高中信息技术必修1《数据的分析》第二课时教学设计：基于Python的探索性数据分析实践

高中信息技术必修1《数据的分析》第二课时教学设计：基于Python的探索性数据分析实践依据《普通高中信息技术课程标准（2017年版2020年修订）》模块“数据与信息”核心要求，结合粤教版（2019）必修1教材第5章“数据分析与可视化”第3节“数据的分析”教学安排，本设计聚焦第二课时。教材第一课时已完成统计基础概念、Excel透视表操作及基础图表绘制，第二课时需跨越工具操作层面，引导学生以计算思维解构数据分析全流程，掌握Python生态下Pandas、Matplotlib/Seaborn库核心功能，完成从脏数据清洗、特征工程、探索性可视化到初步建模评估的闭环实践。设计遵循“真实情境驱动、核心素养导向、渐进式脚手架搭建”原则，旨在培养学生数据意识、计算思维、数字化学习与创新及信息社会责任四大核心素养。一、教学素材深度解析本节内容在课标“数据分析与可视化”学习主题中占据枢纽地位。课标明确要求学生“理解数据分析的一般过程”“掌握常用数据分析方法与工具”“能利用编程工具对数据进行清洗、转换、分析与可视化”。教材第5.3节虽给出了“获取数据—清洗数据—分析数据—表达数据”四步法框架，但案例多基于Excel界面操作，掩盖了数据类型转换、缺失值填充策略选择、异常值检测逻辑、可视化编码映射机制等计算本质。粤教版教材配套案例“某校学生体质健康数据分析”数据量级小、结构单一、已预处理完毕，难以支撑高中阶段对“探索性数据分析（EDA）”核心思想的深度体验。因此，教学设计必须重构素材：引入真实、高维、含噪的开放数据集（如UCI机器学习仓库“学生成绩预测”数据集或本地化“校园能耗监测”数据集），迫使学生直面列名非规范、数值型字段存为对象类型、关键指标缺失率超15%、离群点干扰建模等真实挑战，倒逼工具升级与思维跃迁。二、学情精准画像与差异化预判学生已修完必修1前四章，具备Python基础语法（变量、流程控制、函数、列表字典）、JupyterNotebook交互式开发环境使用经验，理解CSV/Excel文件读写，接触过Matplotlib基础绘图。但普遍存在三类认知断层：一是“语法会用、库不懂底层”，对Pandas索引对齐机制、向量化运算广播原理、绘图库面向对象API与MATLAB风格接口差异缺乏心智模型；二是“统计知皮毛、业务不落地”，知均值中位数定义，不知何时用中位数填充缺失值、何时用IQR法而非3σ原则剔除异常值、箱线图须线长度如何映射四分位距；三是“流程碎片化、闭环不成型”，单步操作能跟上，串联全流程时易陷入“清洗完不知分析什么、画完图不知结论怎么写”困境。针对差异化，设定分层目标：基础组完成指标代码填空与图表解读；提高组自主设计特征工程方案并对比模型基线；拔尖组尝试引入Sweetviz/Autoviz自动化EDA工具对比手动分析效率差异。三、核心素养导向的教学目标矩阵1.信息觉悟：能辨析原始数据中隐含的采样偏差、测量误差与隐私风险，判断数据集是否支撑特定分析目的，建立“数据非中立、分析有视角”批判视角。2.计算思维：能将业务问题分解为数据结构转换（宽表变长表、类别编码、时间序列重采样）、算法流程构建（清洗管道封装、可视化模板复用）、迭代优化模型（基线建立—特征筛选—参数调优）三层计算抽象，用代码实现可复现分析流水线。3.数字化学习与创新：能综合运用文档查阅（官方API文档、StackOverflow高赞答案）、版本控制（Git提交节点对应分析里程碑）、协作平台（GitHubCodespaces/Gitee实时共编）完成小组项目，形成个人知识库与团队资产库双重积累。4.信息社会责任：明确数据脱敏处理规范（学号哈希化、成绩分桶化），遵守校园数据使用合规边界，在分析报告中诚实标注数据局限性与推论置信度，拒绝“Phacking”与“数据挖掘陷阱”。四、教学重难点与破解路径重点：Pandas数据清洗核心技能栈（类型推断与强制转换、缺失值机制识别与填充策略决策树、异常值检测可视化与业务结合处理、GroupBy聚合与透视表多维透视）、探索性可视化语法体系（Seaborn分面网格映射分布、关系、分类三大图族、配色方案与标签工程化设置）、分析报告结构化写作（背景方法发现局限建议）。难点：学生从“调用API参数”向“理解参数背后统计学假设”跨越。例如：`df.fillna(method='ffill')`看似简单，实则假设数据具有时序自相关性；`sns.regplot`绘制回归线默认Pearson相关，要求变量呈线性关系且服从双变量正态分布。破解路径设计“黑箱透明化”专题环节：通过手动实现简易版填充算法、绘制残差图对比线性假设、引导阅读源码片段，建立“代码—数学—业务”三角映射心智模型。五、教学策略与环境配置采用“项目式学习（PBL）”为主线，“任务驱动+脚手架支撑+同伴互评”融合策略。