数据采集与预处理技术-P6T1-教案

授课教案20—20学年第学期_______学院________专业课程名称数据采集与预处理技术任课教师授课形式理论教学□课内实践□理论+实践☑习题复习□考核评价□其他活动□课时安排2学时（90分钟）序号19授课日期月日月日月日月日授课班级2026级相关专业教学班授课地点实训机房（多媒体）教学内容：项目六任务一NumPy与Pandas的安装及介绍课程思政设计：1.科学精神与工具意识——教材给出的问题是：56万多条销售记录，传统表格处理方式无法胜任。课堂让学生先估算手工处理这批数据要花多久，再与代码运行的秒级耗时对比，体会工欲善其事、必先利其器，形成按问题规模选择工具的意识。2.工匠精神与效率意识——同一份年龄段消费分析，用数据透视表逐个拖拽与用一段代码完成，结果一致而效率相差数量级。借此让学生认识到，掌握专业工具不是取巧，而是职业能力的组成部分。3.规范意识——课堂强调np、pd是数据分析领域的通用命名约定，importnumpyasnp、importpandasaspd不是个人习惯而是行业规范；安装后必须用__version__验证版本，不凭感觉判断环境是否就绪。4.数据伦理——本数据集含用户年龄、性别字段，课堂明确这些数据仅用于教学演示，不得针对具体个人做画像或对外传播，养成处理含个人信息数据时的边界意识。教学目标：知识目标：能说出NumPy与Pandas的定义、各自擅长的问题类型及两者的依赖关系；能说明ndarray与Python原生列表的本质差异，以及Series、DataFrame两种数据结构与表格的对应关系；能说清数据读入、基本信息查看、数组转换、统计计算、条件筛选、分组聚合、排序七类基础操作各自的适用场景。能力目标：能用pip完成NumPy与Pandas的安装并用__version__验证；能用pd.read_csv读入CSV数据并用shape、head、dtypes、describe四项查看基本信息；能用np.array把DataFrame的列转换为数组，并用mean、max、min、std、sum完成统计计算；能用布尔掩码完成数组与DataFrame的条件筛选，多条件时用括号包裹并以&或|连接；能用groupby配合agg完成单维度与多维度分组统计；能用sort_values按指定列升降序排列；能完成教材综合任务，用pd.cut分段、groupby聚合、np.mean对比青年与老年群体的消费差异。素质目标：养成先查看数据基本信息再动手分析的习惯，不做不看数据的统计；养成工程规范习惯——按np、pd通用约定导入、安装后验证版本、代码加注释；在小组协作中能用准确的技术语言说明自己选择某个函数或参数的理由。教学重难点及解决方法：教学重点：ndarray与DataFrame两种数据结构的区别与相互转换；条件筛选中布尔掩码的工作原理；groupby与agg配合的分组聚合。教学难点：布尔掩码筛选的原理——条件表达式先生成与数据等长的真假序列，再把它套回原数据取出为真的元素。学生易把掩码当成筛选结果本身；DataFrame与ndarray混用时易错用函数，如对DataFrame直接调用np.mean而不先取列。解决方法：针对难点：把掩码单独打印出来讲透，先让学生看prices>100返回的那串True／False，再看prices[掩码]如何把它套回原数组，用两行代码的中间结果替代一步到位的简写；DataFrame与ndarray混用处采用对照演示，同一份价格数据分别用df['price'].mean()与np.mean(np.array(df['price']))计算，说明两条路都能通但类型不同，并按后续用途选择。针对重点问题：采用边讲边练，每讲完一类操作即用课程在线教学平台推送1～2道限时练习当堂消化；把七类操作组织成一条完整链路——读入、查看、转换、统计、筛选、分组、排序，每个环节的输出都是下一环节的输入，学生在连贯任务中记住操作顺序；课后按检测正确率推送分层强化题。教学环境及平台：实训机房（多媒体），每人一机，配备投影与广播教学软件；Python3.9运行环境；课程在线教学平台。软件与工具：命令提示符（CMD）或PowerShell、Anaconda、JupyterNotebook、PyCharm/VSCode。数据与素材：教材配套电商销售数据集（电子产品销售分析.csv，56万余条记录）。教学资源：①教材《数据采集与预处理技术》第153–157页正文、示例代码与配套数据集；②本课程课件与演示代码（含掩码中间结果演示脚本、年龄段消费分析脚本）；③课程在线教学平台（预习测验、随堂练习、课后答疑）与课程AI智能体。学习效果评价方式：过程性评价40%＋终结性评价60%的综合评价方式，本次课成绩计入平时成绩，对应其中三项：①课堂实操（主要部分）：提交年龄段消费分析代码与运行结果，按环境就绪、七类操作完整度、输出可读性三项评分；②随堂测验：下课前5题（数据结构辨析、掩码原理、groupby与agg用法），平台自动批改，当场讲评错误率最高的一题；③课后作业：提交年龄段消费分析报告，含两两群体消费差异与结论。课前预习：平台3道诊断题（环境与数据结构），统计错误率用于调整讲授重点。课后小结：填表说明：1.序号，指该课程授课的顺序号，应与授课计划一致；2.