《数据分析与处理》教学课件-2025-2026学年人教版（新教材）初中信息技术八年级全一册

《数据分析与处理》教学课件人教版初中信息技术八年级全一册情境回顾：还记得我们的“智能伙伴”吗？课程回顾·ProjectReview上节课，我们通力合作，成功搭建了一个简易的“物联花盆系统”，迈出了打造智能植物伙伴的第一步。关键成果·DataCollection通过各类传感器，我们成功采集了四类关键环境数据：温度、空气湿度、光照强度、土壤水分含量。核心思考·WhyCollect?采集这些数据不是为了“收集而收集”，而是为了：1.科学了解植物环境2.判断植物需求(如浇水)3.最终实现自动的智能控制。问题呈现：原始数据能直接用吗？日期时间温度(°C)湿度光照(Lux)土壤水分(%)2026/3/108:0022.545%120452026/3/109:00-(缺失)48%150-(缺失)2026/3/114:3055(异常高)35%600252026/3/116:1528.238%45095(异常高)思考：面对这样一组混杂着缺失、异常、无规律的数据，你有什么感觉？问题探究：火眼金睛找问题观察这组数据，你发现了哪些问题？问题1：数据太多，看不出规律数据量大且分散，缺乏直观性，难以快速发现内在联系。问题2：有些数据是空的记录过程中存在信息遗漏，有明显的缺失值影响完整性。问题3：有些数据明显不正常存在明显的逻辑错误或超出常识的异常值（如55℃的室温）。问题4：数据没有整理，看起来很混乱数据格式不统一，单位混用，整体呈现杂乱无章的状态。💡结论：原始数据就像未经加工的矿石，杂乱无章，无法直接使用。引出课题：让数据“开口说话”核心思想原始数据往往是杂乱无章、孤立存在的，没有直接价值。只有通过科学的分析与处理，才能去伪存真、化繁为简，将其转化为能被我们理解并使用的有用信息。本课目标1.掌握物联网数据的基础处理方法。

2.学习如何挖掘数据背后的逻辑与规律。

3.最终实现让沉默的物联数据“开口说话”，支撑我们做出正确的判断和科学的决策。板书课题18数据分析与处理DataAnalysis&Processing认知一：数据分析与处理的价值01发现规律找出数据变化趋势，了解事物发展状态。示例：分析一周土壤水分变化，找到水分最低的时间段，为作物灌溉提供参考。02识别异常找出错误或异常数据，保证数据准确性。示例：快速发现因传感器线路故障或被遮挡而产生的错误数据，及时修正或报警。03支撑决策为系统智能控制提供科学依据。示例：基于长期数据分析的结果，设定土壤湿度的自动浇水阈值，实现无人化智能灌溉。认知二：数据处理的“五步曲”数据处理就像做饭，有固定的流程，遵循科学的步骤能让结果更精准高效01数据整理收集零散数据

规范格式与分类02数据清洗去除无效、重复

或错误的数据03数据统计计算总和、均值

占比等关键指标04数据筛选根据特定条件

查找并提取目标数据05分析应用挖掘数据深层价值

辅助决策与解决问题📖课堂任务请同学们打开教材阅读相关章节，理解每一步骤的核心含义，并思考这些步骤在生活中还有哪些应用场景？实践一：数据整理—让数据变规范📌定义：将杂乱无章、来源各异的数据，通过清洗和格式化，变得结构清晰、统一标准、易于阅读和处理。统一数据格式确保同类数据的书写规范一致，消除数据输入中的随意性。例如日期统一为“YYYY-MM-DD”格式。调整列宽与行高根据内容长短合理调整表格行列，避免文字折行过多或留白过大，使表格整体美观、整洁、易读。添加标题与说明为数据表添加清晰的标题，并对关键列添加备注说明，让阅读者一目了然地理解每列数据的含义。规范数据单位统一数值型数据的度量单位。例如：温度统一为“℃”、湿度统一为“%RH”、长度统一为“cm”或“m”。💡思考：为什么要统一数据格式？👉为了避免后续数据处理和计算中出现逻辑错误或计算偏差，确保分析结果的准确性。演示：数据整理操作01打开原始数据找到并打开记录有实验数据的原始表格文件，准备开始处理。02添加表头信息在首行插入清晰的列标题：日期、时间、温度、湿度、光照、土壤水分。03统一数值单位检查所有数据的单位，统一规范为℃、%、lux等标准格式，消除歧义。04调整表格格式选中整个数据区域，根据内容长度调整列宽和行高，确保所有信息完整、美观地显示。05表格美化修饰添加外边框和内部分隔线；给表头设置醒目的填充色，突出层级关系，提升可读性。整理成效通过标准化的整理，原本杂乱的数据将变得结构清晰、逻辑严密，极大地提升了阅读体验与后续分析的效率。实践二：数据清洗——给数据“洗个澡”🔍什么是数据清洗？识别并处理数据集中存在的“问题数据”，旨在修复错误、剔除噪声，最终确保分析数据的准确性、一致性与可用性。⚠️两大核心问题1.缺失值：数据记录为空、未采集或已丢失的情况。2.异常值：明显偏离常规、不符合逻辑或分布规律的“离群”数据。🛡️为什么至关重要？“垃圾进，垃圾出”。它是整个数据分析流程的基石，直接决定了后续建模与分析结果的可靠性、有效性与商业价值。数据清洗之缺失值处理什么是缺失值？数据采集或录入过程中，表格中出现的空白、未定义或不可用的单元格。缺失原因分析•客观：传感器短暂故障、网络中断、设备未响应