项目主题定为“校园能耗异常模式挖掘与节能建议生成”，数据源为校园智慧电表采集的半年小时级数据（约50万行×12列，含楼宇编号、时间戳、有功功率、无功功率、电压、电流、功率因数、温度、湿度、人流量估值、是否节假日、异常标签）。环境统一为学校云桌面预装Anaconda环境（Python3.10,Pandas2.1,Seaborn0.13,Plotly5.17,JupyterLab4.0），配置Git预提交钩子强制代码格式化（Black）与笔记本清理输出。提供骨架笔记本：预置数据加载、基础检查、函数签名、可视化模板、报告Markdown单元格，学生聚焦核心逻辑填充。引入“代码审查清单”作为过程性评价工具，覆盖命名规范、注释密度、异常处理、性能注记四维度。六、教学过程详细设计（六课时，每课时45分钟）【第一课时：沉浸情境·定义问题·初探数据】教师播放校园能耗监控大屏实时流视频（30秒），抛出驱动性问题：“后勤处反馈近期综合楼电费激增，物业怀疑存在设备故障或人为浪费，但人工巡检成本高、滞后性强。若你是数据分析师，如何用半年电表数据定位异常、量化损失、给出整改建议？”学生分组讨论3分钟，产出“问题拆解树”：目标变量何者（有功电量/峰谷平电费/功率因数罚款）？分析粒度何者（楼宇/楼层/回路/小时/日/月）？异常定义何者（同比环比突变/同类楼宇横向离群/物理约束违背如功率因数超1）？所需外部数据何者（气象/课表/活动日历）？教师汇总记录于共享在线白板，引导提炼核心分析任务：1.单楼宇日用电曲线画像与偏离检测；2.多维度交叉诊断（天气人流用电三元关系）；3.异常时段根因溯源与节能潜力测算。随后引导打开骨架笔记本执行“初探数据”代码块。重点讲解`()`内存占用与非空计数解读、`df.describe(include='all')`分数位数统计含义、`df.sample(10).T`转置查看样本全貌。设置“数据侦探”微任务：在5分钟内利用`df.isnull().sum()/len(df)`、`df.nunique()`、`df['楼宇编号'].value_counts()`发现三个关键问题：①“功率因数”列存为object类型，混入字符串“错误”；②“异常标签”列缺失率98%，疑为人工事后打标未完成；③“温度”“湿度”存在物理不可能值（999占位符）。学生在笔记本Markdown单元格记录发现，教师巡回提问：“为何`describe()`未显示‘功率因数’统计量？如何一键转数值并标记转换失败行？”引出`pd.to_numeric(errors='coerce')`与布尔索引定位脏数据。【第二课时：深度清洗·类型重塑·缺失决策】开篇展示“脏数据危害链”：类型错误导致向量化运算报错回退Python循环降速百倍、缺失值填充偏差扭曲相关分析方向、占位符未清洗污染聚类中心。演示清洗管道构建模式：定义`defclean_pipeline(raw_df):`函数，内部串联步骤并返回清洗报告字典。学生分组完成四个子任务：任务一：类型标准化。针对“功率因数”，编写`df['功率因数']=pd.to_numeric(df['功率因数'],errors='coerce')`，统计转换产生的NaN占比，结合业务知识（正常范围01）决定是否剔除或填充。任务二：占位符替换。识别999为传感器故障码，对温湿度列执行`replace(999,np.nan)`，对比替换前后直方图形变。任务三：缺失机制研判。引入Little'sMCAR检验概念（简化版：分组比较缺失与非缺失组目标变量均值差异），学生编写代码验证“温度缺失是否随机”。若非随机（MNAR），引入指示变量`df['温度_缺失标记']=df['温度'].isna().astype(int)`再填充。任务四：填充策略对比实验。同一缺失列分别用前向填充、线性插值、KNN填充（`sklearn.impute.KNNImputer`）、随机森林填充，计算填充值与真实值（人工抽取的完整子集）RMSE，在笔记本绘制对比条形图，撰写选择理由。教师组织“清洗决策辩论赛”：A组主张“直接删除含缺失行，保证数据纯净”，B组主张“多重插补保留样本量”，C组主张“领域知识填充（如夜间温度取日均值）”。教师引导从“数据量损耗率”“分布偏移度”“下游建模稳健性”三维评判，达成共识：关键数值列采用迭代填充，非关键类别列填充众数并增设缺失标记列，所有操作记录于清洗日志DataFrame供审计追溯。【第三课时：特征工程·多维透视·可视化编码】讲解特征工程“法则”：让数据结构适配分析问题，而非迁就原始结构。演示时间特征展开：`df['小时']=df.index.hour`、`df['是否周末']=df.index.weekday>=5`、`df['季节']=df.index.month.map({12:1,1:1,2:1,3:2...})`。讲解周期性编码陷阱：小时23与0相邻但数值差23，引入正弦余弦编码`df['小时_sin']=np.sin(2np.pidf['小时']/24)`、`df['小时_cos']=np.cos(...)