2025 高中信息技术数据与计算之数据可视化的平行堆积图设计课件

一、课程背景与目标定位演讲人CONTENTS课程背景与目标定位平行堆积图的认知基础：从数据到图表的逻辑链平行堆积图的设计原则：从理论到实践的转化平行堆积图的实践操作：工具与技巧的融合数据准备总结与拓展：从课堂到真实世界的迁移目录2025高中信息技术数据与计算之数据可视化的平行堆积图设计课件01课程背景与目标定位课程背景与目标定位作为一线信息技术教师，我在长期教学中发现，数据可视化是高中“数据与计算”模块的核心能力培养点。2022版《普通高中信息技术课程标准》明确要求学生“能根据任务需求，选择适当的工具和方法呈现数据，解释数据所反映的现象和规律”。平行堆积图作为一种兼具对比与堆叠特性的复合图表，既能展示不同类别的总量差异，又能呈现类别内部子项的比例分布，是培养学生“数据理解—分析—表达”能力的优质载体。1课程目标3241本课件旨在通过“认知—分析—设计—实践”四阶递进，帮助学生达成以下目标：素养目标：培养数据敏感性与批判性思维，学会通过可视化手段清晰传递信息，发展“用数据说话”的科学表达习惯。知识目标：理解平行堆积图的定义、结构要素及适用场景；掌握其与柱状图、普通堆积图的核心差异。能力目标：能根据数据特征选择平行堆积图完成可视化设计；熟练运用工具（如Excel、Python）实现图表制作与优化。2学情分析授课对象为高二年级学生，已掌握基础数据处理（如Excel数据透视表）和简单可视化工具（如柱状图、折线图）的使用，但对多维度数据的综合呈现存在困难。平行堆积图的学习能有效衔接其已有经验，同时突破“单一维度表达”的局限，符合“最近发展区”理论。02平行堆积图的认知基础：从数据到图表的逻辑链平行堆积图的认知基础：从数据到图表的逻辑链要设计好平行堆积图，首先需建立“数据特征—图表选择—视觉编码”的逻辑框架。我常对学生说：“图表是数据的‘翻译官’，翻译质量取决于对原文（数据）的理解。”1数据可视化的底层逻辑回顾数据可视化的本质是将抽象数据映射为视觉符号，通过位置、长度、颜色、形状等通道传递信息。常见图表中，柱状图侧重“类别间对比”，折线图侧重“趋势变化”，饼图侧重“整体占比”，而平行堆积图则是“对比+占比”的结合体。以2023年我校“学生社团参与情况”数据为例（表1）：|年级|文艺类（人）|体育类（人）|科技类（人）|总人数（人）||------|--------------|--------------|--------------|--------------||高一|120|180|80|380||高二|90|210|120|420|1数据可视化的底层逻辑回顾|高三|60|150|160|370|若用普通柱状图，只能看到各年级总人数差异；若用普通堆积图，虽能看到各社团类型占比，但各年级柱子独立，难以直接对比同一社团类型在不同年级的变化（如科技类从高一到高三的增长）。此时，平行堆积图通过“固定子项顺序，并列展示各主类”的设计，恰好解决了这一问题。2平行堆积图的定义与结构要素0504020301平行堆积图（ParallelStackedBarChart）是将多个堆积柱状图沿水平轴平行排列的图表类型。其核心结构包括：主类别轴（X轴）：通常为分类变量（如年级、区域），决定“对比的主体”。子类别层（堆积部分）：每个主类别下的细分变量（如社团类型），通过垂直堆叠展示占比。数值轴（Y轴）：表示具体数值（如人数、百分比），需注意是否标准化（绝对数值/相对比例）。图例与标签：明确子类别含义，关键数据点（如极值、转折点）需添加标签辅助解读。3与其他图表的对比辨析为帮助学生避免“图表误用”，我常引导他们填写“图表选择对照表”（表2）：|图表类型|核心优势|适用场景|局限性||----------------|------------------------------|------------------------------|----------------------------||普通柱状图|直观对比主类别总量|单维度分类数据对比|无法展示内部结构||普通堆积图|展示主类别内部子项占比|需同时呈现总量与结构的场景|子项跨主类别的对比困难||平行堆积图|主类别总量对比+子项跨类别趋势|多维度分类，需兼顾总量与子项变化|子项过多时易模糊（建议≤5个子项）|03平行堆积图的设计原则：从理论到实践的转化平行堆积图的设计原则：从理论到实践的转化设计不是“美化图表”，而是“让数据说话更清晰”。在多年教学中，我总结出“数据预处理—视觉编码—交互优化”三阶段设计流程，每个阶段都需紧扣“用户认知”目标。1数据预处理：让数据“适合”图表数据质量直接决定图表价值。以“学生兴趣调查”数据为例，某班级原始数据存在以下问题：缺失值：3名学生未填写“艺术偏好”；冗余项：“运动类型”包含“篮球、足球、其他”，其中“其他”占比达40%；量纲不一致：“每日阅读时间”以“分钟”计，“每周运动次数”以“次”计。针对这些问题，预处理步骤如下：清洗数据：缺失值若不超过5%，可删除对应记录；若需保留，用该子项平均值填充（如“艺术偏好”缺失值用该班级艺术类平均占比替代）。结构化处理：将“运动类型”中的“其他”进一步细分（如调查后补充为“羽毛球、乒乓球”），避免信息模糊；统一量纲（如将“每日阅读时间”转换为“小时”，与“每周运动次数”形成相对可比的单位）。1数据预处理：让数据“适合”图表标准化选择：若关注各主类别总量差异，使用绝对数值（如人数）；若关注子项占比，需将数据转换为百分比（如各年级科技类占比=科技类人数/该年级总人数）。2视觉编码：用视觉语言传递重点视觉编码是“数据到图形”的映射过程，需遵循“突出重点、减少干扰”原则。