高中信息技术必修一《创建与查看DataFrame》教学设计

高中信息技术必修一《创建与查看DataFrame》教学设计一、教学背景与设计理念本课选自浙教版高中信息技术必修一“数据与计算”模块第四章第三节第二课时。在上一课时中，学生已初步接触Pandas库的基本概念与Series数据结构，本课聚焦于DataFrame这一二维表格数据结构的创建与查看方法，是连接数据采集与数据分析的关键桥梁。依据《普通高中信息技术课程标准（2017年版2020年修订）》中关于“通过典型应用实例，了解数据采集、分析和可视化表达的基本方法”的要求，本课以真实情境为载体，以项目式学习为主线，引导学生在问题解决中掌握DataFrame的核心操作，培养数据意识与计算思维。设计理念遵循“三线并进”原则：知识线——从创建到查看，层层递进；能力线——从模仿到迁移，螺旋上升；素养线——从操作到思辨，润物无声。课堂采用“情境驱动—任务进阶—协作建构—反思评价”四段式结构，力求学生在做中学、学中悟，达成深度学习。二、学情分析教学对象为高中一年级学生。经过前序课程学习，学生已具备Python编程基础，掌握了变量、列表、字典等基本数据类型，能够熟练使用JupyterNotebook环境，并对Series数据结构有了初步认识。本班学生思维活跃，对真实数据问题有较强好奇心，部分学生具备一定的课外编程经验，但整体存在个体差异：约四成学生能独立完成代码编写，约五成学生需要范例辅助，约一成学生可能需要教师更多的个别指导。学生在学习本课之前可能遇到的典型困难包括：一是对DataFrame的二维结构理解不够深入，容易与Series混淆；二是对多种创建方式的选择依据缺乏判断力；三是对查看操作中参数的意义理解不够透彻。因此，教学设计需提供梯度化的学习支架，并预设针对性化解策略。三、教学目标1.知识与技能目标理解DataFrame的结构特征，说出其与Series的异同；掌握从字典、列表、NumPy数组等多种数据源创建DataFrame的方法；熟练运用head()、tail()、info()、describe()、loc[]、iloc[]等方法查看和访问DataFrame中的数据。2.过程与方法目标经历“分析需求—选择方案—动手实践—检验结果”的完整过程，能够根据具体数据特征选择合适的创建方式；通过对比实验，归纳不同查看方法的适用场景，形成结构化的问题解决策略。3.情感态度与价值观目标感悟数据蕴含的价值，树立用数据说话的理性思维；在小组协作中培养沟通与分享意识；通过校园真实数据的分析，增强对学校生活的关注与热爱。四、教学重点与难点教学重点：DataFrame的多种创建方法以及常用查看操作；loc[]与iloc[]的区别与使用规则。教学难点：理解DataFrame的行索引与列索引的双重标签体系，能够在混合索引场景下正确选择访问方式；根据不同数据源灵活选择最合理的创建途径。五、教学方法与媒体准备教学方法：项目式学习法、任务驱动法、对比教学法、合作探究法。媒体准备：多媒体教室、JupyterNotebook编程环境、含校园书店销售数据集的CSV文件、导学案、微课视频（课前预习用）、在线评价问卷。六、教学过程环节一：情境导入，激活经验（约8分钟）上课伊始，教师呈现一份经过脱敏处理的校园书店上月销售记录表，表中包含“书名”“类别”“单价”“销量”“销售额”五个字段，共12条记录。教师提问：“同学们，上一节课我们学习了Series，它能存储一维数据。请大家观察这份销售记录表，它是几维数据？如果只用Series来表达，你觉得方便吗？为什么？”学生回答后，教师顺势引导：“现实生活中，绝大多数数据都是以这种二维表格形式存在的。今天我们一起来认识Pandas库中处理二维数据的主力军——DataFrame。”教师接着演示一组对比：先展示用Series表示单列“销量”数据的情形，再展示用DataFrame表示整个表格的情形，并配以简单的代码演示。学生在对比中直观感知DataFrame是“由多个Series共享同一个索引所构成的二维数据结构”。