授课形式在相应的选项打“√”。教学内容及过程时间分配方法及手段思政元素【教师活动】1.投屏展示教材任务引入：某电商平台积累56万余条销售记录，涵盖时间、订单号、产品信息、品牌、价格、用户年龄与性别、地区等多个维度。提问：把这份数据交给你做月度分析，第一件事做什么？2.让学生现场用熟悉的方式尝试打开并统计——多数学生会想到电子表格。追问：56万行在电子表格里滚动、筛选、做透视分别要多久？如果每天都要做一遍呢？3.现场演示：同一份文件用pd.read_csv读入并describe输出统计摘要，全程计时，与学生的估算对比。4.点明本次课任务：装好NumPy与Pandas两件工具，并用它们完成这批数据的读入、查看、统计、筛选、分组与排序。【学生活动】观察数据集规模，估算手工处理耗时并口头报出；观看代码演示并核对计时；记录本次课要完成的七类操作。【设计意图】对应知识目标1与能力目标1。学生已修项目二的Python编程，具备读代码的基础，够得着；先用自己熟悉的工具撞一次墙，再引入专业工具，让安装与使用成为被需求驱动的动作，而不是被动接受的命令；七类操作以清单形式先给全貌，后续逐项展开时学生知道每一环在整个链路中的位置。环节一任务情境：56万行数据从哪里下手（8分钟）任务驱动法直观演示法（投屏＋计时对比）工具意识：按问题规模选择合适的工具【教师活动】1.演示安装：打开命令提示符，输入pipinstallnumpy、pipinstallpandas；说明Pandas依赖NumPy，也可用pipinstallpandasnumpy一次装完，系统自动处理依赖。2.讲常见故障与处置：网络超时改用国内镜像源；提示权限不足时加--user；强调装完必须验证，不能凭没报错就算成功。3.演示验证：进入Python环境，输入importnumpyasnp、importpandasaspd，再打印np.__version__与pd.__version__，能正常输出版本号才算装好。4.讲命名约定：np、pd是数据分析领域的通用简称，不是个人习惯；板书说明importnumpyasnp的含义。5.学生实操期间巡视，重点检查：是否两个库都装到同一Python环境、是否用__version__验证、是否按np、pd约定导入。【学生活动】在自己的机器上完成安装与验证，记录NumPy与Pandas的版本号；安装失败的举手，由教师或同组协助排查；后续所有代码统一用np、pd前缀。【设计意图】对应能力目标1，是后续所有操作的前提。环境不就绪则整堂课无法推进，因此放在最前面且必须人人通过；把常见故障与处置一并讲掉，避免课堂卡在网络问题上消耗时间；统一命名约定是为了让后续演示代码与学生手中代码完全一致，减少因命名不同产生的低级错误。环节二环境准备：安装与验证（12分钟）演示—实操—巡视讲授＋板书（CMD／PowerShell）规范意识：装完必验证命名守约定【教师活动】1.板演读入：pd.read_csv('电子产品销售分析.csv',index_col=0)，讲清第一个参数是文件路径，index_col=0表示用第一列作行索引，返回值是一个DataFrame对象，习惯命名为df。2.逐项演示基本信息查看四件套，边讲边问每一样能回答什么问题：shape返回行列数，先知道数据有多大；head(n)预览前几行，默认5行，用来看清每列长什么样；dtypes看每列类型，int64、float64、object分别意味着什么，object列不能直接算平均数；describe输出计数、均值、标准差、最小值、四分位数、最大值，是判断数据分布的第一步。3.现场跑一遍，投屏本数据集的规模与各列类型，指出price是数值列、brand是object列。4.强调操作顺序：先shape与head看规模与样子，再dtypes看类型，最后describe看分布；不看数据就做统计是数据分析的大忌。【学生活动】跟做读入与四件套查看，记录本数据集的行列数、各列类型与价格分布；回答每一样查看动作能回答什么问题。【设计意图】对应知识目标2与能力目标2。四项查看动作按由粗到细排列，学生能形成固定的查看顺序，而不是想起来才看；把dtypes单独拎出来讲，是因为后续做统计时object列与数值列的处理方式完全不同，此处不埋清楚会在项目七的标准化环节再出问题；强调先看后算，直接对应素质目标1。环节三数据读入与基本信息查看（15分钟）讲授＋板演讲练结合（投屏＋Jupyter）求实态度：先看数据再做统计【教师活动】1.讲ndarray的定义：存储同类型元素的有序序列，一维像单行数值、二维像数据表；与Python列表的本质差异在于同类型与连续存储，因此运算速度快一到两个数量级。2.板演转换：prices=np.array(df['price'])，讲清df['price']先取出一列，np.array再把它转成数组。3.逐个演示五个统计函数并投屏结果：np.mean求平均、np.max求最大、np.min求最小、np.std求标准差（说明它反映离散程度）、np.sum求和。4.讲布尔掩码筛选，分两步演示中间结果：先单独打印prices>100，让学生看清返回的是一串与prices等长的True／False；再演示prices[掩码]把这串真假套回原数组、取出为真的元素。