(
课件网) 第五章 数据处理和可视化表达 5.2数据的采集 (第1课时) 一 、本章情况 学习目标 （1）了解大数据的概念，理解大数据的特征，知道大数据对日常生活的影响，明晰传统数据与大数据的区别； （2）了解数据采集的方法和工具，掌握数据的存储方式，理解对数据进行保护的意义； （3）知道数据预处理及分析，体验多种数据分析技术； （4）学会选用恰当的工具处理数据，学会总结和归纳数据分析的方法和步骤； （5）了解数据可视化两种呈现类型，学会选用恰当的工具可视化表达数据。 5.1认识大数据 5.2数据的采集 5.3数据的分析 5.4数据的可视化表达 教学内容 二、项目指导 交流分享 依据自己小组项目实施的实际情况，对于项目实施过程的进度、亮点、困难予以分享，交流。 1. 项目完成基本情况。 2.对所选定主题的大数据特征进行分析。 三、知识回顾 5.1 认识大数据 四、学习新知 思考 处理大数据需要哪些步骤？ 如何获取大数据？ 如何加工大数据？ 如何表达大数据？ 四、学习新知 5.2.1 数据的采集 数据的来源广泛（主要是互联网和物联网)、类型丰富、规模巨大。 采集数据首先要明确数据应用项目的需求，围绕选定的项目主题，制订数据采集的需求清单和内容大纲,再采用适当的方法和工具进行采集。 四、学习新知 1. 系统日志采集法 在信息系统中，系统日志是记录系统中硬件、软件和系统问题的信息文件。 系统日志包括操作系统日志、应用程序日志和安全日志。 系统日志采集数据的方法通常是在目标主机上安装一个小程序，将目标主机的文本、应用程序、数据库等日志信息有选择地定向推送到日志服务器进行存储、监控和管理。 查看计算机的日志： 四、学习新知 1. 系统日志采集法 通过日志服务器可以监视系统中发生的事件，可以检查错误发生的原因，或者寻找受到攻击时攻击者留下的痕迹。 例如，安全管理信息系统就是以系统日志服务器采集原始日志数据，以日志记录文本文件实现日志数据的监控和保存，以数据库操作进行日志有效信息的管理工作。 某安全管理信息系统的日志： 四、学习新知 2. 网络数据采集法 网络数据采集是指通过网络爬虫或网站公开API （Application Programming Interface，应用程序接口）等方式从网站上获取数据信息。 网络爬虫从一个或若干初始网页的URL （ Uniform Resource Locator， 统一资源定位符）开始，获得初始网页上的URL，在抓取网页的过程中，不断从当前页面上抽取新的URL放入队列，直到满足系统的一定停止条件。 四、学习新知 2. 网络数据采集法 新华网科技专栏，大国科技栏目的URL：http://www./tech/dgkj 通过URL访问这个网页，在网页中有其他网页的URL，这样就是获取这些网页的内容。 思考：能不能用程序自动获取这些网页的内容？ 四、学习新知 2. 网络数据采集法 “网络数据采集法” 可以将非结构化数据从网页中抽取出来，将其存储为统一的本地数据文件，并以结构化的方式存储。它支持图片、音频、视频等文件或附件的采集，附件与正文可以自动关联。 可以进行网络数据采集的程序，常被称为“网络爬虫”。 使用Python程序实现网络数据采集，需要使用“扩展库”。 四、学习新知 2. 网络数据采集法 认识Python扩展库，常用的库： NumPy SciPy Pandas Matplotlib 运行“程序5-2-1 绘制正弦函数.py”，分析import语句的功能。 探究活动 使用扩展库中的模块： import module from module import name 观看视频：库模块的使用 四、学习新知 2. 网络数据采集法 打开程序文件“程序5-2-1 贴吧图片栏目图片下载.py”，检查扩展库、URL。运行程序，实现网络图片的采集。 探究活动 (1)打开程序文件“程序5-2-1 top250电影数据.py”，测试使用Python ... ...
