5.4数据的可视化表达 教学设计

教学设计 课程基本信息 学科 信息技术 年级 高二年级 学期 第一学期 课题 5.4数据的可视化表达 教科书 书 名：《数据与计算》 出版社：广东教育出版社 出版日期： 教学目标 1. 知识目标：通过体验数据可视化的呈现方式，感受数据可视化在数据分析中的作用 2. 技能目标：能够根据实际情况，选择合适的可视化工具，通过编写代码，实现数据的可视化呈现。 3. 情感目标：通过数据可视化的学习，提高学生对于生活中事务进行处理的乐趣。 教学内容 教学重点： 数据可视化的工具Seaborn和Bokeh，能够根据需求编制程序进行数据可视化表达。 教学难点： 根据可视化工具Seaborn和Bokeh，编制程序，进行多种形式的可视化呈现 教学过程 1． 课程回顾处理重复值 处理缺失值 处理异常值 聚类分析 关联分析 数据预处理 系统日志采集法 网络数据采集法 数据采集 数据呈现 数据分析 2． 创设情境，导入新知 例如：在一学期计算机考试中，对于学生的成绩表，我们如何利用python数据分析对数据表进行可视化表达呢？ 二．讲授新课 1.数据可视化表达的概念 用图形、图像、地图、动画等生动、易于理解的方式展现数据和诠释数据之间的关系、趋势与规律，以便更好的理解数据。 2.数据可视化表达的优点 快速抓住要点信息。有效提升数据分析的效率。生动形象的呈现方式便于理解数据。 3.数据可视化表达的方式 （1）.有关趋势的分析：分组柱形图、趋势柱形图、折线图、柱线混合图。 （2）.有关比例的分析：百分比圆环图、饼图、圈图。 （3）.有关关系的分析：散点图、数据地图。 4.数据可视化的工具 （1）.Seaborn主要关注统计模型的可视化。例如，直方图既可以总结数据，也可以描绘总体分布。Seaborn基于且高度依赖于Matplotlib。 （2）.Bokeh也是一个很好的可视化库，可实现交互式可视化。与其他库相反，Bokeh是独立于Matplotlib的。Bokeh的重点在其交互性，且是通过浏览器以数据驱动文档的风格呈现。 三．程序编制运行 1.Seaborn的三种图形显示 （1）.直方图 import seaborn as sns import matplotlib.pyplot as plt import pandas as pd data = pd.read_csv("grade.csv") sns.barplot(x="name", y="test1", data=data) plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False plt.title("计算机模拟成绩") plt.show() （2）.折线图 import seaborn as sns import matplotlib.pyplot as plt import pandas as pd data = pd.read_csv("grade.csv") sns.lineplot(x="name", y="test1", data=data) plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False plt.title("计算机模拟成绩") plt.show() （1） .散点图 import seaborn as sns import matplotlib.pyplot as plt import pandas as pd data = pd.read_csv("grade.csv") sns.lineplot(x="name", y="test1", data=data) plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False plt.title("计算机模拟成绩") plt.show() 2. Bokeh的三种图形显示 (1).直方图 from bokeh.plotting import figure, output_file, show import pandas as pd graph = figure(title = "成绩") data = pd.read_csv("grade.csv") graph.vbar(data['name'],data['test1'],legend_label = "计算机模拟成绩"，color='green') show(graph) 四．程序拓展：可视化的交互式显示 from bokeh.plotting import figure, output_file, show import pandas as pd graph = figure(title = "成绩") data = pd.read_csv("grade.csv") graph.line(list(data['name']), list(data['test1']),legend_label = "计算机模拟成绩", color='green') graph.line(list(data['name']), list(data['test2']),legend_label = "计算机期末成绩", color='red') graph.line(list(data['name']), list(data['test3']),legend_label = "计算机平时成绩", color='yellow') graph.line(list(data['name']), list(data['test4']),legend_label = "计算机会考成绩", color='black') graph.legend.click_policy = "hide" show(graph) 五．课程总结 数据表达可视化的工具：Seaborn和Bokeh 直方图显示 折线图显示 散点图显示 拓展：交互式显示（Bokeh） 六．作业 1.通过修改程序，实现计算机成绩的直方图和散点图的交互式显示 2.根据本次数据表中计算机会考成绩test4，利用Seaborn和Bokeh分别编制程序实现折线图显示。 学科网（北京）股份有限公司 $$