•主观：人工录入时的遗漏或系统限制导致的无法填写01.补充合理数据适用于数据样本较少或该字段对分析结果影响重大的场景。

方法：根据数据前后趋势推算、使用同类数据平均值/中位数估算。02.删除对应记录适用于缺失数据占比极小、或该字段价值低、无法补充的场景。

方法：直接删除包含缺失值的整行数据，操作简单高效。处理原则：保留尽可能多的数据样本，最大化数据价值“优先尝试补充，无法补充再删除”——确保分析结果的准确性和完整性演示：处理缺失值▍操作演示(教师屏幕演示)1.查找缺失值快速扫描数据表，定位明显的空白单元格或显示错误提示的位置。2.分析原因结合数据采集场景判断，例如：是否因传感器短暂故障导致数据未上传？3.选择方法选择最适合的插值策略，本案例采用“相邻时间点数据平均值”进行补充。4.计算与填充输入计算逻辑公式，计算出结果并填充至空白单元格，完成数据修复。示例场景：土壤水分监测某实验田在9:00的土壤水分数据缺失，尝试利用8:59和9:01两个时间点的有效数据进行修复。计算公式：=(上一个单元格+下一个单元格)/2数据清洗之异常值处理什么是异常值？指数据集中那些明显偏离正常范围、不符合常理的数据点。它们可能由设备故障、人为记录错误或极端自然事件引起。典型异常示例•环境温度显示：55℃•土壤水分含量：95%•光照强度数值：-100lux两种处理方法1.修正(Correct)：若能通过核查日志或重新采集确定正确数值，则直接修改。2.删除(Delete)：若无法确定正确值且影响分析，直接删除该条记录。课堂互动时刻请同学们打开刚才下载的实验数据表，快速浏览一遍，找出里面存在的异常值，并说说你会怎么处理它们？演示：处理异常值01识别异常值从数据列表中快速定位到明显异常的数值：55℃(温度)和95%(湿度)。02分析产生原因推测异常来源：高温可能因传感器被阳光直射导致，高湿度则可能是传感器被意外溅水导致的误读。03确定处理策略鉴于此类异常属于环境干扰且无法通过逻辑推算还原真实数值，决定采取“直接删除”的策略以保证数据质量。04执行数据清洗选中包含上述异常数据的表格行，通过右键菜单选择“删除”或在工具栏中执行删除操作，完成清理。最终效果：剔除无效干扰项，数据分布恢复正常，变得更加真实、准确且可信。实践三：数据统计—计算数据特征什么是数据统计？通过对原始观测数据进行数学计算，去除数据的随机干扰，从而提炼并得到数据的整体特征，为分析提供量化基础。平均值(AVG)反映数据的集中趋势，体现数据的“一般水平”。最大值(MAX)找出数据样本中的“天花板”，识别异常的高点。最小值(MIN)找出数据样本中的“地板”，识别异常的低点。求和(SUM)计算数据的总数量或总量，反映整体规模。统计的核心价值让我们能快速从海量原始数据中抽身出来，一眼看清数据全貌，并据此判断当前环境是否适宜，从而做出科学决策。演示：使用统计函数操作演示(教师屏幕演示)01定位单元格：在数据列表下方的空白单元格区域，选定合适位置准备放置计算结果。02输入统计公式：•计算平均值:=AVERAGE(C2:C100)•计算最大值:=MAX(C2:C100)•计算最小值:=MIN(C2:C100)03确认计算：按下键盘上的Enter(回车)键，查看单元格自动生成的计算结果。💡课堂提问思考：公式=AVERAGE(C2:C100)中的核心函数是什么？它在数据分析中主要起到什么作用？“请大家结合生活中的例子回答”实践四：数据筛选—按条件提取数据01/核心定义在海量数据的处理与分析中，数据筛选是一个基础且核心的操作。它是指根据预先设定的特定逻辑条件，快速扫描并精准提取出符合我们分析目标的数据子集的过程。02/主要作用●聚焦关键信息：

