教学设计 课程基本信息 学科 信息技术 年级 高二 学期 春季 课题 编程处理数据 教科书 信息技术必修一数据与计算教材 教学目标 1. 能够利用软件工具或平台对数据进行整理、组织、计算。 2. 了解数据分析问题的分析方法和问题解决的基本思路。 教学内容 教学重点： 1. 能使用pandas模块对数据进行编辑、计算和统计分析，并能从中提取有用信息形成结论。 2. 能提取问题的基本特征，进行抽象处理，设计、选择算法并实现。 3. 能完成一定的数据处理任务，得出数据分析结论。 教学难点： 1. 提炼数据分析的步骤与方法，提升学生的计算思维。 2. 自己编写程序解决实际的问题，并将新的知识模块纳入原有知识体系。 教学过程 导入 同学们好，我是浙江省嵊州市崇仁中学的信息技术孙老师。前面我们学习了pandas的数据结构与部分常用函数，今天我们继续来学习pandas的常用函数。 pandas常用函数 1.drop函数: drop函数用于删除数据，axis等于默认的0时，表示对数据做删除行操作，格式为对象名.drop( 行索引)，当axis为默认值时可以不写。axis等于默认的1时，表示对数据做删除列操作，格式为对象名.drop(列标题 ，axis=1)。 请同学们看执行df1.drop(1) 的结果，是删除了索引号为1的一行数据， 当我们执行，df1.drop(性别,axis=1)时，从效果图中不难发现，删除的是标题为性别的这一列数据，这时候函数的括号中填写的是列标题，drop函数默认对行操作。DataFrame提供的函数还有很多，我们在今后的学习和使用中再进行探索。 2.groupby函数: groupby函数是对各行或各列中的数据进行分组，然后对其中的每一组数据进行不同的操作。执行df1.groupby（'性别')后，可以看到按照性别分组，女生一组数据，男生一组数据。性别为索引列。 3.groupby函数的组合使用: groupby函数通常与其他函数结合使用，执行如图所示的代码g1=df1.groupby(“性别”).count()，groupby函数结合count函数,先按性别分组，分成女生一组，男生一组，再对各组进行非空项的个数统计，如女生组中姓名列共有2个值。默认性别为索引列。 再观察这一段代码g2=df1.groupby(“性别”,as_index=False).count()，相比前一段代码，参数中多了一个as_index的值设置为False。两行代码都是对df1对象按性别列分组，并分别统计女生组和男生组中各列的数据个数。as_index的值设置为False，表示索引为自动生成的从0开始的值。 两段代码中，第一段代码中参数as_index的值为默认的True，表示将性别列作为索引列，第二段代码中参数as_index的值设置为False，是指生成默认索引。 实践：现在请同学们思考以下，如果要分别统计班级女生和男生的借阅次数的总次数，该怎么实现呢？ 可以用groupby函数结合sum函数来实现，参数as_index的值为默认的True，则执行代码后以性别为索引进行分组，并对女生和男生各组中的数值类型的列进行求和汇总，女生组借阅次数共84，男生组借阅次数共86。 实践：现在请同学们再思考一下，如果要分别统计班级女生和男生的平均借阅次数，该怎么实现呢？ 要分别统计班级女生和男生的平均借阅次数，可以用groupby函数结合Mean函数使用，这里将参数as_index值设置为False，则生成默认的索引，并对女生和男生各组中的数值类型的列求平均数。DataFrame提供的函数还有很多，我们在今后的学习和使用中再进行探索。 利用matplotlib模块绘图 matplotlib是一个绘图库，使用其中pyplot子库提供的函数可以快速绘图，设置图表的相关属性。使用库的第一步需要用import导入matplotlib的pyplot子库，为了操作的方便这里设置了一个别名为plt。 与数学一样，python中绘制图表也需要设置X轴数据和Y轴数据，接下来我们一起来学习如何使用pyplot提供的函数，绘制y等于x平方的线性图。 实践：绘制y等于x ... ...
~~ 您好，已阅读到文档的结尾了 ~~
