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 | ||||||||||||||||||||
教材 分析 | 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。 | ||||||||||||||||||||||
学情 分析 | 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。 | ||||||||||||||||||||||
教学 目标 | 1.能够理解大数据的4V特征并能举出例子。 2.了解数据采集，分析和可视化表达的基本方法。 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。 | ||||||||||||||||||||||
重点与难点 | 重点：大数据的4V特征，可视化表达的基本方法，python的扩展库。 难点：python的扩展库。 | ||||||||||||||||||||||
教学方法 | 讲授法、任务驱动法、小组合作法、自主探究法 | ||||||||||||||||||||||
课前准备 | 多媒体课件、教学视频，随堂练习 | ||||||||||||||||||||||
教学设计 | |||||||||||||||||||||||
导入 | 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。 | ||||||||||||||||||||||
授新课 | 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 1.个人信息泄露 2.信息伤害与 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：import numpy as np 2.from 模块名 import 功能名 as 别名 例如：from matplotlib import pyplot as plt （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 知识点：
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 （2）DataFrame：二维的表格型数据结构 series求和sum()，求平均值mean() DataFrame的行列求和，求平均值 知识点： Pandas.DataFrame.sum()返回所有列的和 Pandas.DataFrame.sum(axis=1)返回所有行的和 扩展： Random生成随机数的函数库 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 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 | ||||||||||||||||||||||
课堂练习 | 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 2.2020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^x）函数图像，则下列程序第五行应该填写的代码是（ ） 1 Import matplotlib.pyplot as plt 2 Import numpy as np 3 x=np.linspace(0,10,50) 4 Y=2**x 5 6 Plt.show() A plt.plot(x,y) B plt.plot(y,x) C plt.bar(x,y) D plt.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： 1 import numpy as np 2 from matplotlib import pyplot as plt 3 x=np.arange(1,10) 4 y=2*x*x+6*x-12 5 plt.title(“y=2*x*x+6*x-12”) 6 plt.xlable(“x”) 7 plt.ylable(“y”) 8 plt,plot(x,y) 9 plt.show( ) 请问程序第5行语句的作用是：（ ） 请问程序第8行语句的作用是：（ ） 如果将第8行plt.plot(x,y)语句改为plt.bar(x,y),则程序执行结果变为绘制（ ）图。 7.利用python编程处理数据的时候，常常会用到pandas库，其中一维数据结构是series 1 import random 2 s=pandas.Series([4,6,7]) 3 print(s.sum()) 此程序运行的结果是（ ） | ||||||||||||||||||||||
板书设计 | 数据处理和可视化表达 5.1认识大数据 4V特征：大量，多样，价值密度低，高速 5.2数据的采集 数据采集的方法和工具：系统日志采集法、网络数据采集法，其他数据采集法，python的扩展库 5.3数据的分析：特征探索、关联分析、聚类与分类、建立模型和模型评价 5.4数据可视化表达方式 | ||||||||||||||||||||||
教学反思 | |||||||||||||||||||||||
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论