高中一年级上学期信息科技《数据可视化表达的工具》教学设计.docx

课题

5.4.2数据可视化表达的工具

课型

新授课

课时安排

1

教

学

目

标

能够学会选用恰当的工具可视化表达数据，揭示数据反映的本质问题，提升数据分析的效率。

教

学

重难

点

重点：选用恰当的工具可视化表达数据，揭示数据反映的本质问题，提升数据分析的效率。

难点：选用恰当的工具可视化表达数据，揭示数据反映的本质问题，提升数据分析的效率。

教

学

方

法

讲授法、演示法、实践体验法等

教

学

过

程

情境导入

通过观看众多数据可视化表达方式的呈现，思考它们是如何实现的，从而导入本节课题。

探究新知

数据可视化呈现的形式千变万化，实现工具众多。课本上主要介绍了Python中的可视化工具模块，除了之前介绍过的Matplotlib之外，还有更加专业的Seaborn和Bokeh。

Seaborn

1.Seaborn：

Seaborn主要关注统计模型的可视化，它基于且高度依赖于绘图工具模块Matplotlib，但是绘制的图形配色更加舒服、图形元素的样式更加细腻。

2.体验Seaborn：

教师提供代码如下：

①普通折线图

importmatplotlib.pyplotasplt#导入pyplot库，重命名为plt

#pyplot是matplotlib的子库，用于绘制2D图表

importseabornassns#导入seaborn库，重命名为sns

x=[1,2,3,4,5]#x轴的数据

y=[90,54,34,5,45]#y轴的数据

sns.lineplot(x,y)#绘制折线图

plt.show()#显示绘制结果

②带样式折线图

importmatplotlib.pyplotasplt#pyplot是matplotlib的子库，能很方便让用户绘制2D图表

importseabornassns

importpandasaspd#用来生成数据结构

sns.set_style(darkgrid)#设置风格样式为darkgrid(灰色网格，默认)

x1=[1,2,3,4,5]#x轴的数据

y1=[90,54,34,5,45]#y轴的数据

data=pd.DataFrame({x1:x1,y1:y1})#生成二维数据

#DataFrame是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型（数值、字符串、布尔型值）

sns.lineplot(x=x1,y=y1,data=data)#绘制折线图

plt.show()

③读取表格数据绘制折线图

importmatplotlib.pyplotasplt#pyplot是matplotlib的子库，能很方便让用户绘制2D图表

importseabornassns

importpandasaspd#读取表格数据

#设置风格样式

sns.set_style(darkgrid)#设置风格为灰色网格

#解决中文乱码问题

plt.rcParams[font.sans-serif]=[SimHei]

#读取数据

plt.figure(facecolor=yellow)

plt.title(数学成绩)

df=pd.read_excel(成绩表.xls)

#sns.lineplot(x=姓名,y=数学,data=df)#绘制折线图

sns.lineplot(x=姓名,y=数学,data=df)#绘制折线图

plt.xticks(df[姓名],rotation=45)#将姓名旋转45度

plt.savefig(image.jpg)

plt.show()

Bokeh

1.Bokeh：

Bokeh独立于Matplotlib的，因为动态、美观、易用等特性广受好评。Bokeh的重点在其交互性，可以在浏览器上用数据来驱动文档的呈现不同风格。

2.体验Bokeh：

教师提供代码如下：

#-*-coding:utf-8-*-

importnumpyasnp

frombokeh.layoutsimportgridplot

frombokeh.plottingimportfigure,output_file,show

N=100

x=np.linspace(0,4*np.pi,N)

y0=np.sin(x)

output_file(sinewave.html)

sine=figure(width=500,plot_height=500,title=Sine)

sine.circle(x,y0,size=10,c