第四单元第18课数据分析与处理教学设计2026-2027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》教学设计 2026—2027学年人教版初中信息科技八年级全一册 课　　题 第 18 课　数据分析与处理 教材版本 人教版（2024）八年级全一册 所在单元 第四单元　简易物联系统实践 课　　型 新授课 课　　时 1 课时（40 分钟） 授课对象 八年级学生 一、教学目标 1. 知道数据是物联系统的基础，了解数据处理工具从算盘、计算器到计算机的发展历程，感受数据处理工具在物联系统中的重要作用。【信息意识】 2. 知道从物联网服务平台获取数据的两种方式——下载数据文件、调用 API 获取数据，能按操作说明登录平台获取所需数据。【信息意识】【数字化学习与创新】 3. 初步学会用 pandas 模块读取和整理数据文件，能查看数据的前几行、了解数据的基本统计情况，认识数据表的行列结构与字段含义，建立用编程工具处理数据的意识。【计算思维】 4. 能用排序等方法求出温度的最高值和最低值，能按设定的阈值筛选数据并统计结果，初步经历“获取原始数据—整理数据—分析数据”的完整过程。【计算思维】 5. 在分析真实环境数据的过程中，养成用数据说话、实事求是的科学态度，注意保护平台账号、密钥等数据安全，增强信息社会责任意识。【信息社会责任】 二、教学重点与难点 教学重点：从物联网服务平台获取数据的两种方式（下载数据文件、调用 API 获取数据）；用 pandas 模块整理数据（读取数据文件、查看数据、认识数据结构）；用排序求最高值和最低值、按阈值筛选数据进行分析。 教学难点：读懂数据表的行列结构与各列字段含义；理解排序、求极值与按阈值筛选等方法的作用并正确运用；把“判断植物更喜欢哪种环境条件”这一实际问题转化为对数据的具体处理操作，并用数据支撑结论。 三、教学方法与教学准备 教学方法：情境导入法、任务驱动法、演示讲授法、小组合作探究法、项目式学习法。 教学准备：多媒体课件；数据处理工具演变图片（算盘、计算器、计算机）；“智慧花盆”平台环境数据（温度、湿度、光照强度、土壤湿度）数据文件样例；pandas 处理数据的示例代码与运行结果；联网环境与物联网服务平台账号、操作指南；“分析记录单”。 四、教学过程（40 分钟） 教学环节 教师活动 学生活动 设计意图 情境导入 怎样根据环境数据 判断植物更喜欢 哪种条件 （5 分钟） 承接上一课“数据采集与上传”，展示“智慧花盆”系统在物联网服务平台上保存的一周环境数据表：温度、湿度、光照强度、土壤湿度，每一小时一行，密密麻麻有上百行。提问：“这么一大堆数据摆在面前，你能一眼看出这一周最高温度是多少、哪几天光照最充足吗？植物到底更喜欢什么样的环境条件？”引导学生发现“光看数据表很难看出门道”，再追问：“要想从数据中找到有用的信息，该怎么办？”由此点明“数据要经过整理和分析才能变成有用的信息”，引出课题《数据分析与处理》，明确本课的三个任务——认识数据处理工具并获取数据、用编程工具整理数据、用排序和阈值筛选等方法分析数据。 观察平台上保存的环境数据表，尝试在密密麻麻的数字中寻找答案，体会“数据很多却看不出规律”的困惑；结合生活经验猜想植物喜欢的环境条件；带着“怎样从大量数据中找出有用的信息”的问题进入学习。 用真实、海量的环境数据制造认知冲突，让学生体会“数据不等于信息”，唤起整理与分析数据的需要，明确本课“获取—整理—分析”的任务主线，为动手处理数据作好铺垫。 探究一 认识数据处理工具 从服务平台获取数据 （8 分钟） 出示算盘、计算器、计算机的图片，简要介绍数据处理工具的发展：从依靠算盘手工计算，到使用计算器按键运算，再到今天用计算机和程序自动处理成千上万条数据，工具越先进，处理数据就越快速、越方便。提问：“我们采集到的环境数据保存在物联网服务平台上，怎样才能把它取出来分析呢？”讲解从平台获取数据的两种方式——一是把平台上某个主题的数据下载成数据文件（如 csv 文件），二是在程序中调用 API 获取数据。演示登录物联网服务平台，找到“智慧花盆”的主题数据，选择时间范围并下载数据文件，引导学生观察文件名与数据内容，明确“数据到手，才能开始整理和分析”。 观看图片，了解数据处理工具从算盘、计算器到计算机的演变；说出两种从服务平台获取数据的方式；在演示中认识平台数据的界面和下载操作，观察下载下来的数据文件及其内容。 以工具演变的直观对比让学生感受信息技术对数据处理的改变；通过“数据从哪里取”的真实操作，落实获取数据这一环节，为后续用编程工具整理数据提供真实素材。 探究二 用 pandas 整理数据 （13 分钟） 指出下载下来的数据文件格式规范、内容整齐，最适合用编程工具处理，Python 中的 pandas 模块就是常用的数据处理工具。