设计意图：从学生熟悉的校园生活情境出发，以真实数据引发认知冲突，激发学习兴趣，自然引出课题。对比演示帮助学生建立从一维到二维的认知跃迁。环节二：知识建构，初步探究（约15分钟）1.认识DataFrame的组成教师以板书结合投影片的方式呈现一个简化模型：DataFrame由行索引（index）、列索引（columns）和数据值（values）三部分组成，并类比为Excel表格中的行号、列标和单元格内容。然后请学生在JupyterNotebook中输入以下代码并观察输出：importpandasaspddf=pd.DataFrame({'书名':['三体','活着','小王子'],'销量':[120,98,156]})print(df)学生观察输出结果后，教师追问：“输出结果的左上角是什么？默认的行索引是什么？如果我想让‘书名’这一列成为行索引，应该怎么做？”学生尝试df.set_index('书名')，体会索引在数据访问中的重要意义。2.DataFrame的多种创建方式（任务一）教师布置小组探究任务（每组共用一台电脑，两人一组），发放导学案，其中包含四个递进式子任务：任务A：从字典创建——字典的键作为列名，值为列表。任务B：从列表嵌套列表创建——外层列表代表行，内层列表代表各列的值，需自行指定列名。任务C：从NumPy数组创建——配合指定行索引与列索引。任务D：从CSV文件读取——使用pd.read_csv()方法读取教师提供的“校园书店销售记录.csv”。每完成一个子任务，小组需在导学案中填写对应的代码、输出截图以及“与之前创建方式的不同之处”一栏。教师在巡视过程中重点关注：学生是否能够区分字典创建方式中键与值的角色；在列表嵌套列表中是否理解行与列的对应关系；在读取CSV文件时是否能够正确处理编码参数（encoding='utf8'）。小组完成后，教师邀请三个小组代表分别展示任务B、C、D的成果，并引导全班对比分析：“从字典创建时，列的顺序由什么决定？从列表创建时，为什么必须指定列名？从CSV读取时，Pandas怎么知道每一列的名称？”学生通过讨论逐步领悟：字典创建简单直观，适合数据量小的场景；列表创建灵活但需显式指定列名；NumPy数组适合已有现成数组需要添加标签的场景；CSV读取则是实际项目中最常用的方式。设计意图：以任务驱动实现多路径探索，让不同起点的学生都能找到适合自己的切入点。对比分析环节促进元认知发展，帮助学生内化“根据数据源特征选择创建方式”的决策思维。环节三：深度探究，掌握查看方法（约17分钟）3.概览性查看（任务二）教师呈现一份更大的数据集（包含500条模拟学生体测数据），请学生先使用shape、columns、index、dtypes等属性查看DataFrame的整体规模与结构，然后使用head()和tail()方法分别查看前5行与后3行数据。教师引入追问：“head()默认显示几行？如果我要查看前10行，怎么写？在实际数据分析中，为什么通常先运行()和df.describe()？”学生运行()查看各列的非空值数量与数据类型，运行df.describe()获得数值型列的计数、均值、标准差、最小值、四分位数等统计量。教师用表格形式帮助归纳（不超过2个表格）：表1：DataFrame常用概览属性与方法方法或属性功能说明典型返回值shape行数与列数元组(500,8)columns所有列名Index对象head(n)返回前n行（默认5）DataFrametail(n)返回后n行（默认5）DataFrameinfo()显示列类型与非空值统计无（直接打印）describe()输出数值型列的统计描述DataFrame4.精确筛选访问（任务三）这一环节是突破难点的关键。教师先提出一个简单问题：“我要查看‘身高’这一列，哪位同学知道怎么写？”学生可能给出df['身高']或df.身高两种答案，教师均予以肯定，并指出两者在一般情况下的等价性，但提醒：当列名含有空格、中文特殊符号或与DataFrame自带属性冲突时，方括号访问更安全。