项目 11 数据运算操作教案 (2).docxVIP

序号：22

章节名称

项目11数据运算操作（二）

教学课时

2

授课班级

人工智能2501、2502

授课时间

授课地点

教学目标

知识目标

掌握Pandas核心数据结构：Series（创建方法、index属性）与DataFrame（创建方法、columns属性）的定义及创建方式（数组、列表、字典）。

掌握DataFrame的数据访问方法（列选择、行切片、loc/iloc）；理解缺失值处理（dropna()、fillna()、interpolate()）、重复值处理（drop_duplicates()）的函数用法。

掌握数据统计函数（sum()、mean()、max()等）及describe()的应用。

能力目标

1.能创建Series和DataFrame存储结构化数据（如学生信息表、销售数据表），并通过属性获取数据基本信息（形状、类型等）。

2.能访问指定数据、处理缺失/重复值，运用统计函数完成数据分析（如成绩平均分、最高分计算）。

素质目标

培养对科学数据的敏感性，能够根据问题选择合适的计算方法和工具。

增强数学思维和分析能力，能够通过编程解决实际的科学计算问题。

提高综合运用工具的能力，能够灵活使用不同的库和工具解决复杂问题。

培养严谨的科学计算态度，确保计算结果的准确性和代码的高效性。

教学内容

主要内容

Pandas基本操作

-Series与DataFrame的创建：从数组、列表、字典创建，设置index（行标签）和columns（列标签）（如学生姓名、成绩列）。

-常用属性：Series的values、dtype；DataFrame的columns、shape、describe()（统计摘要）。

2.Pandas数据处理

-数据访问：列选择（df[列名]）、行切片（df[0:3]）、条件索引（筛选成绩≥90的学生）、loc标签访问与iloc位置访问的区别。

-数据清洗：缺失值处理（dropna删除、fillna填充、interpolate插值）；重复值处理（drop_duplicates保留/删除）。

-数据统计：sum()、mean()、max()等函数的axis参数（列/行运算）；成绩统计案例（例1.5：总分、平均分计算）

重点

Series与DataFrame的创建及标签（index/columns）的设置。

2.loc与iloc的区别；缺失值/重复值处理方法；统计函数的axis参数应用

难点

从字典创建DataFrame时数据对齐逻辑；

多条件索引中逻辑运算符的使用。

插值法（interpolate()）的参数对结果的影响

教法改革

教学方法

讲授法、演示法、实操法、案例分析法

教学手段

多媒体教学、编程环境实操、任务驱动练习

教学反思

作业及学习评价表

学习评价表

评价内容

自评

同桌评

师评

能正确进行Series与DataFrame的创建

能掌握数据常用属性的查看

能掌握常用数据处理函数的使用

能积极回答教师的提问

能积极参与小组讨论

评价指标

A．优秀B.一般C.较差

二、教学设计

教学步骤

教学内容与情境设计

教师活动

学生活动

时间分配

情境导入

结合电商销售分析与班级成绩管理场景：如何结构化存储销售数据和成绩信息？如何筛选有效数据并统计关键指标？引出Pandas数据结构与处理的必要性？

【课程思政】通过学习场景激发兴趣，培养探索精神

引入场景、提问、明确目标

思考问题，了解任务核心

5分钟

知识讲解1

Pandas基本操作：讲解Series与DataFrame的创建：从数组、列表、字典创建，设置index（行标签）和columns（列标签）（如学生姓名、成绩列），演示学生信息表创建；介绍values、columns、describe()等属性的功能。

PPT讲解、代码演示

记录要点，观察演示

15分钟

知识讲解2

讲解简单的数据访问：列选择（df[列名]）、行切片（df[0:3]）、条件索引（筛选成绩≥90的学生）、loc（标签访问）与iloc（位置访问）的区别。

【课程思政】鼓励学生多尝试不同参数，培养其勇于探索的精神。

PPT讲解、代码演示

记录要点，观察演示

15分钟

实操演练

练习：创建含5名学生信息的DataFrame（例1.4）；输出形状、列名及姓名列（任务巩固）。

【课程思政】锻炼动手能力，体会理论应用于实践

巡回指导，解决代码问题、函数调用问题

编写代码，运行调试，记录遇到的问题

15分钟

知识讲解3

数据处理与统计：讲解数据清洗：缺失值处理（dropna