高二信息技术《数据管理与分析》合格考专题复习教学设计

高二信息技术《数据管理与分析》合格考专题复习教学设计一教材与考纲溯源分析教科版（2019）必修２《信息系统与社会》第三单元“数据管理与分析”构建了本专题的知识骨架。新课标明确要求学生理解数据的层次结构，掌握关系型数据库的基本操作，能够利用电子表格与编程语言完成数据清洗、统计分析与可视化。合格性考试大纲将“数据获取与预处理”“数据存储与管理”“数据分析与表达”列为三大核心考点，题型以情境化选择题为主，辅以操作题与案例分析题，重点考查计算思维中抽象建模与数据驱动决策的迁移能力。笔者梳理近三年真题发现，考查频次最高的为SQL聚合查询、多表连接、Excel透视表动态分析、Pythonpandas库基础语法，难点集中在脏数据识别处理逻辑与多步骤复合运算的代码实现。复习设计需回归课标，以“真实情境、真实数据、真实问题”驱动知识重组。二学情精准画像与分层目标本届高二学生已完成必修１与必修２课程，具备Python基础语法、Excel常用函数、关系数据库概念的初步认知。前测数据显示：８５％学生能完成单表查询编写，仅３２％能独立设计三表连接查询；７８％会使用VLOOKUP，仅２１％熟练运用PowerQuery完成跨表合并；编程处理缺失值、异常值的代码规范率不足４０％。存在“知其然不知其所以然”“工具操作碎片化、流程思维缺失”两大共性问题。据此确立分层目标：基础层全员过关核心语法与标准流程，能独立完成单源数据清洗与单表统计；提升层６０％学生掌握多源异构数据融合与复合分析建模，能解释分析结果的业务含义；拔尖层培养面向开放性问题的方案优化迭代能力，关注算法效率与数据伦理合规。三核心素养导向的知识重构图谱打破教材章节壁垒，按“数据全生命周期”重构为四大模块：模块一数据获取与结构化建模涵盖爬虫基础、API调用、CSV/JSON解析、ER图向关系模式转换、范式分解判断。模块二数据清洗与质量治理聚焦缺失值填补策略（均值/中位数/众数/模型预测）、异常值识别（３σ原则、箱线图IQR、业务规则）、重复记录去重键设计、数据类型统一与格式标准化。模块三多维分析与可视化表达Excel端透视表计算字段、切片器联动、条件格式动态预警；Python端groupby聚合、pivot_table透视、matplotlib/seaborn多图拼布叙事。模块四数据库进阶与应用集成事务ACID特性、索引优化原则、视图与存储过程封装、Python连接MySQL实现ETL自动化流水线。图谱以思维导图形式发放学生，要求标注“易错、易混、考频”三色标筐，构建个人化复习导航。四教学过程设计以“校园智慧食堂营收优化”贯穿始终（一）情境导入真问题激发真需求１０分钟投屏展示食堂三个月原始数据集：`pos_flow.csv`（流水号、窗口号、餐别、时间戳、实收金额、支付方式）、`menu_info.xlsx`（窗口号、主食类别、菜品名称、成本价、售价）、`student_dim.csv`（学号、年级、性别、宿舍楼、就餐卡余额）。数据刻意植入：时间戳格式不统一、部分窗口号为空、菜品名称同义词混用、成本价异常负值、学生表与流水表无外键关联。提问：若你是食堂运营分析师，校长需要下周一汇报“哪个窗口毛利率最低且波动最大”“晚高峰时段推荐增设什么品类”“预警余额不足学生名单”，你将如何在２小时内交付可信报告？学生分组讨论３分钟，全班汇报切入点，教师引导提炼“获取清洗建模分析呈现”标准化流程，明确本节课任务：以此为载体，串联合格考高频考点，打通工具链条。（二）模块一攻坚异构数据融合与建模２０分钟１．结构化建模演练分发ER图草图，引导学生识别实体：交易流水、菜品维度、学生维度。讨论关系：流水与菜品为多对一（窗口号+菜品名非唯一，需引入菜品编码代理键），流水与学生为多对一（学号缺失，需通过卡号关联，卡号在学生表唯一）。现场演示MySQLWorkbench逆向生成物理模型，强调外键约束命名规范`FK_流水表_菜品表_菜品编码`。２．范式分解判断真题实战给出非规范表`窗口菜品综合表(窗口号,窗口名,菜品编码,菜品名,类别,成本价,售价,员工数)`，要求学生判断范式级别并分解至３NF。讲解传递依赖`窗口号→窗口名→员工数`拆分逻辑，对比合格考高频选择题“下列表结构符合３NF的是”选项陷阱。３．Python多源读取与标准化入库代码演示所见即所得：importpandasaspdfromsqlalchemyimportcreate_engineengine=create_engine('mysql+pymysql://root:pass@localhost:3306/canteen')df_flow=pd.read_csv('pos_flow.csv',encoding='gbk',parse_dates=['time'],date_format='mixed')df_menu=pd.read_excel('menu_info.xlsx',dtype={'窗口号':str})df_stu=pd.read_csv('student_dim.csv',dtype={'学号':