《信息技术（基础模块 下册）》复习知识点汇总（F_ 天信中职 王炼杰）

第 4 章 数据处理

‍

任务 1 采集数据

一、数据处理概述

1. 定义：对数量巨大、来源分散、格式多样的数据进行管理、分析，提取有价值信息的过程。
2. 核心价值：解决问题的重要方式（如智能交通、网络购物分析等）。

二、常用数据处理软件

三、数据类型与输入规则

1. 字符型数据

   • 定义：包含汉字、字母、数字组合（如学号、编号）。
   • 输入方法：先输入英文单引号 '​，再输入内容（例：'001​）。
   • 显示特点：单元格内左对齐。

2. 数值型数据

   • 定义：纯数字或含货币符号、百分号等（如销售额、成绩）。
   • 输入方法：直接输入，自动右对齐。

3. 日期 / 时间型数据

   • 格式要求：

     • 日期：YYYY/MM/DD​或 YYYY-MM-DD​（例：2023/10/1）。
     • 时间：HH:MM:SS​（例：15:30:00）。
     • 混合输入：日期与时间用空格分隔（例：2023/10/1 15:30）。

4. 分数输入

   • 输入方法：先输入 0​和空格，再输入分数（例：0 2/3​显示为 2/3​）。

四、数据采集方法

1. 人工录入

   • 操作技巧：

     • 按 Enter​键切换到下一行，按 Tab​键切换到右侧单元格。
     • 单元格内换行：Alt + Enter​。
     • 重命名工作表：双击标签后输入新名称。

2. 外部数据导入

   • 步骤：

     1. 点击 “数据” 选项卡 → “获取外部数据” → 选择数据源（如 Access 数据库）。
     2. 选择目标表格，设置导入位置（新工作表或现有工作表）。

3. 工具软件采集

   • 网络问卷：

     • 结构：标题 → 正文（选择题、填空题）→ 收集（通过网页、微信等分享）。
     • 工具推荐：51 调查、问卷星。

五、数据格式化与美化

1. 单元格格式设置

   • 操作路径：选中单元格 → 右键 → “设置单元格格式”。

   • 常用功能：

     • 数字：设置货币、百分比等格式。
     • 对齐：调整文字方向、合并单元格。
     • 边框 / 填充：添加表格线、设置背景色。

2. 条件格式

   • 功能：突出显示符合条件的数据（如销售额 ＜50000 元标红）。

   • 操作步骤：

     1. 选中目标区域 → “开始” → “条件格式” → “突出显示单元格规则” → “小于”。
     2. 输入数值（如 50000），选择格式（如浅红色填充）。

3. 套用表格样式

   • 操作路径：选中区域 → “开始” → “套用表格格式” → 选择预设样式。

六、核心概念解析

1. 单元格

   • 定义：表格中最小的数据存储单位，地址由列标（字母）+ 行号（数字）唯一标识（例：A3）。

2. 工作表

   • 定义：工作簿中的 “页”，默认名称为 Sheet1、Sheet2 等，可通过标签切换。

3. 工作簿

   • 定义：存储数据的 Excel 文件，包含多个工作表。

七、典型应用场景

1. 智能交通

   • 分析车辆定位数据，优化信号灯调度，实时显示路况（教材图 4-1、4-2）。

2. 网络购物

   • 通过用户行为数据分析（如搜索、订单），构建用户画像，制定精准营销策略（教材图 4-3、4-4）。

3. 北斗卫星导航系统

   • 应用领域：智能交通、物流配送、无人驾驶（教材图 4-7）。

八、操作流程示例

1. 创建图书销售表

   • 步骤：

     1. 启动 Excel → 输入表头（经销部门、图书类别、数量、销售额）。
     2. 按教材图 4-11 录入数据，保存为 “图书销售情况.xlsx”。

2. 设置条件格式（销售额 ＜50000 标红）

   • 步骤：

     1. 选中 D3:D11 → “开始” → “条件格式” → “小于” → 输入 50000 → 选浅红色填充。

复习建议：

1. 重点掌握 Excel 基本操作（数据输入、格式设置、条件格式）。
2. 熟记教材案例（如智能交通、网络购物数据应用）。
3. 结合教材图 4-10（采集数据思维导图）梳理知识框架。

‍

任务 2 加工数据

一、运算表达式（教材第 24 页 表 4-2）

定义：以 =​开头，由运算符和数据项组成，用于数据计算。
运算符分类及说明：

关键说明：

1. 绝对地址：在单元格地址的行号和列标前加 $​（如 $D$12​），填充时地址不变（教材图 4-29）。
2. 运算符优先级：算术运算符 > 比较运算符 > 文本运算符。

二、常用函数（教材第 26 页 表 4-3）

定义：预置的运算表达式，形式为 函数名(参数)​。
教材重点函数及说明：

函数嵌套示例（教材图 4-38）：

excel

=ROUND(AVERAGE(C3:E3), 2) （先计算平均分，再四舍五入保留2位小数）
​

三、核心操作流程（教材案例解析）

1. 计算单册平均价（教材图 4-28）：
   excel

   =D3/C3 （销售额÷数量）
   ​

   • 步骤：输入公式 → 按 Enter​→ 设置小数位数 → 填充柄拖动。

2. 计算销售额占比（教材图 4-29）：
   excel

   =D3/$D$12 （绝对引用总销售额）
   ​

   • 注意：分母需用绝对地址 $D$12​，避免填充时地址改变。

3. 分类汇总（教材图 4-42）：

   • 步骤：

     1. 按 “经销部门” 排序 → 数据 → 分类汇总。
     2. 设置 “分类字段” 为 “经销部门”，“汇总方式” 为 “求和”，勾选 “数量” 和 “销售额”。