快速过滤掉干扰信息，精准定位并提取满足特定条件的关键记录。●赋能深度分析：

对筛选出的数据进行针对性的统计与趋势分析，从而挖掘出更有价值的业务洞察。03/应用示例在智慧农业监测系统的场景中：1.设置筛选条件：

“土壤水分含量<30%”2.得出分析结果：

快速定位到植物生长过程中缺水的关键时间段，辅助管理人员及时采取灌溉措施。演示：数据筛选操作操作演示(教师屏幕演示)01.启用筛选：选中数据表的表头行，在上方菜单栏点击“数据”选项卡，再点击“筛选”按钮。02.设置单条件筛选：点击“土壤水分”列标题旁的下拉箭头，选择“数字筛选→小于”，输入“30”后确定。03.设置多条件筛选：同理，点击“温度”列标题下拉，选择“数字筛选→大于”，输入“30”后确定。课堂思考Challenge如果我们想找“温度>25℃

且光照>500lux”的记录，

应该怎么操作？💡提示：尝试组合使用“与”条件，

在不同的列中依次设置筛选规则。项目实践：让我们的数据“变废为宝”任务要求：以小组为单位，对本组采集的“物联花盆”原始数据进行全流程处理，将杂乱无章的原始数据转化为可分析、有价值的信息。01.数据整理规范数据表格的整体格式，检查并统一温度、湿度、土壤水分等所有数据指标的单位，为后续分析打好基础。02.数据清洗仔细检查数据集，找出其中的空值、缺失值以及明显不符合常识的异常值，并按照规则对其进行修正或删除。03.数据统计运用统计函数，计算关键指标的描述性统计量：包括温度、湿度、土壤水分在观测周期内的平均值、最大值和最小值。04.数据筛选设置筛选条件，快速定位并高亮显示：“土壤水分<30%”的缺水记录，以及“温度>30℃”的高温预警记录。提升任务：从数据中发现智慧提升任务(选做)01.分析数据深入挖掘一周内的监测记录，找出植物最容易缺水的主要时间段，以及环境高温出现的具体频率和规律。02.提出优化建议基于你的数据分析结果，为“智能花盆系统”提出切实可行的改进方案：💡示例：建议在每天12:00-14:00增加一次自动浇水；或给传感器加装遮阳罩避免误报。教师角色：技术与思维指导在大家探索数据的过程中，我会在教室里进行全程巡视，重点协助解决以下技术与思维障碍：•数据清洗：处理异常值与缺失数据，确保分析基础的准确性。•函数应用：计算平均值、最大值等统计函数的正确使用。•逻辑筛选：多条件组合筛选的设置与理解。开始行动！打开数据文件请各小组打开自己采集的

