第18课 数据分析与处理 教案 2025-2026学年人教版初中信息科技八年级全一册

第18课《数据分析与处理》教案 课程名称：第18课 数据分析与处理 年级：八年级 课时：45分钟 一、教学目标分析 知识与技能 1.能准确说出常见的数据处理工具。 2.能够熟练掌握从物联网服务平台获取数据的两种方式。 3.能够运用 Python 的 pandas、numpy 等模块处理简单数据。 4.能处理常见数据异常。 过程与方法 1.通过自主探究、小组合作完成数据处理任务，提升逻辑思维和问题解决能力。 2.通过处理简单数据的实践操作，掌握数据分析的常用方法。 情感态度价值观 1.学生通过分析数据的实践操作，培养对数据分析的兴趣，体会其在实际生活和科学研究中的重要性。 2.学生通过整理信息数据，增强对信息技术的应用意识和创新精神。 二、教学内容及重点 教学重点 1.物联网服务平台获取数据的方法及代码实现。 2.利用 Python 模块处理数据的操作和代码编写 3.常见数据异常的处理策略， 4.常用数据分析方法的应用。 教学难点 1.理解并运用 API 调用数据，根据不同需求编写正确的数据处理代码。 2.综合运用数据分析方法解决实际问题。 三、教学过程设计 教学过程 教学内容 教学方法 情景导入 （2分钟） 师：在现代科学研究中，数据分析已经成为不可或缺的一部分。它不仅可以提高科学研究的效率和质量，还可以为科学家们提供更多的启示和思路。在未来，随着数据采集和计算技术的不断发展，数据分析在科学研究中的应用将会更加广泛和深入。下面是物联网环境监测系统实时数据监测画面，物联系统运行后，通过传感器和互联网采集的数据，会上传到物联网服务平台。物联网服务平台只是将数据汇集在一起，而数据往往需要被加工和处理之后才能产生价值。 师问：有没有同学知道最早的数据处理工具是什么？ 生：算盘。 师：接下来，我们将一起揭开数据处理与分析的神秘面纱，深入了解常见的数据处理工具和处理数据的一般方法，并体验从物联网服务平台获取数据。 问题导向学习 知识点一：了解常见的数据处理工具（5分钟） 师：在人类文明的历程中，人们一直在探索数字的奥秘，人们对数据处理工具的改进也一直没有停止，从早期的算盘到机械式计算机，再到电子计算机和计算器。 师问：电子计算机的出现，标志着数据处理进入了一个全新的时代，那么有没有同学知道与算盘、滑尺等传统工具相比，电子计算机有哪些优势？ 生：与算盘、滑尺等传统工具只能实现单一功能不同，电子计算机通过“存储程序、程序执行”的模式，展现了其通用性和自动化的优势。这不仅限于基础的数学运算，还包括复杂的数据分析、图形处理和人工智能应用。 师：随着互联网和物联网的不断发展，数据产生的速度越来越快，数据种类也越来越多。人们主要借助计算机中的工具处理数据，比较常用的有《WPS表格》等电子表格软件和FineBI、Hadoop等专用的数据分析软件。随着编程语言的发展，人们开始借助编程工具处理数据。 师：经过上面的学习，请同学们思考以下两个问题，1、常见的数据处理工具有哪些？2、利用程序处理数据有什么优势？ 生：数据处理工具有《WPS表格》等电子表格软件和FineBI、Hadoop等专用的数据分析软件以及编程工具。利用程序处理数据的优势在于能高效、准确地自动化处理海量数据，可根据需求灵活定制并易于扩展，还能保障数据安全，确保处理结果可重复、过程可追溯。 讲授法 展示法 学习活动一（5分钟） 师：同学们，接下来我们进入学习活动一，思考一下你使用过哪些数据处理工具？处理过什么数据？ 师：我们之前所学习过的数据处理工具及处理数据有：电子表格软件（如WPS 表格）处理物联花盆的环境数据、学生身高数据等；Python 中的pandas、numpy模块用于物联花盆系统数据的整理、排序等；物联网服务平台汇总、存储和转发各系统传感器采集及互联网获取的数据。 讨论法 知识点二：体验从物联网服务平台获取数据（5分钟） 师：下面我们一起来学习知识点二: 体验从物联网服务平台获取数据。物联网服务平台通常可以提供两种数据下载方式：以数据文件的形式下载和通过API调用。 讲授法 实践操作法 演示法 学习活动二（10分钟） 师：经过上面的学习，我们一起来进行学习活动二: 体验从物联网服务平台获取数据的实践操作。 师：我们先来学习第一种方法：以数据文件的形式下载，用电子表格软件进行处理。 第1步：登录在线MQTT服务器https://iot.mpython.cn/。 第2步：点击项目管理，去到17课活动3创建的项目，查看主题。 第3步：点击下载数据，该数据便会以文件的形式下载出来。 第4步：点开文件便可查看数据。 师：学会了方法一，接下来我们来学习方式二：通过API调用数据，可以实现自动从物联网服务平台获取数据。 第1步：导入 requests 模块（注意要先切换到python模式下）。