资源简介

(共59张PPT)
第4课
数据可视化
（清华大学版）八年级
上
1
核心素养目标
3
新知讲解
5
拓展延伸
7
板书设计
2
新知导入
4
课堂练习
6
课堂总结
课后作业
8
01
核心素养目标
信息意识
计算思维
数字化学习与创新
信息社会责任
能够客观看待可视化图表，辨别图表误导、数据失真等问题；遵守数据使用规范，保护数据隐私，树立严谨、诚信的数据表达观念。
能够利用数字化工具制作数据可视化作品，借助图表开展探究学习；创造性地呈现数据分析结论。
能够对原始数据进行整理、筛选与加工；通过可视化图形挖掘数据特征，借助图表逻辑分析、解释现实问题。
能从图表、图形等可视化作品中发现有效信息，建立用可视化方式呈现数据的意识。
02
新知导入
本课中你将学习:
数据可视化的方法
数据可视化的工具
02
新知导入
本节活动:
用Python生成词云
用电子表格软件中的图表呈现天气情况
用matplotlib库绘制图表
02
新知导入
在1854年的伦敦霍乱大疫情中，约翰·斯诺医生通过绘制死亡病例的地图发现了霍乱传染的规律，可见“绘图”能够帮助我们从一个新的角度解读数据。这种将数据绘制成图表的做法称为“数据可视化”。数据可视化是指将数据变成更加可读的图表形式，做到有效地传达信息。借助不同方式呈现的数据，往往会给用户带来完全不同的感知体验。
02
新知导入
03
新知讲解
一、数据可视化的方法
数据可视化与信息图形、信息可视化、科学可视化和统计图形有密切的关系。数据可视化呈现的方式多种多样，工具也很多，最常见的数据可视化方法是使用图表、动画、词云等。
03
新知讲解
1.图表
数据图表的特点在于能够增强数据的可读性，更直观地表示数据间的关系。常见的图表类型有柱状图、折线图、饼状图等，每种图表都有各自的特点，适用于不同的情况。
（1）柱状图（见图2.4.1）
特点：在数据大小的对比上更加直观。
图2.4.1 柱状图
03
新知讲解
（2）折线图（见图2.4.2）
特点：反映目标数据变化的趋势。
图2.4.2 折线图
03
新知讲解
（3）饼状图（见图2.4.3）
特点：更适合于表示数据的百分比。
图2.4.3 饼状图
03
新知讲解
在制作图表时，我们可以选取各种样式以优化用户的观看体验，但一张图表最重要的就是其可读性。如果过于追求图表美观，而导致图表无法有效传达信息，那这张图表的创建就是失败的。
03
新知讲解
阅读
常见的可视化仪表盘
我们平时会看到各种可视化仪表盘（如图2.4.4所示），这些也是借助了第三方软件生成的作品，将多种不同类型的图表组合，放置在仪表盘整体界面上，对数据进行综合呈现。制作图表时，我们需要根据所展示数据的量和复杂度进行布局分析、色彩选择、文本注释等，既追求数据美观，又保证其可读性。
图2.4.4 可视化仪表盘示意图
03
新知讲解
2. 动画
数据可视化中的动画是指动态的数据可视化形式。如果说数据可视化能够让人直观感受到数据，那么数据动态可视化就是在可视化的基础上再增加一个维度，使得呈现效果更加丰富。如图2.4.5所示，汽车位置的数据以光点的形式出现在街区地图上，随着一个个光
点在屏幕上划动，我们在观看视频的过程中就
能了解到不同道路上的车流情况。
图2.4.5 街区车辆拥堵情况显示图
03
新知讲解
3.词云
词云也称标签云，是一种文本可视化的方式，广泛应用于报纸、杂志等传统媒体和互联网。其使用词频表现文本特征，将关键词按照一定的顺序和规律排列，如频度递减、字母顺序等，并以文字大小的形式代表词语的重要性，如图2.4.6所示。
图2.4.6 词云
03
新知讲解
词云将文本中复杂的或者难以通过文字表达的内容和规律以视觉符号的形式表达出来，使人们能够利用视觉感知能力快速获取文本数据中所蕴含的关键信息，为更好地理解文本和发现知识提供了新的有效途径。
03
新知讲解
探索
用Python生成词云