四、重点总结

1. 运算表达式：

   • 绝对地址与相对地址的区别（$D$12​ vs D3​）。
   • 运算符优先级对计算结果的影响。

2. 函数：

   • ​IF()​函数的条件判断逻辑（教材图 4-36）。
   • ​RANK()​函数的降序默认规则（教材图 4-35）。

3. 数据整理：

   • 分类汇总前必须排序（教材图 4-42 提示）。
   • 高级筛选条件区域的建立规则（同一行 “与”，不同行 “或”，教材图 4-43）。

复习建议：

1. 结合教材案例（如图 4-28 至 4-45）进行实操练习。
2. 重点掌握 SUM()​、IF()​、RANK()​、COUNTIF()​函数的参数规则。
3. 理解排序、筛选、分类汇总的逻辑关系，避免操作顺序错误。

‍

任务 4 初识大数据

一、大数据基础知识

1. 大数据的定义

• Gartner 定义：无法通过传统软件工具在合理时间内处理的海量、高增长、多样化信息资产，需新处理模式提升决策力、洞察力与流程优化能力。
• 麦肯锡定义：规模超出传统数据库处理能力，具有海量数据规模、快速数据流转、多样数据类型、价值密度低四大特征的数据集合。

2. 大数据的产生历史

• 关键节点：

  • 2005 年：Hadoop 项目诞生，提供分布式存储（HDFS）与并行处理（MapReduce）技术。
  • 2015 年：国务院发布《促进大数据发展行动纲要》，部署国家大数据战略。
  • 2021 年：《中华人民共和国数据安全法》施行，强化数据安全管理。

3. 大数据的特征（5V）

4. 大数据的作用

• 技术融合：推动物联网、云计算、人工智能协同发展（教材图 4-59：百度智能云平台）。
• 产业升级：催生智能医疗、智慧城市、精准营销等新业态。
• 决策支持：通过数据分析优化城市管理（如交通信号灯调度）、企业运营（如用户画像）。

二、大数据处理流程

1. 数据采集

• 方法：

  • 离线采集：通过 ETL 技术（抽取 - 转换 - 加载）处理批量数据（如企业财务数据）。
  • 实时采集：用于流处理场景（如用户行为分析、股票交易监控）。
  • 互联网采集：网络爬虫抓取公开数据（如电商评论、新闻资讯）。

2. 数据清洗

• 目的：去除噪声、错误数据，规范格式（如统一日期格式 “2023-10-01”）。

3. 数据存储

• 技术：分布式文件系统（HDFS）、分布式数据库（如 HBase）。

4. 数据挖掘

• 算法：神经网络、遗传算法、决策树（如预测用户购买行为）。

5. 数据展现

• 形式：图表、仪表盘（如教材图 4-60：国家教育资源公共服务平台可视化数据）。

三、大数据采集与分析方法

1. 采集方法

• 其他方法：与技术服务商合作，通过 API 接口采集企业内部数据（如客户信息、财务数据）。

2. 分析方法

• 核心技术：

  • 预测性分析：基于历史数据建模预测未来（如销量预测、用户流失预警）。
  • 可视化分析：图表直观展示数据规律（如柱状图对比不同地区销售额）。

四、数据安全

1. 安全风险

• 隐私泄露：数据集中存储易被攻击（如社交媒体用户信息泄露）。
• 攻击手段：黑客利用大数据技术精准定位目标（如 APT 攻击隐藏在海量数据中）。

2. 安全需求

• 机密性：加密保护数据（如公钥加密、同态加密）。
• 完整性：验证数据未被篡改（如哈希值校验）。

3. 安全策略

• 技术：入侵检测系统（IDS）、访问控制列表（ACL）。
• 规则：遵循《数据安全法》，明确数据所有权与使用权。

五、大数据发展趋势

• 资源化：数据成为企业核心资产（如电商平台通过用户数据优化推荐）。
• 与云计算结合：弹性扩展存储与计算能力（如教材图 4-59：百度智能云）。
• 与人工智能结合：算法优化推动自动驾驶、语音识别等应用发展。

六、典型案例与政策

1. 政策文件

• 《促进大数据发展行动纲要》（2015） ：提出建设数据强国，推动大数据在政务、民生领域应用。
• 《数据安全法》（2021） ：明确数据分类分级保护、数据安全审查等制度。

2. 应用场景

• 智慧城市：通过交通数据优化信号灯配时（教材图 4-59）。
• 智慧教育：国家教育资源平台提供个性化学习资源（教材图 4-60）。

七、考试重点标注

• 5V 特征：体量大、多样化、速度快、真实性、价值密度低（教材 P41）。
• 处理流程：采集 → 清洗 → 存储 → 挖掘 → 展现（教材 P43 图 4-61）。
• 数据安全：风险（隐私泄露、攻击手段）、需求（机密性、完整性）、策略（加密、访问控制）。
• 政策时间节点：2015 年《纲要》、2021 年《数据安全法》。
• 技术融合：大数据与云计算、人工智能的协同关系。

复习建议：

1. 案例记忆：结合教材图 4-59（百度智能云）、图 4-60（国家教育平台）理解应用场景。
2. 对比学习：区分离线采集（ETL）与实时采集（流处理）的适用场景。
3. 口诀辅助：“5V 特征要记牢，采集清洗不能少，存储挖掘加展现，安全法规是保障”。