大数据可视化技术试题及答案.docxVIP

选择题（每题5分，不定项选择，多选不得分，少选得3分）

1、以下不属于可视化的作用的是（）

A:传播交流

B:信息记录

C:数据采集

D:数据分析

答案：C

2、.可视分析学涉及到的学科包括（）

A:计算机图形学

B:数据挖掘

C:人机交互

D:统计分析

正确答案：ABCD

3、.以下哪种图可以用于比例数据可视化（）

A:矩形树图

B:茎叶图

C:词云图

D:主题河流图

正确答案：A

4、以下哪些个不是文本数据（）

A.小明发的微博

B.某路口车流量

C.某门课程的题库

D.报纸上的新闻

正确答案：B

5、可视化可以将难以理解的原始数据变换成用户可以理解的模式和特征，并显示出来。依据可视化流程概念图，在原始数据和可视化中间这一步骤是（）

A.用户感知

B.数据分析

C.数据采集

D.数据处理和变换

正确答案：D

6、可视化和其他数据分析处理方法最大的不同是用户起到了关键作用，可视化映射后的结果

只有通过（）才能转换成知识和灵感

A.可视化映射

B.数据处理与变换

C.用户感知

D.以上答案均不正确

正确答案：C

问答题（每题5分）

对于原始数据，如何初步判断关联性？

答案：首先可以绘制散点图进行初步判断，同时考察多个变量之间的相关性时可以绘制散点图矩阵。对于三个变量，可以根据其实际意义来绘制气泡图来更直观判断关联性。

2、 什么是高维多元数据？？

答案：连续型时间数据在任意两个时间点之间可以细分出无限多个数值，它是连续不断变化现象的记录。

离散型时间数据又称不连续性时间数据，这类数据在任何两个时间点之间的个数是有限的。在离散型时间数据中，数据来自于某个具体的时间点或者时段，可能的数值也是有限的。

上机题（每题30分）

使用Python或R生成一组随机数，画出柱状图。

搜索到Echarts的在线编辑工具，使用上一题的一组数据，画出折线图。

选择题（每题5分，不定项选择，多选不得分，少选得3分）

1、以下不属于可视化的作用的是（）

A:传播交流

B:信息记录

C:数据采集

D:数据分析

答案：C

2、数据可视化可分为哪三类（）

A:科学可视化

B:信息可视化

C:视分析学

D:统计分析

正确答案：ABC

3、.以下哪种图可以用于数据可视化（）

A:饼图

B:茎叶图

C:词云图

D:柱状图

正确答案：A

4、1854年伦敦霍乱病情可视化分布图找到传染源,这表明（）

A.公共数据集疫情数据可视化可以用来公共安全决策支持

B.公共数据集不是大数据研究领域

C.疫情统计很难找到传播源

D.公共安全需要找到某一点数据而不是区域性数据

正确答案：A

5、颜色的视觉通道包括

A.饱和度

B.色相/色调

C.透明度

D.美观度

正确答案：ABC

6、可视化可以（）

A.增强人类的认知能力

B.作为大量工作记忆的外界辅助

C.协助人类进行思考

D.让人们使用感知代替认知

正确答案：ABCD

问答题（每题5分）

什么是数据？什么是数据可视化？

答案：

数据是指对客观事件进行记录并可以鉴别的符号，主要记载客观事物的性质、状态以及相互关系。它是可识别的、抽象的符号。

数据可视化就是数据中信息的可视化。它主要借助图形化的手段，达到有效传达与沟通信息的目的。经过可视化的数据，可以让人更直观、清晰的了解到数据中蕴含的信息，从而最大化数据的价值。

2、 连续型时间数据和离散型时间数据有何区别？

答案：

高维多元数据指每个数据对象有两个或两个以上独立或者相关属性的数据。高维（Multidimensional）指数据具有多个独立属性，多元（Multivariate）指数据具有多个相关属性。若要科学、准确地描述高维多元数据，则需要数据同时具备独立性和相关性。在很多情况，数据的独立性很难判断，所以一般简单的称之为多元数据。

上机题（每题30分）

搜索未来一周气温数据，使用Echarts画出折线图。

将1中数据导入Excel，绘制折线图。

第一章

1、

数据是指对客观事件进行记录并可以鉴别的符号，主要记载客观事物的性质、状态以及相互关系。它是可识别的、抽象的符号。

数据可视化就是数据中信息的可视化。它主要借助图形化的手段，达到有效传达与沟通信息的目的。经过可视化的数据，可以让人更直观、清晰的了解到数据中蕴含的信息，从而最大化数据的价值。

2、

中国古代星象图、“伦敦鬼图”、拿破仑进军莫斯科流图

3、

现在的屏幕媒体中大多融入了各种交互、动画和图像渲染技术，并加入了实时的数据反馈，可以创建出沉浸式（immersive）的数据交流和实用环境。除了商业机构、科研部门和政府外，普罗大众每天也要在自己的屏幕上接触大量的经过可视化的数据，可以说可视化已经渗透到了互联网上每个人的生活。

廉价的硬件传感器和自己动手创建系统的框架降低了收集与处理数