通过各种编程工具，我们可以根据文档词频快速获取文档中的主要信息，一个词语出现次数越多，在图片中就会占据越大的区域。Python自然也不例外，wordcloud是Python专门用于制作词云的第三方库，可以更加艺术、直观地展现文本。
请利用Python 的wordcloud库体验将贵州发展的关键词（乡村振兴、大数据、大生态等）生成词云图的过程。
03
新知讲解
二、数据可视化的工具
有些用于数据收集的平台都会自带一些基本的图表功能，能将收集的数据显示在图表中，但是这种方法只能为用户提供最基础的查看功能，不能对数据进行个性化呈现。想要完成数据可视化，我们常见
的做法是借助电子表格工具或者自己编写代码。
03
新知讲解
绝大多数的电子表格工具都会附带绘制图表的功能，如WPS表格工具提供了多种图表，其中图表的子类型达近百种，能够满足简单的图表制作需求。如果熟悉Python代码，则可以在采集、分析的基础上直接生成图表，这样就不需要频繁地更换工具了。从图表的类型上看，Python能完成的图表更多。
03
新知讲解
1.用电子表格工具绘制图表
在使用电子表格工具（如WPS）绘制图表时，我们往往需要经历以下几
个操作。
（1）选择数据区域
制作图表所需的数据区域往往较大，单靠鼠标拖动会较为麻烦，我们一般使用Shift键选取多个连续的单元格。使用方法：单击数据区域的左上方单元格，按下Shift键，再单击数据区域的右下方单元格，就完成了选择。
03
新知讲解
而要选择不连续的数据区域时，就需要用到Ctrl键。使用方法：按下Ctrl键，拖动选取所需的数据区域，选取完毕再松开Ctrl键（见图2.4.7）。
图2.4.7 被选中单元格出现阴影
03
新知讲解
（2）插入图表
在菜单栏中找到“插入”选项卡，如图2.4.8所示，选择“图表”功能组。
图2.4.8 插入图表
03
新知讲解
（3）美化图表
单击图表，会发现菜单栏中出现了图表工具“设计”和“格式”选项卡（见图2.4.9），我们可以使用这两个工具对图表进行一定的美化，如添加数据标签、修改图表样式、更改图表类型等，使其更加易于理解。
图2.4.9 美化图表
03
新知讲解
探索
用电子表格软件中的图表呈现气象站一天的温度情况
（1）登陆在线数字气象站SIoT应用界面，进入“SloT/环境温度”订阅主题，单击“查看消息”按钮，可见如图2.4.10所示的数据表格。
03
新知讲解
探索
图2.4.10 SloT/环境温度数据
03
新知讲解
探索
单击页面中的“隐藏/显示图表”按钮，可见如图2.4.11所示的图表。
图2.4.11 SloT/环境温度数据的图表显示
03
新知讲解
探索
（2）仔细观察，发现上述图表的显示方法虽然简单，但是温度数据没有经过清洗，数据比较密集，不能直观形象地反映一天中气温的变化情况。使用电子表格软件附带的绘制图表功能则是一项更好的选择。
请以小组为单位，通过电子表格软件中的图表呈现气象站一天的温度情况，并进行交流分享。
03
新知讲解
阅读
仪表盘也是一种常见的图表，如图2.4.12所示。如果用电子表格软件来制作，则需要很多步骤，比较烦琐。而借助Node-red软件绘制仪表盘则变得非常轻松。
用Node-red生成仪表盘
图2.4.12 借助Node-red绘制的仪表盘
03
新知讲解
阅读
Node-red是一款可视化的物联网系统开发工具。Node-red可以将传感器与可视化仪表盘结合，对环境中的温湿度进行监测，制作出一个环境监控系统。图2.4.13所示的系统能够得到当天的温度最值，还能够观察到特定时间段内的温湿度变化趋势等信息。
图2.4.13 某中学创客空间温湿度监控系统
03
新知讲解
阅读
如图2.4.14所示，制作此类仪表盘的过程：通过传感器收集信息；设计仪表盘布局；将传感器数据接口对接到图表显示的元件；调试运行。Node-red作为一款专门用于快速
连接硬件和Web服务的软件，通过
连线将节点间相连，就能完成数据
传递过程的代码编写，让使用者在
软硬件对接方面更加轻松。
图2.4.14 Node-red工作流程
03
新知讲解
2.编写程序绘制图表
