数据 (Data) — AP CS Principles CSP 学习指南

适合谁：AP CS Principles 参加 AP Computer Science Principles 的考生。

覆盖内容：二进制数与抽象、有损与无损数据压缩、数据分析与可视化、信息隐私与安全四大核心子主题

前置知识：无需前置 CS 知识。

关于练习题：下文「练习题」一节的所有题目均为我们按 AP CS Principles 风格编写的原创题目 (original problems)，仅用于教学。它们不是 College Board 真题的复制，措辞、数值或语境可能不同。请把它们当作练手用；评分细则请对照 College Board 官方 mark scheme。

1. 什么是数据？

数据（Data）是所有可以被计算机存储、处理、传输的信息的载体，是计算机科学最基础的核心概念之一。在AP CSP考纲中，数据模块占选择题总分的15%-20%，同时是后续算法、编程、互联网等模块的前置基础。我们日常接触的文本、图片、音频、视频、测量数值、用户信息等所有内容，在计算机中最终都会被转化为数据形式存储。

2. 二进制数与抽象（Binary numbers and abstraction）

二进制数（binary number）是计算机存储数据的底层形式，仅由0和1两个符号组成：最小的存储单位是比特（bit），代表单个0或1；8个比特组成1个字节（byte），是常用的存储容量单位。 抽象（abstraction）是计算机科学的核心思维之一，指隐藏复杂的底层实现逻辑，只向用户暴露简化的操作接口：比如你在电脑上输入十进制数19，计算机自动将其转换为二进制数10011处理，你完全不需要了解底层的转换规则，这就是抽象的应用。

核心计算规则

n个比特最多可以表示$2^n$个不同的数值，例如3个比特可以表示$2^3=8$个值，对应十进制的0到7。十进制转二进制的方法是"除2取余，逆序排列"，例如十进制19的转换过程： $$19÷2=9\text{余}1$$ $$9÷2=4\text{余}1$$ $$4÷2=2\text{余}0$$ $$2÷2=1\text{余}0$$ $$1÷2=0\text{余}1$$ 逆序排列余数得到二进制数10011，验证：$1\times 2^4+0\times 2^3+0\times 2^2+1\times 2^1+1\times 2^0=19$。

考官常考二进制与十进制的转换、n比特可表示的数值范围，这部分属于送分题，一定要掌握。

3. 数据压缩：有损vs无损（Data compression — lossy vs lossless）

数据压缩（data compression）指通过算法减少文件占用的存储空间、提升传输效率的技术，分为两类：

1. 无损压缩（lossless compression）：压缩后可以100%还原原始数据，没有任何信息丢失，适合存储文本、程序代码、医疗影像、原始实验数据等不能出现信息偏差的内容，常见格式包括ZIP压缩包、PNG图片、FLAC音频。
2. 有损压缩（lossy compression）：压缩时会丢弃人眼、人耳感知不到的冗余信息，无法完全还原原始数据，但压缩比远高于无损压缩，适合存储普通图片、音视频等可以接受轻微质量损失的内容，常见格式包括JPEG图片、MP3音频、MP4视频。

举个例子：一张12MB的BMP原始图片，用PNG无损压缩后大小约为5MB，解压后和原图完全一致；用JPEG有损压缩（质量80%）后大小约为1.2MB，几乎看不出画质差异，但无法还原为原始BMP的全部细节。考点通常是给定场景选择合适的压缩类型，记住"不能丢信息选无损，要高压缩比选有损"即可。

4. 数据分析与可视化（Data analysis and visualisation）

数据分析（data analysis）指从原始数据（raw data）中提取规律、总结有用信息的过程；数据可视化（data visualisation）指将分析结果转化为图表形式，降低理解门槛的技术。AP CSP要求你掌握四类常见可视化图表的适用场景：

这里有个高频考点：相关性不等于因果性。比如你用散点图发现"冰淇淋销量越高，溺水死亡人数越多"，二者是正相关关系，但不存在因果关系——真正的影响变量是气温，气温高的时候冰淇淋销量和游泳人数都会上升，进而导致溺水人数上升。考试中遇到从图表推导结论的题目，一定不能选出现"导致""使得"等因果表述的选项，除非题干明确说明做了控制变量的对照实验。