`。引导构建聚合特征：按楼宇+日期重采样`df.resample('D').agg({'有功功率':['sum','max','min','std'],'功率因数':'mean'})`，处理多级列索引扁平化。可视化环节对标“可视化编码语法”：数据→几何对象→美学映射→统计变换→坐标系→分面。学生完成“可视化工具箱”搭建任务：封装`plot_daily_profile(df,building_id)`函数，输出单楼宇日负荷曲线带置信带（`sns.lineplot(estimator='mean',errorbar=('ci',95))`）；封装`plot_correlation_heatmap(df,cols)`函数，自动计算Spearman相关（非线性鲁棒）、掩盖上三角、标注显著性星号；封装`plot_anomaly_scatter(df,x_col,y_col,hue_col)`函数，用PlotlyExpress生成交互式散点图，悬停显示时间戳与异常标签，支持框选缩放导出异常样本索引。重点讲解配色无障碍设计：色盲友好调色板`colorblind`、语义映射（红增绿减/蓝冷红热）、避免彩虹色谱误导数量感知。微项目实战：“综合楼8月用电画像”。学生调用工具箱函数，产出四张核心图表：1.典型工作日/周末/节假日三类日负荷曲线叠加对比（揭示基载与峰谷特征）；2.温度用电散点图分工作日/非工作日着色、拟合三次多项式曲线（捕捉空调负荷非线性阈值）；3.功率因数时序图标注低于0.9罚款阈值段（量化无功损失）；4.异常标签稀疏分布图（揭示标签不可靠性）。每图要求配备“洞察卡片”：一句话结论+支撑数据证据+业务动作建议。【第四课时：异常挖掘·无监督建模·根因假设】引入孤立森林作为无监督异常检测基线，讲解原理：随机切分特征空间，异常样本路径长度显著更短。代码演示：特征标准化（`RobustScaler`抗异常）、训练`IsolationForest(contamination=0.01,random_state=42)`、输出异常分数`anomaly_score`与预测标签`is_anomaly`。学生任务：将检出异常与原有“异常标签”列交叉表对比，计算召回率/精确率（视人工标签为不完全地面真值），分析漏报与误报样本特征。进阶挑战：异常解释性。引入SHAP值概念（简化版：排列重要性），计算异常样本各特征对异常分数贡献度。学生编写循环，对Top20高分异常样本生成瀑布图，识别主导异常特征（如：某日功率因数骤降、电压不平衡度超标、温度正常但用电激增）。分组头脑风暴根因假设：假设A“电容补偿柜故障导致功率因数低”，假设B“实验室大功率设备启动未纳入基载”，假设C“电表计量故障”。设计验证方案：查阅维修工单系统、对比同变压器下其他回路、联系物业核对设备台账。教师强调：数据分析发现“异常”，领域知识解释“原因”，二者缺一不可。【第五课时：量化评估·报告撰写·同伴互评】引导完成“节能潜力测算”量化模型：基线模型采用同比同期均值法（去年同周同星期几均值），实际用电与基线差值即节电/超耗量。进阶引入线性回归基线（特征：温度、湿度、是否工作日、人流量），用`statsmodels.OLS`输出系数p值、R方、DurbinWatson统计量，讲解自相关残差修正（加入滞后项）。学生计算综合楼8月节电量、折算电费节省、功率因数整改避免罚款金额，形成《校园综合楼用电异常分析与节能建议报告》。报告结构规范：1.执行摘要（300字内含核心结论与金额）；2.数据来源与质量声明（采样频率、缺失率、清洗日志链接）；3.方法论（清洗管道图、特征工程表、模型超参数表）；4.关键发现（图表+洞察卡片，每图一结论）；5.根因溯源与验证计划；6.节能建议分级（零成本运行调整/低成本设备加装/高投入系统改造）；7.局限性声明（数据时效性、未观测变量、模型假设风险）；8.代码与数据复现指引（Git仓库地址、环境锁定文件`environment.yml`）。同伴互评采用“双盲三维评分”：维度一“计算严谨性”（清洗日志完整/代码可复现/统计检验恰当）；维度二“业务洞察力”（结论是否指向可执行动作/量化依据充分/避免相关当因果）；维度三“沟通表达力”（可视化自解释性/术语准确/非技术利益相关者可读）。每组评审3份报告，填写结构化反馈单，作者据此迭代定稿。【第六课时：成果答辩·元认知复盘·迁移拓展】课堂模拟“数据分析汇报会”，邀请后勤处干部、物业经理、计算机教师组成评委团。每组8分钟汇报+5分钟问辩。评委聚焦提问：“若明年气象异常，你的基线模型是否失效？”“功率因数整改投资回收期如何测算？”“你的异常检测阈值0.01由何决定？业务代价如何权衡？”学生现场调取笔记本演示敏感性分析代码，展示专业素养。课后布置元认知复盘作业：个人撰写1500字反思日志，响应四个提示：“哪个清洗决策最纠结？最终依据何在？”“可视化设计中一次失败修改的完整过程？”