接着教师板书两个核心方法：loc[行标签,列标签]——基于标签索引iloc[行位置,列位置]——基于整数位置教师举一组对照实例：df.loc[0:2,'身高':'体重']与df.iloc[0:2,0:3]请学生分别运行，观察输出的差异。学生在对比中发现：loc的切片是闭区间（包含两端），iloc的切片是开区间（不包含末端）。教师继续深化：“loc能否使用布尔条件？请尝试筛选出身高超过170厘米的所有记录，只要‘姓名’和‘身高’两列。”学生尝试编写df.loc[df['身高']>170,['姓名','身高']]，教师在巡视中给予点拨，重点关注逻辑条件与列筛选的先后顺序。完成后，教师组织“辨析小站”活动：呈现三组易混淆写法，请学生判断正误并说明理由：第一组：df.loc[2]与df.iloc[2]是否等价？如果行索引为自定义的字符串序列，结果又如何？第二组：df[['身高','体重']]与df.loc[:,['身高','体重']]输出是否一样？第三组：df.loc[0:3]与df.iloc[0:3]在默认整数索引时结果是否相同？学生通过动手验证与小组讨论得出结论：当索引为默认的0到n1整数时，两者高度相似；但当索引被自定义为其他标签后，loc与iloc的差异将显著呈现。设计意图：概览性操作让学生快速把握数据全貌，精确访问则直指核心素养。对比实验帮助学生主动构建知识，而非被动接受结论。辨析活动激发批判性思维，促使知识从机械记忆走向灵活运用。环节四：综合实践，迁移创新（约8分钟）教师发布本课的综合任务（任务四）：各小组从以下三个情境中选择一个，利用本课所学完成数据查看任务并回答相应问题：情境一：图书借阅数据分析——使用df.head(10)查看前10条借阅记录，利用()判断是否存在缺失值，用df.loc筛选出“借阅次数”大于5的图书书名。情境二：校园篮球赛技术统计——利用df.iloc提取前三节比赛（前12行）的得分数据，计算小组总得分。情境三：自选主题——从教师提供的数据集中任选一组，自主提出至少两个问题，并利用本课所学方法予以解决。小组在8分钟内完成选择、操作与初步结论撰写。教师巡视指导，特别关注情境三小组的问题质量，引导其从“能操作”向“会提问”迈进。时间到后，请两个小组分别进行1分钟的口头汇报，展示关键代码与结论。教师从“方法选择是否恰当”“步骤是否规范”“结论是否合理”三个维度进行简评，并引导组间互评。设计意图：三个情境呈梯度差异，既保证基础薄弱学生能完成最低要求，又为学有余力者留出创造空间。真实问题驱动知识迁移，口头汇报训练数据表达素养。环节五：课堂小结，反思评价（约2分钟）教师请学生用一句话概括“什么是DataFrame”，再请另一位学生用一句话说明“loc与iloc的核心区别”。教师根据回答情况进行补充与提炼，不重复罗列知识点，而是强调两条核心主线：一条是“创建主线”：从数据结构出发选择方法——结构化数据用字典，顺序数据用二维嵌套列表，数值运算用NumPy数组，大体量数据用CSV——不同数据源对应不同最适方法，这是计算思维中“抽象与建模”思想的体现。另一条是“查看主线”：先概览（shape/info/describe/head/tail），后精确（loc/iloc），再到条件筛选——这种由粗到细、由表及里的路径，是数据探查的一般方法论。随后通过在线问卷完成课堂即时评价，包含三道自评题与一道主观反馈题。教师依据反馈，在下一课时开始时做针对性回顾。七、教学反思本课在教学实践中预期达到的效果有三：其一，学生在真实情境驱动下保持较高的参与热情，对DataFrame的操作从陌生到熟练的转化较为顺畅；其二，对比教学策略有助于学生形成清晰的知识结构，特别是loc与iloc这对易混概念，在反复对比中辨析度显著提高；其三，小组协作与多元表达促进了课堂的互动生成，学生提出的问题往往超出预设范围，为后续教学提供了丰富资源。同时也必须正视潜在不足。教学容量较大，四个任务在