第五章数据处理和可视化表达 教学设计 2023-2024学年高中信息技术粤教版（2019） 必修1

第五章数据处理和可视化表达

课题数据处理和可视化表达课时4课时

本章是必修一第五章的内容，随着移动互联网和物联网的飞速发

展，人类社会产生的数据以惊人的速度增长，海量的数据几乎包含了一

教材切形式的数据。本章要让同学认识到大数据及其特征，认识大数据对人

分析们日常生活的影响，了解数据采集、分析和可视化表达的基本方法；学

会选用恰当的软件工具或平台处理数据，分析报告；学会利用python

的扩展库来解决会考题，理解对数据保护的意义。

在第五章当中学生已经对python语言已经有了基本的了解，在本

章的学习党中除了了解大数据还要学习python的扩展库。在本章节的

学情

学习当中要注重培养学生学习的主动性，培养学生自主学习的意识。让

分析

学生学会选择恰当的学习工具进行学习，建构知识，培养技能，发展

思维。促进信息技术学科核心素养达成，完成项目学习目标。

1.能够理解大数据的4V特征并能举出例子。

教学2.了解数据采集，分析和可视化表达的基本方法。

目标3.了解python的第三方库的基础知识，学会利用第三方库来做题。

4.促进信息技术学科核心素养达成，完成学习目标。

重点：大数据的4V特征，可视化表达的基本方法，python的扩展

重点与

库。

难点

难点：python的扩展库。

教学方

讲授法、任务驱动法、小组合作法、自主探究法

法

课前准

多媒体课件、教学视频，随堂练习

备

教学设计

让学生进行思考你在网站购物时是否出现过类似的事情：当你在搜

导入索一件物品的时候，购物网站就会给你进行类似商品的推荐和广告的投

放。从此例子来引入本章内容的学习。

任务一：认识大数据的概念和特征

1.让同学自行阅读课本P101-P102来了解大数据的概念和特征，

阅读完成之后学生进行总结，教师加以补充，在上新课之前所举的购物

网站的例子就是应用的大数据。

2.让学生4人为小组讨论一下在日常生活中还有哪些应用了大数

据？例如移动支付、网约车、高德地图等。

任务二：观看视频总结大数据对日常生活的影响

让学生们观看视频《大数据时代，我们无处可逃》然后以小组为单

位讨论一下大数据时代对日常生活的影响。

（一）正面影响

1.方便支付2.方便出行3.方便购物和产品推荐4.方便看病和

诊病

（二）负面影响

授新课1.个人信息泄露2.信息伤害与诈骗

任务三：阅读课本了解数据采集的方法和工具

让学生自行阅读课本P104-P109了解数据采集的方法和工具

以及数据的存储和保护，阅读完成之后学生进行总结。

任务四：学习python网络采集程序使用的扩展库

（一）导入模块的方法

1.import模块名as别名

例如：importnumpyasnp

2.from模块名import功能名as别名

例如：frommatplotlibimportpyplotaspit

（三）扩展库

1.NumPy：是Python语言的一个扩展程序库，支持大量的维度数

组与矩阵运算，此外也针对数组运算提供大量的数学函数库。

2.SciPy：是一个算法库和工具包

3.Matplotlib:是一个2D绘图库，可以生成绘图、直方图、条形图、

散点图。

4.NumPy常与SciPy和Matplotlib一起使用

importnumpyasnp

importmatplotlib.pyplotaspit

fromscipyimportoptimize

x=[l,2,3,4,5,6,7,8]

y=[1,1/2,1/3,1/4,1/5,1/6,1/7,1/8]

pit.title("test")#图标名称

pit.xlabel("X")#乂轴的名称

pit.ylabel(Y)#y轴的名祢

pit.scatter(x,y)#绘制散点图

pit.show()

金*Python3.8.5Shell*

importnumpyasnp

importmatplotlib.pyplotaspit

fromscipyimportoptimize

x=[l,2,3,4,5,6,7,8]

y=[l,1/2,1/3,1/4,1/5,1/6,1/7,1/8]

pit.title("test")#图标名称

pit.xlabel("X")#*轴的名称

plt.ylabel(〃Y〃)#y轴的名称

pit.plot(x,y)#绘制曲线图

pit.show()

FileEditShellDebugOptionsWindowHelp

知识点:

函数描述

Pit.title()设置图像的标题

pit.xlableO设置X轴的名称

Pit.ylableO设置y轴的名称

pit.show()显示图像

Pit.plot(x,y)绘制线性图

Pit.scatter(x,y)绘制散点图

Pit.pie(x,y)绘制饼图

Pit.bar(x,y)绘制柱形图

5.pandas库：Pandas库主要用于快速简单的数据操作，聚合和可

视化呈现。库中有两个主要的数据结构，一维数组(Series)和二维数

组(DataFrame)结构。

(1)Series：一维数组

importpandasaspd

grade=[47,58,67]

gradel=pd.Series([47,58,67])#自动索引

print(grade)

print(gradel)

二RESTART:C:\Users\s八A]