str,'卡号':str})统一键类型df_flow['窗口号']=df_flow['窗口号'].astype(str).str.strip()df_menu['窗口号']=df_menu['窗口号'].astype(str).str.strip()入库前置清洗df_flow.to_sql('ods_flow',engine,if_exists='replace',index=False,chunksize=5000)df_menu.to_sql('ods_menu',engine,if_exists='replace',index=False)df_stu.to_sql('ods_student',engine,if_exists='replace',index=False)重点讲解`parse_dates`混合格式解析、`dtype`预防科学计数法丢失精度、`chunksize`大数据分批写入避免内存溢出，对应考纲“大数据量处理基础认知”。（三）模块二深度清洗逻辑与代码规范化２５分钟采用“问题诊断→策略选择→代码实现→效果验证”四步法，每步留白３分钟学生实操。１．缺失值诊断与分层处理SQL侧：`SELECTCOUNT()FROMods_flowWHERE窗口号ISNULLOR窗口号='';`返回１２０条。业务确认：外卖订单无窗口号，标记为‘W000’而非删除。Python侧：成本价缺失用同类别中位数填补，售价缺失剔除（核心指标不可推测）。代码规范：median_cost=df_menu.groupby('类别')['成本价'].transform('median')df_menu['成本价']=df_menu['成本价'].fillna(median_cost)df_menu.dropna(subset=['售价'],inplace=True)强调`transform`保持原形状对齐，`inplace=True`减少内存拷贝。２．异常值识别三重校验统计学法：实收金额箱线图IQR上界`Q3+1.5×IQR`，下界`Q11.5×IQR`。业务规则法：成本价＜０或售价＜成本价或实收金额＞５００（单笔上限）。逻辑一致性法：同一流水号重复次数＞１。现场编写存储过程`sp_clean_flow`封装三重校验，输出清洗报告表`clean_log(规则名,异常量,处理动作)`，体现数据治理留痕审计思想。３．同义词合并与实体消歧菜品名“红烧肉”“红烧肉(大份”“大份红烧肉”实为同一SKU。引入Levenshtein距离模糊匹配，阈值０.８５人工复核，生成映射表`menu_mapping(原始名,标准名)`，后续所有分析以标准名为键。演示`fuzzywuzzy`库调用，提醒考试环境无第三方库时用`difflib.SequenceMatcher`纯标准库实现。（四）模块三实战多维分析与可视化叙事３０分钟１．Excel透视表动态看板搭建“零代码”快速验证假设将清洗后数据导入Excel数据模型，建立三表关系。构建透视表：行区域放“窗口号、菜品标准名”，值区域放“实收金额求和、成本价求和、流水号计数”，计算字段插入`毛利率=(实收金额成本价)/实收金额`，计算项插入`环比增长率`。切片器添加“餐别、支付方式、年级”，时间轴控制“时间戳”。条件格式为毛利率设置红绿色阶，波动系数（标准差/均值）设置数据条。引导学生观察：窗口W03毛利率仅１２％且波动系数０.４５，主力菜品“香辣鸡排”晚高峰售罄率＞９０％。２．Python复现与自动化出图“可复现”沉淀资产代码复现上述分析并输出出版级图表：importmatplotlib.pyplotaspltimportseabornassnsplt.rcParams['font.sansserif']=['SimHei']plt.rcParams['axes.unicode_minus']=Falsedf=pd.read_sql('SELECTFROMdwd_fact_order',engine)窗口毛利率雷达图win_profit=df.groupby('窗口号').apply(lambdax:(x['实收金额'].sum()x['成本价'].sum())/x['实收金额'].sum())fig,ax=plt.subplots(subplot_kw=dict(polar=True))angles=np.linspace(0,2np.pi,len(win_profit),endpoint=False)ax.plot(angles,win_profit.values,'o',linewidth=2)ax.fill(angles,win_profit.values,alpha=0.25)ax.set_xticks(angles)ax.set_xticklabels(win_profit.index)ax.set_title('各窗口毛利率雷达图',pad=20)plt.savefig('窗口毛利率雷达图.png',dpi=300,bbox_inches='tight')晚高峰时段热力图df['小时']=df['时间戳'].dt.hourpivot=df.pivot_table(index='窗口号',columns='小时',values='流水号',aggfunc='count',fill_value=0)sns.heatmap(pivot,annot=True,fmt='d',cmap='YlOrRd',linewidths=0.5)plt.title('全天候窗口客流热力图')plt.savefig('客流热力图.png',dpi=300)重点讲解`pivot_table`聚合函数灵活性、`subplot_kw`极坐标投影、`bbox_inches='tight'`防止标签截断，对应考点“可视化图表选择与参数调优”。