“若数据量增至千万行、新增文本维修日志，你的流程如何重构？”“本项目对你‘数据素养’三个维度（觉悟/思维/创新）的具体提升证据”。教师批阅后择优推送至校级“数字素养成果集”公开展示。七、板书设计（核心知识图谱可视化）中心节点：探索性数据分析全流程（EDAPipeline）一级分支：①数据获取与理解（Schema验证、分布概览、业务对齐）②清洗与重塑（类型强制、缺失机制研判、填充策略决策树、异常值检测三角验证）③特征工程（时间展开与周期编码、聚合粒度重构、领域知识注入、泄漏防范）④探索性可视化（单变量分布/双变量关系/多维分面/交互式诊断——Seaborn/Plotly语法映射表）⑤无监督建模与解释（孤立森林/局部异常因子/SHAP解释/业务假设生成）⑥量化评估与报告（基线构建/反事实估计/不确定性量化/结构化叙事/复现性保障）横向贯穿带：计算思维抽象层级（数据结构→算法流程→系统工程）、核心素养映射点（标注四维素养图标）、工具链版本锁定（Git+Conda+Premit）。八、作业设计与分层评价体系基础作业（必做）：完成骨架笔记本所有TODO代码填充，输出通过`nbconvert`导出的HTML报告，Git提交记录≥5次，通过教师CI/CD流水线自动测试（单元测试覆盖清洗函数、可视化函数签名合规性）。进阶作业（选做）：引入`ydataprofiling`生成自动化EDA报告，对比手动分析差异，撰写《自动化EDA工具适用边界分析》短文（800字）；或在Kaggle寻找同类能耗/环境监测数据集，复用清洗管道完成迁移分析，提交迁移适配日志。拓展作业（挑战）：部署Streamlit交互式仪表盘至校内服务器，实现楼宇下拉筛选、日期范围选择、异常下钻明细表导出，录制2分钟演示视频。评价权重：过程性代码提交30%（含代码审查清单得分）、项目报告30%（含互评修正后版本）、现场答辩20%、元认知日志20%。引入“素养徽章”机制：清洗大师徽章（缺失处理方案获同伴最高分）、可视化匠人徽章（图表被评委引用为范例）、复现卫士徽章（CI/CD零报错通过）、洞察先锋徽章（建议被后勤处采纳）。九、教学反思与持续迭代计划实施后复盘聚焦三点：一、脚手架厚度动态调整。观测到部分配置低云桌面运行KNN填充内存溢出，下轮预置`dask.dataframe`并行替代方案或提供采样后数据集供基础组使用。二、业务专家深度介入时机。本轮后勤处仅答辩环节到场，拟调整为第二课时清洗阶段现场答疑（如“功率因数物理含义”“罚款计算规则”），提前校准领域知识偏差。三、学术诚信与AI辅助边界界定。检测到部分代码注释风格高度一致，疑似大模型生成。下轮引入“AI协作声明”规范：允许用大模型解释报错、生成样板代码、润色英文变量名，禁止直接生成核心逻辑、分析结论、反思日志，要求在笔记本首单元格标注AI工具名、用途、Prompt摘要，纳入评价体系“数字化学习与创新”维度考察“人机协作质量”而非单纯排斥。十、附件：核心代码片段注释版（教师版参考）```python文件:eda_pipeline/core.py版本:v1.2.0|更新:20250915|作者:教研组长目的:封装高复用清洗/特征/可视化函数，供学生骨架笔记本导入调用设计原则:单一职责、类型提示、文档字符串含统计假设、显式抛出业务异常importpandasaspdimportnumpyasnpfromtypingimportTuple,List,Dict,Optionalimportmatplotlib.pyplotaspltimportseabornassnsimportplotly.expressaspxfromscipyimportstatsfromsklearn.ensembleimportIsolationForestfromsklearn.preprocessingimportRobustScalerfromsklearn.imputeimportKNNImputer常量定义：物理约束边界，便于维护与审计PHYSICAL_BOUNDS={'功率因数':(0.0,1.0),'有功功率':(0,None),功率非负'电压':(300,450),380V三相线电压合理波动范围'温度':(40,60),校园气象站量程'湿度':(0,100)}MISSING_PLACEHOLDERS=[999,9999,'NULL','NaN','null','']defload_and_audit(filepath:str,parse_dates:List[str]=['时间戳'])>Tuple[pd.DataFrame,Dict]:"""加载数据并生成审计报告。