Python 有很多数据可视化的库，如 matplotlib、seaborn、pygal、ggplot,plotly和geoplotlib等。这些库各有特点，适用于不同的需求，如pygal库能够生成可以嵌入Web浏览器的交互式图，geoplotlib库可以创建地图和绘制地理数据图表。
(1)在Python中引入matplotlib库的pyplot 子库。
在Python 中引入matplotlib库的pyplot 子库的代码如下。
import matplotlib.pyplot as plt
03
新知讲解
（2）matplotlib库常用绘图函数matplotlib库常用绘图函数如表2.4.1所示。
表2.4.1 matplotlib库常用绘图函数
函数 功能说明
plt.rcParams['font.sans-serif'] = ['SimSun'] 配置程序，使其能够加载中文字体
plt.xlabel （'年份']） x轴标签
plt.ylabel （y轴标题） y轴标签
plt.title（A地CO；浓度变化情况） 总标题
pltplot （dfl.年份,dfL.CO2浓度） 向画布中传入数据，可以直接传人整个DataFrame对象，也可以逐个传人图表x轴、y轴数据
plt.show（） 将填好数据的画布展示出来
03
新知讲解
（3）创建图表
在完成了库导入及数据读取后，就可以利用如下代码创建图表。
import matplotlib.pyplot as plt
import pandas as pd
fiename = 'A地C02浓度.x1s'
df1 = pd.read_excel （filename）
03
新知讲解
绘制线形图示例如图2.4.15所示。
plt.plot（df1.年份.df1.CO2浓度）
plt.show（）
图2.4.15 绘制的线形图
03
新知讲解
绘制垂直柱状图示例如图2.4.16所示。
p1t.bar（df1.年份.df1.C02浓度）
plt.show（）
图2.4.16 绘制的垂直柱状图
03
新知讲解
绘制散点图示例如图2.4.17所示。
plt.scatter （df1.年份.df1.C02浓度）
plt.show（）
图2.4.17 绘制的散点图
03
新知讲解
绘制正弦曲线图示例如图2.4.18所示。
import numpy as np
X=np.linspace(-np.pi.np.pi.256.endpoint=True)
Plt.plot （X.np.sin（X））
plt.show（）
图2.4.18 绘制的正弦线图
03
新知讲解
探索
为了能够更直观地读取温度数据，看出温度数据变化的趋势，可以在开源硬件上实现数据图表化显示。matplotlib是Python的绘图库，可以绘制出各式各样的图表，直观呈现各种分析结果。
利用matplotlib库在开源硬件上实现数据图表化显示
03
新知讲解
探索
Matplotlib中除了折线图外还有散点图、柱形图、条形图等方式，请你根据实际采集数据的需求选择合适的图表方式进行显示。采集的气象数据绘制成图表，并进行交流分享。
请以小组为单位，选择合适的图表方式，通过matplotlib将开源硬件上采集的气象数据绘制成图表，并进行交流分享。
03
新知讲解
阅读
subplot函数代表生成子图，如 subplot （2,1,1）就代表共有2行1列两个子图，这是其中的第1个。程序代码如下。
利用matplotlib库绘制多幅图形
#加载表2
filename =‘B地CO2浓度.x1s’
df2 = pd. read_excel （filename）
#进行绘图
plt.subplot（2.1.1）
03
新知讲解
阅读
Plt.plot（df1.OO2浓度）
plt.subplot （2.1.2）
plt.plot（df2.OO2浓度）
plt.show（）
运行结果如下。
03
知识拓展
