2024人教版八年级信息科技全一册 第18课《数据分析与处理》教案

人教版（2024）八年级全一册信息科技第18课《数据分析与处理》教案

第1课时：数据处理的“工具与原料”——工具认知与平台取数

一、课时基本信息

学科：信息科技

年级：八年级

课时主题：数据处理的“工具与原料”一一工具认知与平台取数

课时时长：45分钟

对应教材内容：第四单元第18课18.1了解常见的数据处理工具、18.2体验从物联网服务平台获取数据

新课标核心素养对接：聚焦“信息意识”与“实践创新”，通过物联花盆项目数据为载体，识别不同数据

处理工具的适用场景，掌握从平台获取数据的两种核心方法，建立“工具匹配需求”“数据合法获取”的

思维。

二、课时教学目标

（-）核心素养目标

信息意识：能说出传统与现代数据处理工具的演进历程，区分电子表格软件与专用分析软件的差异：能明

确物联网平台数据的两种获取方式，感知数据获取合法性与规范性的重要性。

实践创新：能独立从MQTT平台下载物联花盆项目的历史数据文件，用WPS表格打开并查看数据结构；能

参照代码模板修改参数，尝试通过API调用平台数据，初步形成数据获取的实操能力。

信息社会责任：在数据获取过程中养成记录平台账号信息、规范保存数据文件的习惯；在API使用中强化

“参照说明文档操作”“保护账号密码”的安全意识。

（二）知识与技能目标

1.掌握数据处理工具的分类：传统工具（算盘、机械式计算机）、现代工具（电子表格软件如WPS表格,

专用分析软件如FineBI）、编程工具（Python及pandas库等），明确各类工具的核心优势。

2.能按步骤完成物联网平台数据下载：登录平台一进入主题页面一筛选时间范围一卜载数据文件（CSV

或Excel格式），能识别数据文件中的关键字段（时间、设备II）、数值、主题）。

3.理解API调用数据的基本原理，能修改代码中的账号、密码、主题ID等参数，运行程序后查看返回

数据，能识别“200响应值”代表请求成功，初步排查“401错误”等简单问题。

（三）过程与方法目标

1.通过“工具演进讨论一工具分类梳理”的活动，掌握数据处理工具的认知方法，提升归纳总结能力。

2.通过“平台下载实操一数据结构分析”“API参数修改一程序运行验证”的递进式任务，掌握数据获

取的完整流程，提升问题排查与代码修改能力。

（四）情感态度与价值观目标

1.感受数据处理工具从传统到现代的演进价值，体会电子计算机“存储程序”模式的优势，激发对数据

处理技术的探索兴趣。

2.培养“规范操作、细致记录”的数据获取习惯，在数据下载与API调用成功中增强技术实践的自信心。

三、课时教学重难点

类别内容突破策略

教学重点1.数据处理工具的分类及适用场景；2.1.制作“工具分类对比表”（含优势、适用场

从物联网平台下载数据并分析结构；景、案例）；2.提供平台数据下载步骤卡（附

3.API调用数据的参数修改与程序运行。截图标注）；3.给出彩色标注的API代码模

板，明确参数修改位置及要求。

教学难点1.理解不同数据史理工具的核心差异；1.用“处理任务匹配工具”情境练习（如大量

2.API调用中参数错误的排查（如账号密数据用Python,简单统计用WPS）；2.制作

码错误、主题ID错误）。“API错误代码对照表”（含401、404等错误

原因及解决方法），教师巡回指导时定向引

导。

四、课时教学准备

素材准备：工具分类对比表、平台数据下载步骤卜、API代码模板（标注修改点）、API错误代码对照表、

数据文件结构分析表、传统工具（算盘）图片及现代工具界面截图、物联花盆项目数据预览图。

工具准备：多媒体课件、白板、马克笔、每组一台电脑（安装WPS表格、Python及requests库、编程软

件）、物联网服务平台（提前导入前两课时物联花盆数据）、实物投影（展示操作步骤）、U盘（备份数

据文件备用）。

前置任务：1.回顾前两课时内容，记录“物联花盆项目采集了哪些数据？存储在哪个平台？”；2.在家中

或学校使用过哪些处理数据的工具，记录工具名称及用途.