（五）模块四拔高数据库进阶与ETL流水线自动化１５分钟１．索引优化实证实验在千万级模拟流水表上对比：全表扫描`EXPLAINSELECTFROMfact_flowWHERE窗口号='W03'AND日期='20240520'`耗时１.２s；建立联合索引`CREATEINDEXidx_win_dateONfact_flow(窗口号,日期)`后耗时０.００４s。现场演示`EXPLAIN`输出`type`从`ALL`变为`ref`，`rows`从１０００万降至１２０。讲解最左前缀原则、覆盖索引避免回表、索引下推（ICP）在５.６版本新特性，合格考常考“下列哪条SQL能用到联合索引”。２．事务一致性与并发控制模拟充值扣款场景：学生表余额扣减、流水表插入记录必须原子性。演示未加事务导致脏写，加`STARTTRANSACTION;UPDATE...;INSERT...;MIT;`保证ACID。隔离级别读已提交（RC）下不可重复读现象演示，说明合格考仅需理解概念无需手写锁代码。３．AirflowDAG雏形设计从手动到调度展示简化版DAG定义：fromairflowimportDAGfromairflow.operators.pythonimportPythonOperatorfromdatetimeimportdatetime,timedeltadefetl_task():封装前文所有清洗入库逻辑passwithDAG('canteen_daily_etl',start_date=datetime(2024,1,1),schedule_interval='@daily',catchup=False)asdag:t1=PythonOperator(task_id='clean_load',python_callable=etl_task)t2=PythonOperator(task_id='report_gen',python_callable=gen_report)t1>>t2说明调度器替代人工定时任务，体现“工程化思维”考纲新增要求。（六）综合迁移开放性案例分析与评价量表１５分钟发放新情境：“校社团联合会拟举办毕业季晚会，需基于过往三届报名表、签到表、问卷表（格式不一、字段冲突）预测参与人数、优化奖品采购、设计签到分流方案”。学生分组１０分钟设计分析方案，包含：数据融合策略、关键指标定义、工具选型理由、风险预案。使用评价量表互评：维度权重优秀(5)良好(4)合格(3)待改进(12)数据建模合理性３０％ER图规范、代理键设计巧妙、范式达标模型基本合理、有冗余但可解释实体识别遗漏、主键设计不当无模型概念清洗逻辑完备性２５％覆盖缺失/异常/重复/一致性四维、留痕可审计覆盖三维、部分规则硬编码仅处理显性错误、无业务视角无清洗步骤分析深度与洞察３０％发现隐性规律、给出决策建议、可视化叙事流畅完成规定动作、图表规范、结论明确单一维度统计、图表类型不当无有效分析工程化与规范１５％代码模块化、参数化、异常处理、注释规范函数封装、主流程跑通脚本线性、硬编码多、无异常捕获代码不可运行教师现场抽查３组点评，强调“方案比结论重要，过程比结果重要”，引导学生内化评价标准为自我监控量表。五分层作业与个性化复习包设计基础必做包（全员２天完成）：１．SQL专项：单表查询１０道、多表连接５道（内/左/右/全）、聚合分组３道、子查询２道，均取自真题原题或微改版，要求注明执行计划关键算子。２．Excel实操：给定`sales_raw.xlsx`脏数据版，完成PowerQuery清洗全过程录屏（≤５分钟），输出透视看板含３个切片器、２个计算字段、１个条件格式预警。３．Python基础：pandas读取、缺失值填补、分组聚合、绘制柱状图折线图组合图，代码提交GitHubClassroom自动跑单测。提升选做包（自愿挑战）：１．千万级数据集`big_flow.csv`（约１.２GB），要求用`chunk`分块读取计算各窗口日均流水、峰值时段、毛利率Top5，输出Parquet格式压缩文件，对比CSV读写耗时。２．设计星型模型事实表`fact_sale`与维度表`dim_menu/dim_time/dim_window`，编写SQL建表语句含分区策略（按月分区）。３．阅读《数据治理成熟度模型DCMM》摘要，结合食堂案例撰写３００字心得，谈“数据质量规则沉淀为资产”的理解。拔尖