- 1、本文档共8页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
必修1数据与计算
第五章数据处理和可视化表达
5.1认识大数据
5.1.1大数据
大数据是指无法在可承受的时间范围内用常规软件工具进行高效捕捉、管理和处理的
数据集合,是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海
量、高增长率和多样化的信息资产。
5.1.2大数据的特征
(1)从互联网产生大数据的角度来看,大数据具有“4V”特征:大量(Volume)、多
样(Variety)、低价值密度(Value)、高速(Velocity)。
第一,数据体量巨大。从TB级别跃升到PB级别。
第二,数据类型繁多。如网络日志、视频、图片、地理位置信息等。
第三,价值密度低。以视频为例,在连续不间断的监控过程中,有用的数据可能仅仅
一两秒。
第四,变化速度快。数据来自世界各地的网络终端,且以秒为单位快速变化。
(2)从互联网思维的角度来看,大数据具有三个特征:样本渐趋于总体,精确让位于
模糊,相关性重于因果。
第一,在大数据时代强调数据要全量而不是抽样,即强调数据规模全量,而不是强调
数量巨大。大数据时代有了更好的数据采集手段,让获取全量数据成为可能。
第二,大数据时代研究的数据如此之多,追求的不是精确性,而是模糊性。在大数据
时代,只要掌握了大体的发展方向即可,适当忽略微观层面上的精确度,会让我们在宏观
层面拥有更好的洞察力。
第三,大数据时代不是因果关系,而是相关关系。在大数据时代,无须再紧盯事物之
间的因果关系,而应该寻找事物之间的相关关系;相关关系也许不能准确地告诉我们某件
事情为何会发生,但是会提醒我们这件事情正在发生。
(3)从大数据存储与计算的角度来看,大数据具有两个特征:分布式存储和分布式并
行计算。
第一,大数据存储在互联网不同的服务器与各客户终端。
第二,应用分布式并行计算处理互联网的大数据。
5.1.3大数据对日常生活的影响
1.大数据使人们日常生活更为便捷:方便支付;方便出行;方便购物与产品推介;方
便看病与诊病。
2.大数据对人们日常生活产生的负面影响:个人信息泄露;信息伤害与诈骗。
第1页共8页
5.2数据的采集
5.2.1数据采集的基本方法
数据采集的基本方法包括:1.系统日志采集法;2.网络数据采集法;3.其他数据采集
法。
拓展:Python网络数据采集程序使用的扩展库
(1)NumPy(NumericalPython)
是构建科学计算最基础的软件库;
(2)SciPy
是一个工程和科学软件库,包含线性代数、优化、集成和统计的模块;
(3)Pandas
是一个Python包,旨在通过标记(labeled)和关系(relational)数据进行工作;
(4)Matplotlib
是Python的一个2D绘图库。
在Python模块库中有大量模块可供使用,要想使用这些文件,就需要用import语句
把指定模块导入当前程序中。使用import语句导入模块的语法如下:
importmodule
关键字模块名
fromimport语句也是导入模块的一种方法,是导入指定模块内的指定函数方法。使
用fromimport语句导入模块内指定方法的语法如下:
frommoduleimportname
关键字模块名关键字方法名
5.2.2数据的存储和保护
1.数据的存储
一种是把数据存在本地内部,另一种是把数据存在第三方公共或私有的“云端”存
储。
2.数据的保护
(1)数据安全保
文档评论(0)