最后才给出合并简写prices[prices>100]，并说明简写是建立在理解两步的基础上的。5.追问：掩码里True的个数与筛选结果的长度有什么关系？让学生自己验证。【学生活动】跟做转换与五项统计，记录本数据集价格列的均值、最值、标准差与总和；分步执行筛选，确认掩码中True的个数等于结果元素个数；对同一批数据改用不同阈值再筛一次。【设计意图】对应知识目标3与能力目标3、4，突破难点布尔掩码原理。把中间结果单独打印是本节最关键的演示动作——直接给简写会让学生把掩码与筛选结果混为一谈，后续多条件筛选必然出错；五个统计函数放在一起讲，是因为它们的调用格式完全一致，一次记住可复用；标准差单独解释含义，为项目七的标准化与项目二之后的统计分析埋下伏笔。环节四NumPy：数组转换、统计与条件筛选（18分钟）讲授＋板演分步演示讲练结合（Python＋NumPy）科学精神：看清中间过程再记简写【教师活动】1.讲Series与DataFrame：Series是一维，类似表格里的一列；DataFrame是二维，类似整张表格；Pandas建立在NumPy之上，专用于数据清洗、转换与分析。2.板演三类筛选，逐条交代学生最常写错的地方：按品牌筛选df[df['brand']=='samsung']，讲清外层df[]取行、内层条件取行号；区间筛选df[(df['price']>=100)&(df['price']<=200)]，强调每个条件必须用括号包裹、条件间用&或|连接而非and、or；按性别筛选df[df['sex']=='女']。3.板演分组聚合：groupby('brand')['price'].agg(['mean','count','sum'])统计各品牌价格；再演示多维度df.groupby('sex').agg({'price':['mean','sum','count'],'age':'mean'})，说明字典写法可对不同的列指定不同的聚合方式。4.板演排序：sort_values(by='price',ascending=False)按价格降序看最贵商品，说明ascending默认True为升序。5.链接上一环节：本环节筛出的结果可以直接喂给np.array做统计，两条路线按后续用途选择。【学生活动】跟做三类筛选，有意漏掉括号触发一次报错并记录提示信息；完成按品牌分组的价格统计与按性别的多维度统计，报出消费金额最高的品牌；按价格降序排列并记录前三名。【设计意图】对应知识目标2、3与能力目标4、5、6。有意让学生漏括号触发报错，是把常见错误从口头提醒变成可复现的经历，比反复叮嘱有效；分组聚合从单列到多维度递进，学生先掌握agg列表写法再掌握字典写法，降低一次性接受的负荷；与本环节NumPy路线做显式链接，回应难点中函数错用问题。环节五Pandas：筛选、分组统计与排序（22分钟）讲授＋板演试错体验讲练结合（Python＋pandas）工匠精神：格式严谨差一个括号就不通【教师活动】1.布置综合任务：根据用户年龄分段，分析不同年龄段的消费特征与差异。2.示范完整实现，边写边讲每一步的作用：用pd.cut(df['age'],bins=[0,30,45,60,100],labels=['青年','中青年','中年','老年'])新建年龄段列，讲清bins是分界点、labels是分组名，两者数量差一；用groupby('age_group').agg({'price':['count','mean','sum'],'user_id':'nunique'})分组聚合，说明nunique统计独立用户数；用round(2)保留两位小数便于阅读；再分别取出青年与老年群体的价格数组，用np.mean求各自平均消费并相减得出差异。3.演示Pandas与NumPy的分工：分段与聚合交给Pandas，数值计算交给NumPy，这正是教材安排的用意。4.引导学生读结果：哪个年龄段客单价最高？哪个年龄段人数最多？消费差异是多少？强调分析结论必须从数据里读出来，不能凭印象。5.学生实操期间巡视，重点检查：bins与labels数量是否匹配、agg字典写法是否正确、结论是否有数据支撑。【学生活动】独立实现年龄段消费分析，记录各年龄段的人数、平均消费、消费总额与独立用户数；计算青年与老年群体的消费差异；根据结果回答三个问题并说明理由。【设计意图】对应能力目标7，是本次课的综合产出，也是项目六的开篇能力基线。任务本身串起了前面五环节的七类操作，学生做完等于把整条链路走了一遍；Pandas与NumPy的分工在本任务里自然体现，比单独讲解两者的定位更有说服力；要求学生从数据中读出结论，直接落实素质目标1与思政中求实的要求。环节六综合实施：年龄段消费特征分析（10分钟）项目教学法演示—实操—巡视（Python＋pandas）数据伦理：年龄性别字段仅用于教学【教师活动】1.引导学生用三句话小结：①先用shape、head、dtypes、describe看清数据；②筛选靠布尔掩码，多条件要加括号用&或|；③分段与聚合交给Pandas，数值计算交给NumPy。2.板书七类操作链路：读入→查看→转换→统计→筛选→分组→排序，学生拍照记录。3.课程在线教学平台推送当堂检测5题（数据结构辨析、掩码原理、groupby与