物联数据文件，做好准备。遵循标准流程严格按照以下步骤操作：

整理→清洗→统计→筛选互助与求助遇到困难时优先进行小组讨论

若仍无法解决，请举手示意老师任务评价标准评价维度优秀(5分)良好(3分)待改进(1分)最终得分数据整理格式规范，单位统一，清晰美观基本规范，有少量不统一格式混乱，难以阅读/5数据清洗准确识别并正确处理所有缺失值和异常值能处理大部分问题数据未处理或处理错误/5数据统计正确使用函数，统计结果准确函数使用基本正确，结果误差小函数使用错误，结果偏差大/5数据筛选能根据复杂条件准确筛选出所需数据能完成基础筛选，有少量遗漏无法完成筛选操作或筛选错误/5分析建议基于数据洞察，提出具体、有价值的优化建议能基于结果提出简单的改进建议未提出建议，或建议缺乏逻辑支撑/5小组协作角色分工明确，配合默契，效率高有协作行为，但沟通不够顺畅各自为战，缺乏沟通与配合/5分享成果，交流经验01代表展示请各小组选派一名代表上台，自信地汇报小组的整体数据分析与处理成果。02内容呈现重点展示：清洗处理后的数据表格、详细的统计分析结果，以及关键信息的筛选记录。03洞察与建议分享小组在数据中发现的规律或异常，并结合分析，提出对“智能花盆”的具体优化建议。展示要求：语言表达清晰准确，汇报逻辑连贯、层次分明。请注意控制时间，每组展示不超过3分钟。小组展示示例一：我们的发现与建议数据处理对收集的多维度植物生长环境监测数据进行清洗、整理与结构化处理，形成可分析的标准化数据表格。关键统计平均土壤水分：35%最低土壤水分：22%（数据采集周期：7天）核心发现我们筛选出“土壤水分<30%”的缺水记录，发现它们高度集中在每天的12:00-14:00时段。优化建议建议智能花盆系统在每日中午高温蒸发时段，额外增加一次自动浇水逻辑，以维持植物水分平衡。小组展示示例二：我们的发现与建议数据概览标准化处理后的数据集基于实验采集的原始数据，我们完成了去重、格式统一及缺失值填补工作。右侧展示的是清洗后用于最终分析的温度与湿度对照表格，保证了后续结论的准确性。清洗与归因发现明显异常数据数据探查中发现，周三下午某时段记录温度异常飙升至45℃，远超环境常态。经现场回溯与逻辑推理，确认为传感器被午后阳光直射所致。为避免干扰整体分析，我们已将该错误数据从数据集中剔除。优化建议01.硬件防护升级

建议给户外传感器加装定制化遮阳罩，减少极端天气或光照对数据采集的物理干扰。02.软件逻辑增强

建议在数据采集系统中增加“异常值自动报警”功能，当数值超出设定的合理阈值时，能即时推送通知提醒管理人员。点评与总结：数据处理口诀整理规范第一步原始数据杂乱多，

梳理分类是基础。

标准统一好处理，

条理清晰不出错。清洗数据保准确缺失异常要清洗，

查漏补缺不可少。

去伪存真辨真假，

数据质量最重要。分析挖掘找特征统计函数算特征，

筛选条件找需求。

多维视角看本质，

价值规律从中求。辅助决策创价值分析数据找规律，

洞察趋势明方向。

有理有据做判断，

支撑决策用处大。拓展延伸：数据分析无处不在智能家居分析室内温湿度数据，自动调节空调、加湿器，为你打造最舒适的居住环境，提升生活质量与便捷度。智慧农业综合分析土壤成分、气象变化等多维数据，实现精准化灌溉与施肥，大幅提升农业生产效率与产量。环境监测实时采集并分析城市空气质量数据，及时预警雾霾、沙尘暴等污染天气，为公众健康保驾护航。交通管理通过大数据分析路口实时车流量，动态优化红绿灯时长分配，有效疏导车流，缓解城市交通拥堵。思考与迁移：学以致用，分析我们的教室环境01分析数据：我们可以怎么做？利用课堂所学，对采集的PM2.5和CO₂数据计算平均值、最大值，并通过筛选找出空气质量超标的具体时段。02洞察问题：可能会发现什么？数据分析可能揭示：下课后人员密集时空气质量最差；或是每天上午第四节课时，二氧化碳浓度达到全天峰值。03行动建议：如何优化环境？基于数据结果，建议学校或班级落实：课间安排专人开窗通风换气；或向学校申请在教室安装新风系统以改善空气质量。课堂小结：本节课收获了什么？01/知识回顾一个核心价值将杂乱、无规律的原始数据，转化为对生活、学习、决策有用的信息。一个完整流程&两项关键技能流程：整理→清洗→统计→筛选→应用。

技能：掌握了数据清洗与统计筛选的核心操作。一个实践应用完成了“物联花盆”真实场景的数据处理任务，并基于数据结果提出了科学的养护优化建议。02/素养提升信息意识·数据说话培养了“用数据说话”的理性思维，学会了在复杂的信息中挖掘有价值的内容，用客观数据佐证观点。计算思维·分解问题学会