返回:(清洗前DataFrame,审计报告dict)审计报告含:shape,dtypes,missing_ratio,duplicate_rows,placeholder_counts,memory_usage_MB"""df=pd.read_csv(filepath,parse_dates=parse_dates,na_values=MISSING_PLACEHOLDERS)if'时间戳'indf.columns:df=df.set_index('时间戳').sort_index()audit={'shape':df.shape,'dtypes':df.dtypes.astype(str).to_dict(),'missing_ratio':(df.isnull().mean()100).round(2).to_dict(),'duplicate_rows':df.index.duplicated().sum(),'placeholder_counts':{col:df[col].isin(MISSING_PLACEHOLDERS).sum()forcolindf.columns},'memory_usage_MB':round(df.memory_usage(deep=True).sum()/10242,2)}returndf,auditdefenforce_types(df:pd.DataFrame,numeric_cols:List[str])>pd.DataFrame:"""强制类型转换，转换失败置NaN并记录。统计假设:原始字符串非数值视为测量错误，非系统性缺失。"""df=df.copy()conversion_log={}forcolinnumeric_cols:ifcolnotindf.columns:continueoriginal_na=df[col].isna().sum()errors='coerce'将无法解析的字符串(如'错误')转为NaNdf[col]=pd.to_numeric(df[col],errors='coerce')new_na=df[col].isna().sum()original_naifnew_na>0:conversion_log[col]=f'强制转数值产生{new_na}个新增缺失'可选：将日志写入文件或返回returndfdefhandle_missing_advanced(df:pd.DataFrame,strategy_map:Dict[str,str],knn_cols:Optional[List[str]]=None)>Tuple[pd.DataFrame,Dict]:"""多策略缺失填充管道。strategy_map示例:{'温度':'interpolate_time','功率因数':'knn','人流量':'fill_zero'}支持策略:'ffill','bfill','interpolate_time','interpolate_linear','median','mean','knn','fill_zero','flag_only'(仅加缺失指示列)返回:(填充后DataFrame,填充报告dict)"""df=df.copy()report={'filled_columns':[],'added_indicators':[],'knn_details':{}}forcol,strategyinstrategy_map.items():ifcolnotindf.columns:continuemissing_before=df[col].isna().sum()ifmissing_before==0:continue统一添加缺失指示列，保留缺失模式信息indicator_col=f'{col}_was_missing'df[indicator_col]=df[col].isna().astype(int)report['added_indicators'].append(indicator_col)ifstrategy=='interpolate_time':时间插值要求索引为DatetimeIndex且单调df[col]=df[col].interpolate(method='time',limit_direction='both')elifstrategy=='knn'andknn_cols:KNN填充需数值型特征矩阵，仅对指定列组合填充imputer=KNNImputer(n_neighbors=5,weights='distance')subset=df[knn_cols+[col]]imputed=imputer.fit_transform(subset)df[col]=imputed[:,1]最后一列为目标列report['knn_details'][col]={'features_used':knn_cols,'n_neighbors':5}elifstrategy=='fill_zero':df[col]=df[col].fillna(0)elifstrategyin['median','mean']:fill_val=df[col].