如图所示，在相关编程界面中，找到左侧的“库管理” 选项，在搜索框输入 “requests” 后，点击右侧的 “安装” 按钮，这样就完成了该模块的导入操作，后续我们就能利用它在程序中向服务器发送请求等，来获取想要的数据啦。 第2步：编写代码。填入物联网服务平台账号、密码、主题等参数。 第3步：运行代码返回结果。 师：同学们要注意，物联系统中的原始数据可能会出现数据缺失、数据重复、数据格式错误等问题。数据缺失：部分数据未记录致字段空缺，可填充前后数据平均值处理。数据重复：同样数据多次记录，完全重复删其一，互补则补全留优。数据格式错误：单位或数据类型不一致，需甄别并修正异常数据格式。 师：大家思考一下，针对以上物联系统中原始数据可能出现的数据异常，有哪些处理方法？ 师：面对数据异常，我们有以下处理方法：1数据清洗：去重、填补缺失值、修正错误数据，保证数据准确无冗余。2数据验证：依据范围、逻辑和数据类型规则，筛查异常数据。3数据平滑：采用移动平均、指数平滑等方式，减弱异常波动影响。4异常值检测处理：运用统计法、机器学习算法识别异常，针对性处理。 实践操作法 小组合作学习法 知识点三：了解处理数据的一般方法（4分钟） 师：下面，我们来了解处理数据的一般方法。在进行数据处理前，要明确数据处理的目标和思路。通过对环境数据的分析，能够进一步了解当前环境情况。在Python中可以借助pandas、numpy等数据处理模块处理数据。 讲授法 案例分析法 学习活动三（7分钟） 师：下面请同学们自行分组进行学习活动三: 对从API 获取的数据进行整理、获取最值、筛选光照及分组求土壤湿度均值。 第一步：数据格式转换：从API 取数据，经json解析后转为DataFrame 类型，便于编程处理。 第二步：温度最值获取：利用sort_values 方法对温度数据排序，获取最高和最低温度值。 第三步：光照数据筛选：按设备ID 和光照强度阈值筛选数据，确定不同位置光照时间。（pandas 模块也支持多条件筛选。） 第四步：土壤湿度计算：依据设备clientld进行数据分组，在分组的基础上用 mean 函数求每组土壤湿度平均值。 写出完整代码： 最后得出结果： 师：请同学们根据上面的学习内容思考一下，数据分析的常用思路和方法有哪些呢？ 师：数据分析的常用思路和方法：1统计分析法：通过求一组数据的最大值、最小值、平均值等方式进行分析处理。2对比分析法：通过对比不同数据，分析其异同。例如,可以对不同区域的温度数据进行对比。3分组分析法：将数据根据某个条件分成若干组，再对数据进行统计和对比分析。例如，先根据设备ID 进行分组，再进行对应的分析处理。 实践操作法 小组合作学习法 拓展深化，回归生活 （4分钟） 师：同学们，现在来看拓展与提升部分。这个部分分为两个内容，第一个内容：尝试使用电子表格软件对数据分析处理，说一说哪种处理方式更好。 师：通过实践操作后，我们可以知道，虽然利用电子表格软件也可以进行数据分析处理，但是通过编程能高效处理大量数据，并实现更为直观的数据可视化。 师：第二个内容：海王星是利用数据进行预测而非依靠观测发现的行星。请同学们通过互联网查阅关于海王星被发现的资料，结合自己的理解谈谈数据分析处理在科学研究活动中的重要作用。 生：在现代科学研究中，数据分析已经成为不可或缺的一部分。 它不仅可以提高科学研究的效率和质量，还可以为科学家们提供更多的启示和思路。在未来，随着数据采集和计算技术的不断发展，数据分析在科学研究中的应用将会更加广泛和深入。 启发式教学法 实践操作法 课后作业（1分钟） 师：今天的课后作业：请同学们自行组成小组，共同监测植物生长环境，利用所学知识，设计一个数据处理方案。用Python 模拟从 API 获取温度、光照强度、土壤湿度等数据（数据可自行虚拟设定），并对数据进行整理、获取温度最值、筛选合适光照强度数据、计算土壤湿度平均值等操作，将代码及运行结果记录下来。 课堂小结与评价 （2分钟） 本节课，我们了解了电子表格与Python 模块，体验了从物联网平台取数据，并学会整理、筛选、分组计算等操作。希望大家课后巩固知识，积极探索数据处理与分析的奥秘！ 教学反思 1. 反思点：教学过程中发现部分学生对复杂的数据处理代码理解困难，在实践操作中容易出错；小组讨论时，部分学生参与度不够高，存在依赖他人的现象；在引导学生思考数据分析的应用场景时，学生的思维不够开阔。 2. 改进措施：针对代码理解困难的问题，在今后的教学中增加代码讲解的详细程度，多提供分步示例和解释，加强课堂练习和辅导；对于小组讨论参与度不高的情况，优化小组分组方式，明确小组内成员的分工和责任，加强对小组讨论过程的监督和引导；为拓宽学生思维，在导入和拓展环节增加更多实际案例的展示和分析，鼓励学生关注生活中的数据，培养数据敏感度。 学科网（北京）股份有限公司 $