常见的图表类型及使用的场景。
趋势类数据：用折线图，时间是横轴，数值是纵轴，显示变化的幅度、方向和连续性。
分布类数据：用条形图或柱状图，不同类别在横轴上排列，数值在纵轴上显示。重点是不同类别之间的比较，而不是形状本身。
03
知识拓展
常见的图表类型及使用的场景。
比较类数据：用饼图或环形图，重点是局部占整体的百分比。
关系类数据：用散点图，两个变量之间的关系，横轴和纵轴分别对应一个变量。
03
新知讲解
项目实施:
小清的团队利用matplotib库绘制了“一天气温分布”的折线图，用来呈现他们的研究成果。他们绘制的折线图用温度作为y轴，能够一目了然地看到周期内最高气温和最低气温的变化，他们的研究成果得到了大家的好评。
你的团队准备用哪些类型的图表来呈现研究成果呢？请填写表2.4.2。
03
新知讲解
表达意图 图表类型选择 图表缩略图
展示一天中不同时刻气温随时间的升降变化趋势 折线图
统计班级同学最喜欢的运动项目的人数多少 条形图
表2.4.2 数据可视化记录
04
课堂练习
完成一份规范的数据可视化图表，完整的绘制流程分为哪五个核心步骤？
挑战
第一步整理清洗原始数据，剔除错误无效数据；
第二步根据表达意图匹配合适图表类型；
第三步规范绘制坐标轴、标注标题、单位、图例；
第四步核对图形数值与原始数据是否一致；
第五步结合图表总结数据隐藏规律。
05
拓展延伸
简述一下数据可视化的优缺点。
1、降低数据理解门槛
2、快速挖掘隐藏规律与关联
3、清晰完成多组数据对比
1、过度简化会丢失细节信息
2、数据预处理工作量大
3、维度过多易造成逻辑混乱
优点：
缺点：
05
拓展延伸
数据可视化常用的基本图型有哪些？
柱状图/条形图：最基本的图表，用来比较不同类别的数值大小。
堆叠柱状图：不仅能比较总数，还能看到每个类别内部的构成。
折线图：最适合展示数据在连续时间上的变化。
05
拓展延伸
数据可视化常用的基本图型有哪些？
饼图/环形图：经典的占比展示工具，适合展示单一整体各部分的比例关系。
散点图：用来分析两个数值变量之间是否存在关系或相关性。
漏斗图：特别适合展示业务流程中的转化和流失情况。
05
拓展延伸
数据可视化常用的基本图型有哪些？
雷达图：适合从多个维度评估和对比同一个对象。
热力图：通过颜色深浅来表达数值大小。
面积图：可以看作是折线图的升级，通过填充颜色来强调数量随时间变化的程度，视觉冲击更强。
03
新知讲解
单元小结:
一、知识回顾
03
新知讲解
二、成果交流与评价
1.参考本书附录“项目报告模板”撰写项目报告，并制作演示文稿。
2.在课堂内展示自己的学习成果并分享经验，在下表中进行自评和他评。
3.保存源数据与可视化结果，整理源码等文档，并上传到校园网或者其他
学习空间，与他人分享学习成果。
03
新知讲解
项目成果评价表
评价维度 自评 他评
(1)完整性 项目材料齐全，有问题需求分析、方案设计、分工协作、项目实施记录表及项目成果等 口优秀 口良好 口一般 口优秀
口良好
口一般
(2)实用性 成果内容具体，有真实的项目问题描述、有效的解决方案及相关工具等 口优秀 口良好 口一般 口优秀
口良好
口一般
(3)规范性 项目报告规范，符合项目报告的一般格式要求，文字表述准确 口优秀 口良好 口一般 口优秀
口良好
口一般
√
√
√
√
√
√
07
课堂总结
1
引入新知内容
数据可视化
2
学习数据可视化的方法和工具
3
了解数据可视化
4
学习进行数据可视化
5
进行相关知识拓展
1
2
3
4
5
08
板书设计
数据可视化
1.进行新知引入
2.学习新知讲解
3.完成课堂练习
4.进行知识拓展
09
课后作业
01
很多同学在做可视化整理时，习惯把收集到的全部数据全部展示出来，讲一讲这种做法存在哪些弊端？
09
课后作业
02
总结一下本堂课所学，并用学到的知识进行实践。
https://www.21cnjy.com/recruitment/home/fine

展开更多......

收起↑