数据采集与预处理电子教案 P5-T2-用pandas进行数据预处理

数据采集与预处理课程教案课程思政版·理实一体化课程名称数据采集与预处理课程类型专业核心课（理实一体化）教案编号P5-T2授课周次第周章节项目5数据预处理实践本次学时4学时（180分钟）课题任务2用pandas进行数据预处理授课类型理论+实践授课地点计算机实训室授课班级授课日期年月日授课教师教室/实训室计算机实训室一、教学目标目标维度具体内容🎯课程思政目标（价值塑造）通过本任务的学习，培养学生：①精益求精的工匠精神和严谨细致的工作态度；②遵守职业规范、保护数据安全的职业道德意识；③团队协作、共同解决技术问题的合作精神。📚认知目标（知识传授）①了解用pandas进行数据预处理的基本概念和原理。②熟悉相关工具的基本使用方法。💪能力目标（技能培养）①学会使用Kettle进行数据预处理。②学会使用pandas进行数据预处理。③学会使用FlumeInterceptor进行日志数据预处理。二、教学重点与难点（核心知识点）类别内容教学重点1.学习pandas的相关基础知识。2.使用pandas实现数据的预处理。3.熟悉pandas的相关基础知识。4.学会使用pandas完成数据的预处理。教学难点1.学习pandas的相关基础知识。2.使用pandas实现数据的预处理。3.熟悉pandas的相关基础知识。三、教学过程设计（180分钟理实一体化）教学环节时间教学内容与活动课程思政融入课程导入10分钟1.情景导入：展示用pandas进行数据预处理在实际项目中的应用案例2.回顾上节课的知识点，建立知识联系3.提出本节课的学习问题：如何实现用pandas进行数据预处理？4.明确本次任务目标和学习路径创设真实应用情境，激发学习兴趣，潜移默化融入思政元素，引导学生思考技术与社会的关系。理实一体化约78分钟聚类采样是一种根据数据的相似性进行采样的方法，将数据集分成若干个簇，然后从每个簇中选择一个样本作为代表。在Python中，可以使用scikit-learn库来进行聚类采样，示例代码如下。fromsklearn.clusterimportKMeansfromsklearn.datasetsimportmake_blobs#聚类采样X,y=make_blobs(n_samples=500,n_features=2,centers=4,random_state=1)#使用KMeans进行聚类kmeans=KMeans(n_clusters=4,random_state=0).fit(X)print(kmeans.labels_)#从每个簇中选择一个样本作为代表selected=[]foriinrange(4):cluster_samples=[X[j]forjinrange(len(X))ifkmeans.labels_[j]==i]selecting=random.choice(cluster_samples)selected.append(selecting)print(selected)通过数据预处理技术的学习，培养学生发现问题、解决问题的数据思维，以及科学严谨的实验态度。理实一体化约77分钟dummy_na|表示是否为NaN值添加一列columns|表示DataFrame要编码的列名sparse|表示虚拟列是否是稀疏的drop_first|是否通过从K个分类级别中删除第一个级别来获得K-1个分类级别参数|说明id|电影编号title|电影名称homepage|电影主页genres|电影类型overview|电影概述poster_path|电影海报的位置tagline|电影标语runtime|电影运行时间spoken_languages|电影输出语言original_language|电影原始语言通过独立实践操作，培养学生自主探究能力和解决实际问题的技术应用能力，强调规范操作和数据安全意识。课堂总结15分钟1.梳理本次课程的核心知识点2.对比总结用pandas进行数据预处理的关键操作步骤3.布置课后作业：完成课后练习题，预习下一任务4.预告下一次课程内容归纳总结知识要点，强化职业规范意识，鼓励学生持续学习、精益求精，以工匠精神要求自己。四、课后作业①复习并整理本次课程的核心知识点，撰写不少于200字的学习心得。②完成教材项目5数据预处理实践中与用pandas进行数据预处理相关的课后练习题。③拓展练习：自行查阅资料，尝试将用pandas进行数据预处理应用到一个新的场景中，记录操作步骤。五、教学备注本次课程为理实一