5. 信息隐私与安全（Information privacy and security）

信息隐私（information privacy）指个人有权控制自己的个人数据如何被收集、使用、分享；信息安全（information security）指保护数据不被未授权访问、篡改、泄露的技术和流程。 常见的隐私风险包括：平台未经授权收集用户的位置、浏览记录等个人数据用于定向广告，数据泄露（data breach）导致用户的身份信息、支付信息被盗用。常见的保护措施包括：

• 加密（encryption）：将数据转化为只有持有密钥的用户可以解读的形式，同时可以验证数据完整性，如果数据被篡改，解密会直接失败
• 双因素认证（two-factor authentication, 2FA）：除密码外额外要求手机验证码、指纹等第二层验证，大幅提升账户安全性
• 匿名化（anonymization）：删除数据中的姓名、手机号等个人标识，避免数据关联到具体个人

考点通常是判断给定行为是否侵犯隐私，或者选择合适的安全措施，属于常识类考点，难度较低。

6. 常见陷阱 (Common Pitfalls)

1. 错误做法：二进制转十进制时从右往左幂次从1开始计算，比如将10011算成$1\times 2^1+1\times 2^2+0\times 2^3+0\times 2^4+1\times 2^5=38$。错误原因：搞反了比特位的权重顺序。正确做法：最右侧的比特对应权重$2^0$，往左依次加1，10011最右位是1对应$2^0$，最左位是1对应$2^4$，总和为19。
2. 错误做法：认为有损压缩一定比无损压缩好，或者反过来。错误原因：只关注压缩比或还原度，忽略应用场景。正确做法：需要完全还原原始数据的场景选无损压缩，可接受轻微质量损失、需要高压缩比的场景选有损压缩。
3. 错误做法：从散点图的相关性直接推导因果关系。错误原因：忽略了其他潜在影响变量的作用。正确做法：没有对照实验控制变量的前提下，只能说明两个变量存在相关关系，不能认定有因果关系。
4. 错误做法：认为加密只能防止数据被泄露，不能防止被篡改。错误原因：不了解现代加密算法的附加功能。正确做法：加密同时可以验证数据完整性，如果数据被第三方篡改，解密时会直接报错，从而识别出数据被改动。

7. 练习题 (AP CSP 风格)

第1题

题干：某学生需要存储物理实验的原始测量数据，后续需要对数据进行精确的统计分析，不能有任何信息损失，以下哪种压缩方式最合适？ A. 用JPEG格式压缩数据 B. 用MP3格式压缩数据 C. 用ZIP格式压缩数据 D. 用MP4格式压缩数据

解答：答案为C。A、B、D都是有损压缩格式，会丢失原始信息，只有ZIP是无损压缩格式，可以完全还原原始数据，符合需求。

第2题

题干：某系统需要给每个用户分配唯一的二进制ID，预计总用户量为2000人，请问最少需要多少个比特来存储ID？

解答：n个比特可以表示$2^n$个不同值，计算： $2^{10}=1024<2000$，$2^{11}=2048>2000$，因此最少需要11个比特。

第3题

题干：某机构想要展示2018-2025年全国互联网用户数量的变化趋势，最合适的可视化图表是？ A. 饼图 B. 折线图 C. 散点图 D. 柱状图

解答：答案为B。折线图专门用于展示变量随时间的变化趋势，符合需求。

8. 速查表 (Quick Reference Cheatsheet)

9. 接下来怎么学

本模块是AP CSP的基础核心，后续的算法、编程、互联网、网络安全等模块都会用到本模块的知识：比如算法处理的输入输出都是二进制存储的数据，互联网传输数据时会用到压缩和加密技术，掌握好本模块的内容是学习后续知识点的必要前提。

如果你在备考过程中遇到任何知识点疑问或者练习题不会做，都可以随时到小欧平台提问，我们的资深辅导老师会为你提供一对一的解答。