教师准备：提前整理各小组物联花盆项目的历史数据（确保每个主题有3天以上数据）；调试Pylhon环

境，确保requests库可正常使用；为每组生成物联网平台临时账号密码及主题ID清单：制作数据下载、

API调用的微视频备用。

五、课时教学过程

（一）情境导入：物联数据如何“变有用”？（5分钟）

教学活动：教师展示前两课时各小组上传到平台的物联花盆数据，提问：“我们已经把温度、土壤湿度等

数据存到了平台，这些密密麻麻的原始数据能直接告诉我们‘哪个花盆该浇水了''一周内最高温度是多

少'吗？"（不能）”要让数据产生价值，就需要对其进行加二处理。而处理数据首先要明确用什么工具,

以及如何把平台的数据取出来。今天我们就解决这两个问题：认识数据处理工具，学习从平台获取数据的

方法。”引出本课主题。

设计意图：衔接前两课时的实操成果，用”原始数据无价值”的痛点锚定数据处理的必要性，自然引出工

具认知和数据获取两大核心内容，激发学生解决实际问题的动力。

（二）核心探究一：数据处理工具一从算盘到Python（15分钟）

环节1：工具演进回顾——数据处理的“前世今生”（5分钟）：

教师展示算盘、机械式计算机的图片，提问：“这些是古代和近代的data处理工具，大家知道它们的缺

点是什么吗？"（功能单一、速度慢）“电子计算机的出现带来了什么改变？”结合教材内容讲解：电子

计算机通过“存储程序、程序执行”模式，实现了通用性和自动化，搭配应用软件可完成复杂数据处理，

标志着数据处理进入新时代。

学生分享前置任务中记录的“使用过的数据处理工具”，教师引导分类：“大家说的WPS表格、Excel属

于电子表格软件，而Python搭配pandas库属于编程工具，还有企业用的FineBI是专用分析软件。”

环节2：工具分类辨析——不同任务选“对工具”（8分钟）：

教师发放“工具分类对比表”，结合物联花盆项目任务讲解.：

工具类型代表工具核心优势物联花盆项目适用场景电子表格软件NPS表格、Excel操作简单、视化强、

适合小量数据统计统计单组1周内温度最大值、绘制湿度变化折线图编程工具Python（pandas、nunipy）

自动化强、处理速度快、适合大量/多组数据批量处理全班10组数据•、自动筛选光照不足时段专用分析软

件FineBI、Hadoop专业建模、大数据处理、多维度分析全校多个绿植区数据综合分析（拓展〕

情境练习：“要快速统计本组3天内土壤湿度的平均值，选什么工具？要批量处理全班数据并筛选出所有

光照不足的记录，选什么工具？”学生抢答，教师点评强化“任务匹配工具”的思维。

环节3：工具认知小结（2分钟）：

教师引导总结：“数据处理工具的演进趋势是从单一到通用、从手动到自动；选择工具的核心是'匹配任

务需求和数据量'，我们这两节课会重点练习WPS表格和Pylhon编程工具的使用。”

设计意图：用“演进回顾”建立工具发展认知，用“对比表+情境练习”突破工具分类辨析难点，为后续

实操选择工具铺垫逻辑基础。

（三）核心探究二：数据获取——从平台“取原料”（20分钟）

环节1：数据下载一一简单直接的“取数法”（10分钟）：

教师通过实物投影演示平台数据下载步骤，发放“下载步骤：

第一步：登录物联网平台，输入教师提供的小组账号密码（强调“账号密码是隐私，不可泄露”）；

第二步：进入“物联花盆”项目对应的主题页面（如“grade8/花盆/土壤湿度”）；

第三步：筛选时间范围为“前3天”，点击“下载数据”，选择“CSV格式”保存到电脑指定文件夹（命

名规范：组1_土壤湿度_3天.csv）；

第四步：用WPS表格打开下载的文件，观察数据结构，填写“数据文件结构分析表”（字段包括：时间戳、

clientId、valucMsg>topicld）。

学生分组操作，教师巡回指导，重点解决：

下载时格式选择错误：引导查看文件后缀是否为.csv；

数据字段识别不清：结合前两课时平台配置知识，解释“clieruld是设备ID,valueMsg是数据值”。

小组展示分析表，教师点评：“不同主题的数据文件结构一致，这为后续批量处理奠定了基础。”

环节2：API调用一一自动化的“取数法”（10分钟）：

教师类比讲解：“如果每天都需要获取数据，手动下载很麻烦，API就像'自动取数机器人'，能按程序

指令定期从平台取数。它的核心是通过网络请求，用账号密码验证后获取数据。”

