中小学教育资源及组卷应用平台
第五章第三节数据分析课后练习
1、数据分析的方法不包括（
）
A.数据分类
B.关联分析
C.线性分析
D.聚类分析
2、某超市通过研究销售数据，发现购买商品A的人购买商品B的概率很大，这种属于数据的（
）
A.关联分析
B.分类分析
C.回归分析
D.聚类分析
3、K-平均算法属于（
）分析方法。
A.线性
B.关联
C.聚类
D.聚类
4、（
）和回归分析都可用于预测，预测是指从基于样本数据记录，根据分类准则自动给出对未知数据的推广描述，从而实现对未知数据进行预测。
A.特征探索
B数据分类
C.聚类分析
D.关联分析
5、N维数组对象ndarray是（
）的基本数据结构。
A.NumPy
B.SciPy
C.Pandas
D.Matplotlib
6、（
）类型类似于数据库表结构的数据结构，其是含有行索引和列索引的二维数组结构。
A.ndarray
B.Series
C.
DataFrame
D.字典
7、若要求你对本班同学喜欢看的书籍进行分类统计，并对其进行数据分析，你会如何做？谈谈你的想法。
参考答案：1.C
2.A
3.C
4.B
5.A
6.C
7.略
21世纪教育网
www.21cnjy.com
精品试卷·第
2
页
（共
2
页）
HYPERLINK
"http://21世纪教育网(www.21cnjy.com)
"
21世纪教育网(www.21cnjy.com)(共19张PPT)
数
据
分
析
粤教版高中信息技术必修一
目录
特征探索
1
关联分析
2
聚类分析
3
数据分类
4
数据分析
数据分析一般包括特征探索、关联分析、聚类与分类、建立模型(数据呈现）和模型评价（分析报告）等。
数据分析的一般过程
数据分析就是在一大批杂乱无章的数据中，运用数字化工具和技术，探索数据内在的结构和规律，构建数学模型，并进行可视化表达，通过验证将模型转化为知识，为诊断过去、预测未来发挥作用。
特征探索
数据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。
import
pymysql
import
numpy
as
npy
import
pandas
as
pda
import
matplotlib.pylab
as
pyl
import
matplotlib.pyplot
as
plt
做特征分析需要用到的第三方库：连接mysql服务器的库，numpy库、pandas库、matplotlib库，使用之前需要进行安装
Numpy的基本数据结构ndarray
NumPy
最重要的一个特点是其
N
维数组对象
ndarray，它是一系列同类型数据的集合，别名array,以
0
下标为开始进行集合中元素的索引。ndarray
对象是用于存放同类型元素的多维数组。ndarray
中的每个元素在内存中都有相同存储大小的区域。包含丰富的函数
用法示例
关联分析
关联分析就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。关联分析的基本算法如下：
（1）扫描历史数据，并对每项数据进行频率次数统计。
（2）构建候选项集C1，并计算其支持度，即数据出现频率次数与总数的比。
（3）对候选项集的支持度进行筛选，筛选的数据项支持度应当不小于最小支持度，从而形成频繁项集L1。
（4）对频繁项集L2进行连接生成候选项集C2，重复上述步骤，最终形成频繁K项集或者最大频繁项集。
认识lambda()函数
在进行编程时，一般我们会给一个函数或者变量起一个名字，该名称是用于引用或寻址函数变量。但是有一个低调的函数，你不需要赋予它名字，因此该函数也叫匿名函数。该函数就是Python中的Lambda函数，匿名函数可以在程序中任何需要的地方使用，但是这个函数只能使用一次，即一次性的。因此Python
Lambda函数也称为丢弃函数，它可以与其他预定义函数（如filter(),map()等）一起使用。相对于我们定义的可重复使用的函数来说，这个函数更加简单快捷。例如：
a
=
lambda
x,y:
x
y
print(a(3,7))
21
认识map
()函数
map函数的用法:map()函数接收两个参数，一个是函数，一个是Iterable，map将传入的函数依次作用到序列的每一个元素，并把结果作为新的Iterable返回。其语法格式为:
?
?
?
?
map(fun_ction，iterable...)
?
?
?
?
fun_ction---函数名
?
?
?
?
iterable---一个或多个序列(字符串、列表或元组）
例如：map(lambda
x:
x
2,
[1,
2,
3,
4,
5])
返回结果：[1,
4,
9,
16,
25]
Pandas的基本数据结构Series
Series
是一个类数组的数据结构，同时带有标签（lable）或者说索引（index）。
Pandas的基本数据结构DataFrame
DataFrame
类型类似于数据库表结构的数据结构，其含有行索引和列索引，可以将DataFrame
想成是由相同索引的Series组成的Dict类型。在其底层是通过二维以及一维的数据块实现。
聚类分析
聚类分析是一种探索性的分析，在分类的过程中，人们不必事先给出一个分类的标准，聚类分析能够从样本数据出发，自动进行分类。K-平均（K-Means）算法是一种经典的自下而上的聚类分析方法。K-平均算法的基本思想就是在空间N个点中，初始选择K个点作为中心聚类点，然后将N个点分别与K个点计算距离，选择自己最近的点作为自己的中心点，再不断更新中心聚集点，以达到“物以类聚，人以群分”的效果。
聚类分析的基本算法
聚类分析的基本算法如下：
（1）从数据点集合中随机选择K个点作为初始的聚集中心，每个中心点代表着每个聚集中心的平均值。
（2）对其余的每个数据点，依次判断其与K个中心点的距离，距离最近的表明它属于这项聚类。
（3）重新计算新的聚簇集合的平均值即中心点。整个过程不断迭代计算，直到达到预先设定的迭代次数或中心点不再频繁波动。
第三方模块Sklearn简介
Scikit-learn(sklearn)是机器学习中常用的第三方模块，对常用的机器学习方法进行了封装，包括回归(Regression)、降维(Dimensionality
Reduction)、分类(Classfication)、聚类(Clustering)等方法。它有如下特点：
（1）简单高效的数据挖掘和数据分析工具
（2）让每个人能够在复杂环境中重复使用
（3）建立NumPy、Scipy、MatPlotLib之上
数据分类
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（也称为分类器），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。数据分类和回归分析都可用于预测，预测是指从基于样本数据记录，根据分类准则自动给出对未知数据的推广描述，从而实现对未知数据进行预测。
贝叶斯分类技术
贝叶斯分类技术在众多分类技术中占有重要地位，也属于统计学分类的范畴，是一种非规则的分类方法。贝叶斯分类技术通过对已分类的样本子集进行训练，学习归纳出分类函数（对离散变量的预测称作分类，对连续变量的分类称为回归），利用训练得到的分类器实现对未分类数据的分类。
贝叶斯简介
贝叶斯，英国数学家，发明了概率统计学原理，将归纳推理法用于概率论基础理论，创立了贝叶斯统计理论，对统计决策函数、统计推断、统计的估算等做出了贡献。
概率分类
运用贝叶斯定理对事物进行分类，是一种非常有效的思维方法，是贝叶斯决策理论方法的基本思想。例如，假设有一个数据集，由两类组成，且已知每个样本的分类，求出表示数据点(x,
y)属于红色一类的概率p1(x,
y)
，表示数据点(x,
y)属于蓝色一类的概率p2(x,
y)
，选择概率高的一类作为新点C(x,
y)的分类。若有多个分类，而要求新点属于哪一类，要求新点属于哪一类，只需求出新点在所有类别中概率最大的一类。这就是贝叶斯决策理论的核心思想，即选择具有最高概率的决策。
谢
观看
谢
https://www.21cnjy.com/help/help_extract.php
