高中一年级信息技术必修1用pandas处理数据（第二课时）教学设计

高中一年级信息技术必修1用pandas处理数据（第二课时）教学设计一、教学内容分析本课选自浙教版（2019）高中信息技术必修1《数据与计算》第四章第二节，是"利用pandas模块处理数据"的第二课时。学生在第一课时已经认识了pandas的基本数据结构Series与DataFrame，能完成文件读取、数据查看、列选取等基础操作。本课时承接前课，聚焦数据的加工与分析：条件筛选、排序、统计计算、分组聚合，让原始数据转化为认知，为后续"数据分析与可视化"一节铺路。教材安排贴近生活，以天气、销售等真实数据为例，来自生活、用于生活，契合新课标"数据源于生活、价值归于生活"的立意。二、学情分析教学对象为高一年级学生。他们已具备Python基础语法与pandas入门知识，但多数停留在"照着敲"的阶段，对"为什么这样组织代码"缺少理解。学生对Excel的筛选、排序比较熟悉，这是可迁移的学习起点；但用代码表达"某列大于某值且另一列等于某类"这样的复合条件，仍是普遍性难点。此外，高一学生数据处理的经验零散，缺乏"提出问题—选择方法—验证结果"的完整分析意识，需要通过案例任务驱动加以固化。三、教学目标1．信息意识：能从真实情境中发现数据问题，认识到原始数据需要加工才能支撑决策。2．计算思维：掌握布尔索引、sort_values、describe、groupby等核心方法的逻辑，会用链式思路分解复杂数据处理任务。3．数字化学习与创新：能借助文档、报错信息自主调试代码，尝试用所学方法解决数据集之外的变式问题。4．信息社会责任：在分析校园真实数据的过程中，形成尊重数据、如实呈现结果的态度，理解数据误用的危害。四、教学重难点重点：条件筛选的布尔逻辑表达、分组聚合"groupby"的语义理解。难点：复合条件的括号优先级问题；分组结果与原始数据形状差异的理解。五、教学准备机房预装Anaconda与JupyterNotebook环境；准备"某班体测成绩表.csv""某市一周气象数据.csv"两份数据集；学习单包含任务阶梯与拓展挑战；教师端配备代码演示屏控软件。六、教学过程环节一情境导入：数据会说谎吗上课伊始，屏幕抛出两份表格截图：一份是某商品店一星期的"最高气温—冷饮销量"原始记录，一份是整理后的结论"气温越高，销量越好"。提问学生：这份结论是怎么从左边那张表钻进右边那句话的？学生凭经验说出"要挑数据""要算一算"。教师顺势点题：今天就让pandas替我们做这件事——从一百行数据里，挑出有价值的十行，再算出一句可信的话。环节二温故拾遗（5分钟）学生独立完成微练习：读取"体测成绩表.csv"，用head()查看前5行，取出"姓名"和"800米成绩"两列。教师巡视，观察学生是否记得df[["列1","列2"]]的双层方括号写法，对遗忘者用一句"里面是列表，外面是取列"点拨，不直接代写。环节三探究一：条件筛选——让数据只留想要的部分任务：找出体测表中"800米成绩小于240秒"的同学。教师先让学生尝试自然语言翻译为代码，有学生写出df[df["800米"]<240]，教师追问：外层方括号里装的到底是什么？现场演示在单元格中单独运行df["800米"]<240，输出一串True和False。学生恍然：筛选的本质是"用一串布尔值去挑行"。进阶任务：筛选"成绩小于240秒且女生"的记录。此为本课第一个难点。教师故意示范错误写法df[df["800米"]<240anddf["性别"]=="女"]，让学生直面报错，再展示正确写法df[(df["800米"]<240)&(df["性别"]=="女")]，引导对比：pandas里用&和|，每个条件都要用小括号包住。给出口诀化提醒——"条条括号，与用&，或用|"。学生在变式练习中完成"成绩大于300秒或重度超重"的筛选，巩固逻辑或的写法。环节四探究二：排序与统计——让数据排好队、算出数任务：将全体同学按800米成绩升序排列，取前3名；再用describe()生成全部数值列的统计概览。学生操作df.sort_values("800米")，教师抛出问题链：默认是升序还是降序？ascending参数怎么改？如何同时按两列排？学生试验df.sort_values(["班级","800米"])，理解多关键字排序的规则。随后运行df["800米"].describe()，屏幕出现count、mean、std、min、25%、50%、75%、max一行行数字。教师不逐条讲解，而是组织一个"读图说话"活动：你从这些数字里能向体育老师提什么建议？学生发现std偏大说明两极分化，50%分位与mean接近说明分布对称等，体会统计量是有语义的，不是数字堆砌。环节五探究三：分组聚合——本课的核心硬仗任务：分别计算各班800米的平均成绩，找出整体耐力最强的班级。学生面对"按班级分开算"的需求，第一反应往往是筛三次再各算一次。教师肯定其思路可行，再亮出groupby：df.groupby("班级")["800米"].mean()逐词拆解语义：groupby是"按班级把行拢成一捆一捆"，["800米"]是"每捆里只取这一列"，mean()是"每捆各自求平均"。配合板书图示，将原表画成被虚线分成三块的表格，每块下方落一个数。学生建立"分组—取列—聚合"三步心智模型。挑战题：各班男女生分别的平均成绩——提示使用两个分组键groupby(["班级","性别"])。学有余力的学生完成，组内互助讲解。环节六综合应用：完整数据分析小项目（15分钟）切换至气象数据集，任务卡要求：从"某市一周气象数据.csv"中，完成①筛出最高气温超33℃的高温日；②计算各天气类型（晴、多云、雨）下的平均降水量；③排序找出最湿热（湿度最高）的一天，并用两句话向全班汇报你的发现及依据。学生两人一组协作，教师流动指导，重点关注三种典型问题：复合条件漏括号、groupby后忘记选列、把文本列当数值列求均值。临近结束，每组用一分钟展示结果。教师评价不只对答案，更评价"你从数据到结论的链条是否完整"。环节七总结延伸（5分钟）师生共同梳理板书成一条主线：取数—筛选—排序—统计—分组—得结论。布置分层作业：基础层整理本课代码成个人速查笔记；提高层自主寻找一份公开数据（如自己一个月的运动记录），用至少三种方法完成一次分析，下节课用三分钟分享。七、板书设计主板书按"数据分析流水线"横向排布：读入→筛选（布尔索引，&|括号）→排序（sort_values）→统计（describe/mean）→分组（groupby三步）→结论。副板书留置学生易错点：复合条件加括号、groupby后记得选列。八、