发放彩色标注的API代码模板和“参数修改清单”，讲解修改要点：

红色标注：user—小组账号〃（替换为教师提供的账号）；

蓝色标注：psd=〃小组密码〃（替换为对应密码）；

绿色标注：topici主题ID”（替换为土壤湿度主题ID）；

紫色标注：接II网址（教师统一提供，避免学生出错）。

学生修改代码后运行，观察控制台输出：

若显示数据：说明调用成功，引导观察数据格式（JSON格式，包含result字段）；

若显示401错误：对照“错误代码对照表”，提示“账号密码错误，重新核对修改”；

若显示200但无数据：检查主题1D是否正确。

拓展说明：“API调用是选做内容，不同平台接口不同，实际使用时必须查阅说明文档，这是规范操作的

重要一步。”

设计意图：用“步骤卡+分析表”规范手动卜.载流程，用“彩色标注模板+错误对照表"降低API调用难度,

通过“手动vs自动”对比，让学生理解API的优势，兼顾不同层次学生需求。

（四）课堂小结+作业布置（5分钟）

小结：数据处理的“前置两步”：师生共同绘制思维导图，核心分支为“工具选择（WPS表格：小量简单;

Python：大量自动）一数据获取（手动下载：CSV格式；API调用：JS0N格式）一数据结构（统一字段便

于处理）”，强化知识结构化。

分层作业：

基础作业：1.下载本组温度、光照两个主题的3天数据，用WPS表格打开并记录各字段含义；2.整理API

调用时遇到的错误及解决方法，填写问题清单。

拓展作业：L尝试用WPS表格对土壤湿度数据进行“排序”，找出最大值和最小值：2.查阅Python的

requests库基础用法,记录1个常用函数（如get（））的作用。

预习作业：阅读教材18.3内容，思考”下载的CSV数据和API获取的JSON数据，如何整理成便于分析的

格式？”。

设计意图：基础作业巩固数据获取核心技能：拓展作业衔接下节课数据处理内容；预习作业为代码整理数

据铺垫认知。

六、课时板书设计

第I课时：数据处理的“工具与原料”一一工具与取数

一、核心问题：用什么工具处理？如何取数据？

二、数据处理工具分类（匹配任务）

1.电子表格软件：WPS表格一小量数据、简单统计

2.编程工具：Python（pandas）大量数据、自动化

3.专用软件：FineBI-专业分析（拓展）

三、数据获取两方法（平台取“原料”）

1.手动下载（简单直接）

步骤：登录选主题f筛时间一下CSV-*用WPS分析

关键：命名规范、识别字段（time、clientldsvalueMsg）

2.API调用（自动高效）

步骤：改参数（账号、密码，主题】D）一运行程序一查结果

关键：参数准确、识别错误（40口认证错）

四、关键原则：工具匹配需求，取数规范安全

第2课时：数据处理的“加工与增值”——数据整理与分析实操

一、课时基本信息

学科：信息科技

年级：八年级

课时主题：数据处理的“加工与增值”一一数据整理与分析实操

课时时长：45分钟

对应教材内容：第四单元第18课18.3了解处理数据的一般方法

新课标核心素养对接：聚焦“数字思维”与“工程思维”，通过物联花盆数据整理、统计、箍选等实操，

掌握数据处理的基本流程和方法，理解“数据清洗一分析一结论”的逻辑链，培养用数据解决实际问题的

能力。

二、课时教学目标

（一）核心素养目标

数字思维：能理解数据处理的核心流程（明确目标一整理数据一分析数据一得出结论），能区分数据整理、

统计分析、筛选分析的不同作用，建立“数据驱动决策”的思维。

工程思维：能结合物联花盆“判断浇水需求”的目标，用TIPS表格或Pylhon整理数据、分析关键指标

（最值、平均值）、筛选异常数据，能绘制简单的数据分析流程图。

信息社会责任：在数据处理中养成“检查数据质量”的习惯，对异常数据不随意删除，而是标注并分析原

因；在小组协作中规范共享处理后的数据，尊重数据所有权。

（二）知识与技能目标

I.掌握数据整理的基本方法：能将CSV格式数据导入IPS表格并规范表头，能识别并标注数据缺失、重

复、格式错误等问题；能将API获取的JSON数据用Python解析为DataFrame格式。

2.掌握统计分析的核心技能：能用TYPS表格的“最大值”“最小值”“平均值”函数计算土壤湿度关键