结合示例数据文件边讲解边演示：先用 pd.read_csv() 读取 csv 数据文件，得到一个“数据表”（DataFrame）；再用 df.head() 查看数据的前几行，认识数据表的行（每一条记录）和列（温度、湿度、光照强度、土壤湿度等字段）；用 df.describe() 了解数据的基本统计情况。引导学生动手操作：打开示例数据文件，读取数据后查看前几行，说出数据表有几行几列、每一列代表什么；小组交流“整理数据”的含义——把采集来的数据按规范的格式排好，弄清每一列字段的含义，去掉明显错误的数据，为下一步分析作准备。教师巡视指导，及时纠正读取路径、文件名等常见错误。 在教师演示后动手操作：用 pd.read_csv() 读取示例数据文件，用 df.head() 查看前几行，用 df.describe() 了解基本情况；说出数据表的行列结构和各列含义；小组合作整理数据，交流“整理数据”要做哪些事，记录遇到的问题与解决办法。 从“看着数据”到“用程序打开数据”，让学生亲历用编程工具整理数据的过程，建立“先整理、后分析”的意识；通过辨认行列与字段，突破读懂数据结构的难点，培养计算思维。 探究三 分析数据 排序求极值 按阈值筛选 （9 分钟） 引导思考：“整理好的数据，怎样回答导入时提出的问题？”介绍两种常用的分析方法并演示：一是用排序方法分析——用 df.sort_values() 按某一列（如温度）排序，或用 df["温度"].max()、df["温度"].min() 直接求出这一周的最高温度和最低温度，了解温度的变化范围；二是按阈值筛选数据——先确定一个界限值（阈值，如光照强度达到一定数值），再用条件筛选出满足条件的数据，统计出这一周里适合植物生长的光照时间。组织学生分组完成任务：求出本周最高温度和最低温度；按教师给出的光照强度阈值筛选数据并统计条数；结合结果说一说“植物更喜欢什么样的环境条件”，并把分析结果记录到“分析记录单”上。教师对学生结论是否建立在数据基础上进行点评，强调用数据说话。 理解排序和求极值、按阈值筛选等方法的作用；动手用排序或求最大值、最小值的方法求出本周最高温度和最低温度；按设定的阈值筛选数据并统计满足条件的数据条数；根据分析结果进行推断、得出结论，填写“分析记录单”，并交流自己的发现与体会。 以“用数据回答真实问题”为驱动，让分析方法服务于实际判断，经历“整理—分析—得出结论”的完整过程；在动手与交流中体会用编程工具处理数据的高效，培养实事求是的态度与计算思维。 课堂小结 与作业 （5 分钟） 师生共同梳理知识结构（依托板书）：数据处理工具的发展（算盘→计算器→计算机）→ 从物联网服务平台获取数据（下载数据文件 / 调用 API）→ 用 pandas 整理数据（pd.read_csv() 读取、df.head() 查看、df.describe() 了解概况）→ 用排序求最高最低值、按阈值筛选数据进行分析。强调“获取原始数据→整理数据→分析数据”的完整过程，指出“只有经过整理和分析，数据才能变成有用的信息，为系统的判断与控制提供依据”。布置课后作业，并预告下一课将学习把数据用图表直观地呈现出来。 回顾本课收获，用一两句话概括“怎样从一大堆环境数据中找出有用的信息”；说出获取数据的两种方式和两种常用的分析方法；记录作业要求。 梳理知识脉络，把本课探究沉淀为“获取—整理—分析”的完整数据处理链，与上一课的数据采集、传输和存储形成知识闭环；以“数据是物联系统的基础”统领本单元，为下一课的数据可视化明确方向。 五、板书设计 数据分析与处理 一、数据处理工具：算盘 → 计算器 → 计算机（越来越快速、越来越方便） 二、从物联网服务平台获取数据：下载数据文件（如 csv 文件） / 调用 API 获取数据 三、用 pandas 整理数据：pd.read_csv() 读取 csv 数据文件 → df.head() 查看前几行、认识行列与字段 → df.describe() 了解基本统计情况 四、分析数据：用排序（sort_values）或 max/min 求最高温度、最低温度 · 按阈值筛选数据、统计满足条件的数据（如一周光照时间） ★ 核心认识：获取原始数据 → 整理数据 → 分析数据；只有经过整理和分析，数据才能变成有用的信息，为系统的判断与控制提供依据 六、作业设计 1. 基础题：用自己的话说说数据处理工具的发展过程；写出从物联网服务平台获取数据的两种方式，并说明“整理数据”主要做哪些事。 2. 实践题：登录物联网服务平台的演示账号，下载一个主题的数据文件，用 pandas 读取并查看数据的前几行，记录数据的行列结构和主要字段。 3. 拓展题（选做）：结合下载的数据，尝试求出某一项数据（如温度）的最高值和最低值，并按自己设定的阈值筛选出满足条件的数据，把结果和体会写下来。 4. 复习题：整理一份“数据处理步骤卡”，写出获取原始数据、整理数据、分析数据各自的主要操作，并说说为什么数据要经过整理和分析才能变成有用的信息，为下一课的数据可视化做好准备。 第 页　共 页 学科网（北京）股份有限公司 $