我常提醒学生：“颜色不是为了漂亮，而是为了区分；长度不是为了填满，而是为了准确。”2视觉编码：用视觉语言传递重点2.1颜色编码子类别区分：同一子类别（如“科技类”）在不同主类别（年级）中使用相同颜色，增强跨类别对比；子类别间颜色需有足够对比度（如蓝-橙-绿组合比红-粉组合更易区分）。强调关键项：若需突出“科技类”的增长趋势，可将其颜色饱和度提高10%，或使用渐变色（如从浅蓝到深蓝表示从高一到高三）。2视觉编码：用视觉语言传递重点2.2高度与顺序高度准确性：Y轴需从0开始，避免“视觉欺骗”（如某主类别总人数为380，若Y轴从100开始，会夸大其与其他类别的差异）。子项堆叠顺序：可按“重要性”（如核心子项放底层）或“趋势”（如递增/递减顺序）排列。例如，展示“年级-社团类型”数据时，若科技类占比递增，可将其放在最上层，形成“向上生长”的视觉引导。2视觉编码：用视觉语言传递重点2.3标签与注释关键数据标签：在子项顶部添加具体数值（如“高一科技类：80人”），避免用户反复对照图例；趋势注释：在跨主类别的子项变化处添加箭头或文字（如“高二科技类较高一增长50%”），降低解读成本。3交互设计：从静态到动态的体验升级03筛选功能：通过下拉菜单选择子类别（如仅显示“科技类”），观察其在各主类别中的分布；02悬停提示：鼠标悬停时显示子项具体数值（如“高三-科技类：160人，占比43%”）；01现代数据可视化工具（如Tableau、Plotly）支持交互功能，能显著提升信息传递效率。在教学中，我会引导学生为平行堆积图添加以下交互：04动态排序：点击Y轴标签，切换主类别按“总人数升序/降序”排列，满足不同分析需求。04平行堆积图的实践操作：工具与技巧的融合平行堆积图的实践操作：工具与技巧的融合“纸上得来终觉浅”，设计能力需通过具体工具操作内化。以下以Excel和Python（Matplotlib库）为例，演示平行堆积图的制作流程。1Excel实现：适合基础数据的快速呈现案例数据：某中学三个年级的社团参与人数（同表1）。操作步骤：数据整理：将数据整理为“年级”“社团类型”“人数”三列（表3），避免“宽表”格式（如原表1的多列结构）。|年级|社团类型|人数||------|----------|------||高一|文艺类|120||高一|体育类|180||高一|科技类|80||高二|文艺类|90|1Excel实现：适合基础数据的快速呈现|……|……|……|插入图表：选中数据区域→点击“插入”→选择“堆积柱状图”。此时生成的是普通堆积图，需调整为平行堆积图。调整坐标轴：右键点击X轴→“选择数据”→在“水平（分类）轴标签”中选择“年级”列（原图表默认X轴为“社团类型”），完成后X轴变为“高一、高二、高三”，每个主类别下堆叠子类别。优化视觉：双击柱子→设置“间隙宽度”为20%（增强主类别间区分度）；为每个子类别设置固定颜色（如文艺类=蓝色，体育类=橙色，科技类=绿色）；添加数据标签（显示“值”）。常见问题：学生易混淆“堆积柱状图”与“平行堆积图”的轴设置，需强调“X轴为主类别，堆积部分为子类别”的核心逻辑。1Excel实现：适合基础数据的快速呈现4.2Python（Matplotlib）实现：适合复杂数据的定制化设计代码示例：02案例数据：某城市2018-2023年各季度GDP构成（第一、二、三产业）。01importmatplotlib.pyplotasplt03importnumpyasnp0405数据准备数据准备years=['2018','2019','2020','2021','2022','2023']industries=['第一产业','第二产业','第三产业']data=[[120,280,400],#2018年各产业GDP（亿元）[130,300,450],[110,290,500],[140,320,550],[150,350,600],[160,380,650]数据准备]计算累计数据（用于堆积）cumulative=np.cumsum(data,axis=1)绘制平行堆积图plt.figure(figsize=(12,6))foriinrange(len(industries)):ifi==0:plt.bar(years,data[:,i],label=industries[i])else:数据准备plt.bar(years,data[:,i],bottom=cumulative[:,i-1],label=industries[i])设置图表属性plt.title('2018-2023年某城市季度GDP产业构成（平行堆积图）')plt.xlabel('年份')plt.ylabel('GDP（亿元）')plt.legend()plt.grid(axis='y',linestyle='--',alpha=0.7)数据准备通过循环绘制每个子项，确保颜色与标签对应；关键技巧：使用np.cumsum计算累积值，确定每个子项的堆叠底部位置；添加网格线（grid）增强数值读取准确性。plt.show()06总结与拓展：从课堂到真实世界的迁移总结与拓展：从课堂到真实世界的迁移回顾本课件，平行堆积图的核心价值在于“在对比中呈现结构，在结构中发现趋势”。它不仅是一种图表工具，更是“数据思维”的载体——通过可视化设计，学生学会从“观察数据”到“解释数据”，再到“用数据说服”。1设计要点重述01数据适配：选择多维度分类数据（主类别+子类别），子项数量建议≤5个；视觉清晰：颜色对比合理、Y轴从0开始、关键数据标签明确；工具选择：Excel适合快速制作，Python适合定制化分析，交互工具（如PowerBI）适合动态展示。02032拓展与思考课后，我常鼓励学生用平行堆积图分析身边数