指标；能用Python的sort_values方法排序获取最值，用meanO函数计算平均值。

3.掌握筛选分析的基本操作：能用WPS表格筛选出土壤湿度低于阈值（如30$）的记录；能用Python多

条件筛选出指定设备的光照充足时段数据，为浇水决策提供依据。

（三）过程与方法目标

1.通过“数据质量检查一格式规范一异常标注”的整理流程，掌握数据清洗的基本方法，提升数据质量

意识。

2.通过“统计关键指标一筛选目标数据一得出决策结论”的递进式任务，掌握数据分析的完整方法，提

升数据解读能力。

（四）情感态度与价值观目标

1.感受数据处理从“原始数据”到“决策依据”的增值过程，体会“数据是资源”的内涵，激发对数据

分析的探索兴趣。

2.培养“严谨细致、有理有据”的数据分析习惯，在通过数据得出浇水决策时增强用数据说话的意识。

三、课时教学重难点

类别内容突破策略

教学重点1.数据整理中的异常识别与标注；1.提供“数据异常类型对照表”（含缺失、重复、

2.统计分析（最值、平均值）的实格式错误案例）：2.给出WPS函数公式模板（如

操；3.筛选分析（阈值筛选、多条=MAX（B2:B100））和Python代码模板；3.设计“浇

件筛选）的应用。水决策”真实场景，明确筛选阈值。

教学难点l.Python中JS0N数据解析为1.提供分步解析代码模板，标注每句代码作用；2.

DeiLciFidine格式;2.多条件筛选的用“先单条件后多条件”的递进练习：3.发放“分

逻辑梳理；3.数据分析结论与实际析结论对照表"（如湿度＜30与一需要浇水）。

决策的关联。

四、课时教学准备

素材准备：数据异常类型对照表、WPS函数公式模板表、Python数据处理代码模板（含解析、统计、筛

选）、数据分析流程图模板、分析结论对照表、土壤湿度阈值标准（参考值：低于30与需浇水，高于70%

过湿）、光照充足阈值（21000）。

工具准备：多媒体课件、白板、马克笔、每组一台电脑（安装WPS表格、Python及pandas、numpy、json

库）、物联网平台数据（确保各小组数据含少量异常值）、实物投影（展示操作过程）、小组任务单（明

确分析目标）。

前置任务：1.回顾第1课时下载的数据文件，确保能找到并打开；2.提前在Python中安装pandas库（教

师提供安装教程）；3.思考“判断一个花盆是否需要浇水，需要分析哪些数据指标？”。

教师准备：提前在部分小组数据中植入少量异常值（如湿度100%、光照。值）；调试Pylhon环境确保库

函数可用；制作数据整理、分析的分步演示视频：准备“小老师”培训（提前教会3名学生Python解析

数据）。

五、课时教学过程

（一）回顾导入：数据“原料”如何变“决策”？（5分钟）

教学活动：教师回顾旧知：“上节课我们用两种方法从平台获取了物联花盆的‘数据原料'一一CSV文件

和JS0N数据，但这些数据里可能有缺失值、错误值，而且杂乱无章。今天我们就学习‘数据加工'的方

法：先整理数据保证质量，再分析数据提取关键信息，最终得出‘哪个花盆该浇水'的决策。”展示本节

课目标：”1.整理数据（去杂）；2.分析数据（提关键）；3.得出决策（用数据）。”

设计意图：用“原料一加工一成品”类比数据处理流程，衔接第1课时数据获取成果，以“浇水决策”真

实FI标锚定本节课核心任务，目标清晰且贴近实际。

（二）核心探究一：数据整理一一给数据“去杂整形”（12分钟）

环节1：数据质量检查——识别“坏数据”（5分钟）：

教师发放“数据异常类型对照表”，讲解常见问题：

数据缺失：某行的valucMsg字段为空；

数据重复:两行的时间戳、clientld、valueMsg完全相同;

格式错误：湿度值为“100”（无单位，需确认是否为百分比）、光照值为“abc”（非数值）。

学生分组打开第1课时下载的土壤湿度CSV文件，用WPS表格按“逐行检查”的方式排查异常值，在“数

据整理记录表”中标注异常位置和类型（如第15行，valueMsg为空，缺失值）。

教师巡视发现典型异常案例，通过实物投影展示，引导全班判断：”这行数据湿度100乐结合实际可能是

传感器插入水中，属于异常值，我们不删除，而是标注'疑似传感器故障'，这是数据处理的规范。”