median()ifstrategy=='median'elsedf[col].mean()df[col]=df[col].fillna(fill_val)elifstrategy=='flag_only':pass仅保留指示列，不填充，留待下游模型处理else:raiseValueError(f'未知填充策略:{strategy}')filled_count=missing_beforedf[col].isna().sum()report['filled_columns'].append({'column':col,'strategy':strategy,'missing_before':int(missing_before),'filled_count':int(filled_count)})returndf,reportdefdetect_outliers_iqr(df:pd.DataFrame,cols:List[str],factor:float=1.5)>pd.DataFrame:"""基于IQR(四分位距)的异常值标记，鲁棒于非正态分布。返回布尔DataFrame，True表示异常。统计假设:数据大致对称，无极端重尾；factor=1.5为Tukey经典定义，3.0为极端异常。"""outlier_flags=pd.DataFrame(False,index=df.index,columns=cols)forcolincols:Q1=df[col].quantile(0.25)Q3=df[col].quantile(0.75)IQR=Q3Q1lower=Q1factorIQRupper=Q3+factorIQRoutlier_flags[col]=(df[col]<lower)|(df[col]>upper)returnoutlier_flagsdefrun_isolation_forest(df:pd.DataFrame,feature_cols:List[str],contamination:float=0.01,random_state:int=42)>Tuple[np.ndarray,np.ndarray,IsolationForest]:"""无监督异常检测主函数。返回:(异常分数越低越异常,预测标签1异常/1正常,训练好模型对象)注意:contamination需结合业务预期异常比例设定，非数据驱动自动确定。"""1.特征工程：仅数值列，RobustScaler抗异常缩放scaler=RobustScaler()X=scaler.fit_transform(df[feature_cols].fillna(df[feature_cols].median()))2.模型训练clf=IsolationForest(contamination=contamination,n_estimators=200,max_samples='auto',random_state=random_state,n_jobs=1)preds=clf.fit_predict(X)scores=clf.decision_function(X)越小越异常returnscores,preds,clfdefplot_daily_load_profile(df:pd.DataFrame,building_id:str,power_col:str='有功功率',freq:str='D')>plt.Figure:"""绘制单楼宇典型日负荷曲线带95%置信带。使用Seaborn面向对象接口，返回Figure对象便于后续保存/嵌入报告。"""筛选数据bld_df=df[df['楼宇编号']==building_id].copy()ifbld_df.empty:raiseValueError(f'楼宇{building_id}无数据')按天重采样至小时频率，对齐时间轴先按天分组，再对每天重采样到小时，最后取均值/置信区间此处简化：直接按小时聚合所有天hourly=bld_df.groupby(bld_df.index.hour)[power_col].agg(['mean','std','count']).reset_index()hourly.rename(columns={'index':'hour'},inplace=True)fig,ax=plt.subplots(figsize=(10,5))sns.lineplot(data=hourly,x='hour',y='mean',ax=ax,label='平均负荷',linewidth=2,color='2c7fb8')手动绘制置信带：mean±1.96std/sqrt(n)se=hourly['std']/np.sqrt(hourly['count'])ax.fill_between(hourly['hour'],hourly['mean']1.96se,