---|---|
| 北京 | 2010 | 23.1 | 35.5 | 35.5 | 119 |
| 北京 | 2011 | 26.8 | 36.0 | 36.0 | 138 |
| ... | ... | ... | ... | ... | ... |

- **分析示例**：① 对比分析——绘制京津冀 2022 年人均水资源量 vs 全国平均（柱形图）；② 平均分析——计算京津冀 13 年平均水资源量；③ 结构分析——绘制京津冀用水结构饼图（农业/工业/生活/生态占比）
- **可视化示例**：① 折线图——13 年水资源总量变化趋势；② 柱形图——四地人均水资源量对比；③ 饼图——北京 2022 年用水结构；④ 散点图——降水量 vs 水资源总量散点；⑤ 雷达图——京津冀水资源综合评价
- **核心结论示例**：1）京津冀人均水资源量仅为全国平均的 1/8；2）北京用水结构中生活用水占比逐年上升，农业用水占比逐年下降，反映产业升级；3）南水北调中线工程通水后，北京人均水资源量提升约 20%，建议进一步加大调水规模。
- **建议示例**：1）受水区应继续推广节水灌溉，将农业用水占比从 50% 降至 40% 以下；2）加强再生水利用，将非常规水源占比从 10% 提升至 20%；3）建立跨流域生态补偿机制。

**三、评估要点**：

1. **数据处理过程**（30 分）：数据采集方法合理（传感器/网络/问卷）、数据整理完整（去重/补漏/纠错）、CSV 文件规范。
2. **分析方法运用**（25 分）：三种基本分析方法（对比/平均/结构）综合运用、分析逻辑清晰、统计计算无误。
3. **可视化呈现**（20 分）：图表类型与数据匹配（折线看趋势、柱形比大小、饼图看占比、雷达看多维）、图表美观、解读到位。
4. **报告撰写质量**（15 分）：结构完整（开篇正文结尾）、结论明确、建议可操作、语言精炼。
5. **团队协作与展示**（10 分）：分工合理、汇报表达清晰、回答提问准确。