Py

rise.5867

[47,47

058

167

2

dtype:int64

(2)DataFrame：二维的表格型数据结构

importpandasaspd

grade=[[88,89,92],[77,86,89],[94,99,101]]

name=[〃张华〃，"李明〃，"王兴〃]

sub=[〃英语"，〃数学”，〃语文〃]

df=pd.DataFrame(grade,name,sub)

print(df)

一英语」数学语文

张华888992

李明778689

王兴9499101

series求和sum(),求平均值mean()

importpandas

s=pandas.Series([6,8,9])

print(s.sum())#莉和

print(s.mean())#求平均值

23

7.666666666666667

DataFrame的行列求和，求平均值

importnumpyasnp

importpandasaspd

grade=[[88,89,92],[77,86,89],[94,99,101]]

name=["张华"，"李明"，"王兴”]

sub=["英语"，"数学"，"语文”]

df=pd.DataFrame(grade,name,sub)

dfRow_sum，]=df.apply(ambdax:x.sum(),axis=l)#行的求和

dffRow_mean,]二df.apply(lambdax:x.mean(),axis=l)#行的平均分

df.locfCol_sum,]=df.apply(lambdax:x・sum。)#列的求和

df.locfCol_mean,]=df.apply(lambdax:x.mean。)#列的平均值

print(df)

英语数学语文Row_sumRowmean

张

88.089.092.0269.0134.50

李

77.086.089.0252.0126.00

王

94.099.0101.0294.0147.00

cosum259.0274.0282.0815.0407.50

comean129.5137.0141.0407.5203.75

知识点：

Pandas.DataFrame.sum()返回所有列的和

Pandas.DataFrame.suni(axis=l)返回所有行的和

扩展：

Random生成随机数的函数库

importrandom

numl=random.random()#返回随机生成的一个实数

num2=random.randint(0,1。)#生成一个[0,10]之间的一个整数

print(numl)

print(num2)

0.5992866603390408

6

»>

0.8221011022241507

9

»>

importrandom

stud工厂小黄〃，〃小红〃，〃小蓝〃，〃小绿〃］

print(〃选手的报名顺序：\stud)

random,shuffle(stud)#打乱选手的报名顺序

print(〃选手的随机报名顺序为：〃，stud)

选手的报名顺序；［'小黄'，’小红'，‘小蓝‘，‘小绿'］

选手的随机报名顺序为：［‘小绿‘，‘小蓝‘，‘小黄‘，‘小红'］

»>

知识点：random,random()返回随机生成的一个实数

Random,randint(a,b)生成一个［a,b］之间的整数

Random.Shuffle()打乱排序

任务五：观看视频了解数据的分析

数据的分析一般包括特征探索，关联分析，聚类分类，建立模型和

模型评价。

1、数据的特征探索：对数据进行预处理，发现和处理缺失值、异

常数据、绘制直方图、求最大值、最小值、极差

2、关联分析：发现大量数据集中的关联性或相关性，从而描述了

一个事物中某些属性同时出现的规律和模式。

3、聚类分析：依据研究对象(样品或指标)的特征，对其进行分

类的方法，减少研究对象的数目。

任务六：阅读课本了解数据的可视化表达的方式，观看视频了解什

么是词云图

一数据

J__IZ学生1、

学驾技数来蠢

技术数据”信息蕤

:习^^习数据

数据及术备一

■雪居

词云图是目前常用的关键词可视化数据的表达方式，词云图通常使

用文字的大小和颜色来表示关键词出现的频次。

用python编程进行词云图的制作的顺序为：导入文本，分词，特

征提取，数据分析，保存词云图

总结由学生进行总结，教师进行补充

1.手机导航应用能够实时推荐最快路线，主要体现了大数据的（）

特征

A数据体量巨大B数据类型多

C数据变化速度快D价值密度低

课堂练

习22.020年11月1日，正式开始第七次全国人口普查，普查信息除了普

查员登记获取之外，还可以通过小程序自主填报。后者的数据采集方式

是（）

A实验数据采集B传感器采集

C网络爬虫D系统录入

3.我们在用python进行数据分析的时候，经常会用到pandas库中的

DataFrame,这是类似于（）的数据结构。

A一维表格B二维表格

C三维表格D四维表格

4.在用python编程对数据进行分析的时候，代码

pandas.DataFrame.sum（）执行的操作是（）

A返回所有列的和B返回所有行的和

C返回所有数据中的最大值D返回所有数中最小值

5.利用python程序绘制y=2的x次方（y=2%）函数图像，则下列程

序第五行应该填写的代码是（）

1Importmatplotlib.pyplotaspit

2Importnumpyasnp

3x=np.1inspace(0,10,50)

4Y=2**x

5

6Pit.show()

Apit.plot(x,y)Bpit.plot(y,x)

Cpit.bar(x,y)Dpit.boxplot(x,y)

6.吴老师利用python编写一个程序画出一个一元一次方程的函数图,

程序如下所示：

y=2*x*x+6*x」2

1ZM

1importnumpyasnp

2frommatplotlibimportpyplotaspit

3x=np.arange(1,10)