hourly['mean']+1.96se,alpha=0.2,color='2c7fb8',label='95%CI')ax.set_xlabel('小时',fontsize=12)ax.set_ylabel('有功功率',fontsize=12)ax.set_title(f'{building_id}典型日负荷画像(N={len(bld_df.resample(freq).mean())}天)',fontsize=14)ax.set_xticks(range(0,24,2))ax.grid(True,linestyle='',alpha=0.5)ax.legend()sns.despine()returnfigdefgenerate_correlation_heatmap(df:pd.DataFrame,cols:List[str],method:str='spearman',figsize:Tuple[int,int]=(12,10))>plt.Figure:"""生成出版级相关性热力图：掩盖上三角、标注显著性、聚类排序。method:'pearson'|'spearman'|'kendall'，Spearman默认抗单调非线性。"""corr=df[cols].corr(method=method)计算p值矩阵(仅Spearman/Pearson近似)pvals=pd.DataFrame(np.ones_like(corr),index=corr.index,columns=corr.columns)ifmethodin['pearson','spearman']:foriinrange(len(cols)):forjinrange(i+1,len(cols)):ifmethod=='pearson':_,p=stats.pearsonr(df[cols[i]].dropna(),df[cols[j]].dropna())else:_,p=stats.spearmanr(df[cols[i]].dropna(),df[cols[j]].dropna())pvals.iloc[i,j]=ppvals.iloc[j,i]=p显著性标注annot=corr.round(2).astype(str)annot=annot+pvals.applymap(lambdap:''ifp<0.01else(''ifp<0.05else''))np.fill_diagonal(annot.values,'1.00')对角线美化层次聚类重排，使相似变量聚集fromscipy.cluster.hierarchyimportlinkage,leaves_listlinkage_matrix=linkage(corr.fillna(0),method='ward')order=leaves_list(linkage_matrix)corr=corr.iloc[order,:].iloc[:,order]annot=annot.iloc[order,:].iloc[:,order]mask=np.triu(np.ones_like(corr,dtype=bool),k=1)掩盖上三角fig,ax=plt.subplots(figsize=figsize)sns.heatmap(corr,mask=mask,annot=annot,fmt='',cmap='RdBu_r',center=0,square=True,linewidths=0.5,cbar_kws={'shrink':0.8,'label':f'{method.capitalize()}相关系数'},ax=ax,annot_kws={'fontsize':9})ax.set_title(f'变量相关性热力图({method.capitalize()},下三角含显著性)',fontsize=14,pad=20)plt.tight_layout()returnfig使用示例(教师演示用)if__name__=='__main__':1.加载审计raw,audit=load_and_audit('../data/campus_energy_raw.csv')print('===审计报告===');[print(f'{k}:{v}')fork,vinaudit.items()]2.类型强制numeric_cols=['有功功率','无功功率','电压','电流','功率因数','温度','湿度','人流量']df=enforce_types(raw,numeric_cols)3.缺失填充策略定义(基于第二课时对比实验结果确定)strategy={'温度':'interpolate_time',时序强相关'湿度':'interpolate_time','功率因数':'knn',多变量非线性关系'人流量':'fill_zero',夜间无人合理'电压':'median'