环节2：数据格式规范一一统一“好数据”（7分钟）：

教师讲解：“整理数据不仅要去杂，还要规范格式便于分析，比如给CSV文件加表头、将JSON数据转为

表格格式。”分两种工具实操：

WPS表格整理（基础路径，全员掌握）：

步骤：打开CSV文件一在第一行添加表头（时间、设备ID、土壤湿度、主题ID）-将时间戳列转为“日

期时间”格式（选中列一右键一设置单元格格式一日期）一删除重复行（数据一删除重复项）。

Python整理（提升路径,选做）：

教师发放解析代码模板，“小老师”辅助讲解:

importjson

importpcindasaspd

#假设已获取API返回的res数据

res_text='{"result":[{"time"2025Tl-20","clientld”:〃组1","valueMsg”:50,"topicld":1002}]}'

data二json.loads(res_text)#解析JSON数据

df=pd.DataFrame(data「"result"])#转为表格格式

print(df)#查看整理后的数据

df.to_csv("组1_整理后一土壤湿度.csv〃，index:False)#保存为规范文件

学生运行代码，观察JSON数据转为表格的过程，教师强调：“pandas的DalaFrame格式是编程分析数据

的核心格式，就像Python中的‘电子表格'。”

学生根据自身水平选择路径操作，教师巡回指导，确保基础路径全员完成，提升路径有学生掌握。

设计意图：用“识别一规范”两步整理数据，设置“基础+提升”双路径兼顾差异化需求，通过“不删除

异常值只标注”培养科学的数据处理习惯。

(三)核心探究二：数据分-析一给数据“提关键信息”(20分钟)

环节1：统计分析一一找“核心指标”(10分钟)：

教师明确分析目标：“判断花盆是否需要浇水，核心指标是土壤湿度的最大值、最小值、平生值一一平均

值低于30%需浇水，高于70%过湿。我们用两种工具计算这些指标。”

分工具实操，发放对应模板：

WPS表格统计(全员掌握)：

发放“函数公式模板表”，讲解操作：

最大值：在空白单元格输入:MAXC2:C100)(C列为土壤湿度值)，接回车；

最小值:输入=MIN(C2:C100)；

平均值：输入=AVERAGE(C2:C100)；

结果标注：在表格中注明“平均值45%,正常无需浇水”。

Python统计(提升路径)：

在整理后DataFrame的基础上，添加代码：

#计算最值和平均值

max_humidity=df[^valucMsg^].max()

min_humidity=df["valueMsg"].min()

avg_humidity=df厂va1ueMsg"].mean()

print(f”土壤湿度最大值：(maxhumidity}%”)

print（「'土壤湿度最小值:{minjiumidity}*"）

print（f”土壤湿度平均值：{avg_humidityIf}%"）

#决策判断

ifavghuniidity<30:

print（〃决策：需要浇水〃）

elifavghumidity>70:

print（〃决策：浇水过多，需通风”）

else:

print（〃决策：湿度正常〃）

学生运行代码，对比WPS计算结果，验证一致性。

小组展示两种工具的计算结果，教师点评：“两种工具结果一致，WPS操作简单，Python适合批量处理多

组数据。”

环节2,筛选分析一一找“目标数据”（10分钟）：

教师提出新需求：“除了平均值，我们还想知道'本周内有哪些时间段土壤湿度低于30与？''组1的光

照充足时段有多少？'，这就需要筛选分析。”

分工具实操：

WPS表格筛选（全员掌握）：

步骤：选中土壤湿度数据列一点击“数据”一“筛选”一点击列标题下拉箭头一“数字筛选”一“小于”

f输入30f点击确定，查看筛选出的记录（标注这些时段需要浇水）。

Python多条件筛选（提升路径）：

需求：筛选“组1设备”且“光照强度21000”的时段，代码模板：

#读取光照数据并筛选

light_df=pd.readcsv（'组1光照_3天.csv"）

#多条件筛选：设备ID为〃组1〃且光照2100（）

bright_time=light_df[（light_df["clientld"]=〃组1^）&（1ight_df["*valueMsg^]>=1000）]

print（"光照充足时段数量："，len（bright_time））

print（〃光照充足时段详情：〃）

，，，，

print（bright_time[[time>^valueMsg*]]）

教师强调：“&代表'旦'条件，筛选时要注意字段名称与数据文件一致。”

拓展讨论：“筛选出的湿度低于30驰勺时段，如果同时光照充足，是否需要立即浇水？”引导学生结合常

识分析，体现数据与实际场景结合。

设计意图：以“浇水决策”核心指标为导向，设置.“统il十筛选”两类分析任务，仍采用“基加十提升”双

路径，用模板降低操作难度，通过结果对比验证准确性，兼顾不同层次需求。

（四）核心探究三：流程梳理与成果展示（5分钟）

教学活动：教师发放“数据分析沆程图模板”，引导小组合作绘制：