资源简介

(共25张PPT)
八年级 · 物联网实践与探索
第四单元 第18课
数据分析与处理
02
学习目标
把采集到的数据变成有用的结论
识别工具
认识算盘、电子表格及常见数据分析工具。
获取数据
理解平台下载文件与程序API调用两种方式。
处理数据
掌握整理、排序、条件筛选和分组求平均。
规范应用
发现异常数据并保护平台账号和数据安全。
03
新知导入
从算盘到计算机：数据处理工具的演进
人们不断改进数据处理工具：从手工计算，到机械计算，再到今天可以运行程序的电子计算机。
算盘：用算珠完成计算
机械计算工具：辅助重复运算
课堂思考：面对每天数千条传感器记录，哪种工具更适合进行批量处理？
04
学一学
现代数据处理：表格、分析软件与程序
电子表格
WPS表格等软件：查看数据、排序、筛选和统计。
专业分析工具
FineBI、Hadoop等工具：适应较大规模的数据分析需求。
Python程序
可以重复执行处理步骤，适合批量、自动化任务。
05
活动一
生活中的数据处理工具
回想你用过的数据工具，联系实际说一说：它们处理过什么数据？
计算器
计算购物找零或一道数学题
电子表格
查看成绩、统计小组调查结果
编程工具
重复处理很多条温度与湿度记录
对比发现：数据量越大、处理越频繁，越需要可靠的批量和自动化方法。
06
学一学
花盆数据为什么还需要处理？
传感器把数据上传到物联网平台，并不等于系统已经得到了有用的结论。
温度
什么时间最热？
光照
哪些记录达到了1000？
湿度
哪个花盆整体更干？
数据处理的目标：从原始记录中发现规律、比较差异并支持判断。
07
学一学
物联花盆数据从哪里来
传感器采集数据，经网络上传到物联网服务平台，之后再进行下载、整理和分析。
传感器采集
网络传输
平台存储
处理分析
关键区分：上传并保存 ≠ 已经完成分析。
08
学一学
从物联网服务平台获取数据的两种方式
方式一：下载数据文件
在平台主题管理页查看记录并下载文件，再用WPS表格等工具打开、检查和分析。
方式二：程序调用API
通过平台开放的接口让程序按规则获取数据，适合重复或自动化处理。
教材提示：API的接口地址、账号参数与返回格式取决于所选平台，使用前应阅读平台文档。
09
活动二
方式一：下载数据文件并查看
1
登录物联网服务平台并进入相应主题。
2
打开数据详情，查看保存的传感器记录。
3
下载数据文件，用电子表格软件打开。
4
检查字段：设备ID、时间、温度、湿度等。
本页图片位置：物联网服务平台/电脑监测界面；实际操作菜单以所用平台为准。
10
学一学
方式二：利用API自动获取数据（选做）
import requests
user = "平台账号"
psd = "平台参数"
topic = "主题ID"
res = requests.get("平台接口地址", params={...})
if res.status_code == 200:
print(res.text)
教材代码的作用
1
requests发起网络请求。
2
接口地址、主题等要按平台要求配置。
3
HTTP状态码200表示请求成功。
4
获取的数据可进入下一步整理。
提醒：此处是教学示意，不是真实可运行的接口；实际应用不应在URL中明文暴露密码。
11
学一学
分析前先检查：三种常见数据问题
问题
模拟记录
可能影响
缺失
A花盆11:00湿度为空
记录不完整，需说明处理策略
重复
B花盆10:00记录重复两次
核对后去除真正重复
格式错误
湿度出现“42%”文本
统一为可计算的数值42
先清理，再分析：缺失不等于0；是否删除重复记录需要结合采集过程判断。
12
学一学
数据处理的一般流程
明确目标
到底要回答什么
获取数据
文件下载或API
整理数据
识别异常与格式问题
分析数据
排序、筛选、分组
形成结论
解释结果与局限
如果一开始没有明确目标，就很难判断该用排序、筛选还是分组计算。
13
学一学
将接口数据整理成DataFrame
import json
import pandas as pd
data = json.loads(res.text)
df = pd.DataFrame(data["result"])
解析数据
json.loads()把接口返回的JSON文本转成Python数据。
形成数据表
DataFrame便于按列查看、排序、筛选与分组统计。
学习活动3：先整理成表格型数据，再针对分析目标选择处理方法。
14
学一学
温度排序：快速找到最高和最低
df1 = df.sort_values("valueMsg")
print("最高温度：", df1.tail(1))
print("最低温度：", df1.head(1))
sort_values("valueMsg")
按数值列从小到大排序。
head(1)：排序后第一行（最小）
tail(1)：排序后最后一行（最大）
注意：只有温度数据类型正确时，排序结果才能按数值大小解释。
15
练一练
用排序找温度极值
某一时段采集到6条温度记录，请先按升序排列，再判断最低值与最高值。
设备
A
B
C
D
E
F
温度 / °C
24
29
22
26
27
25
最低温：C设备 22°C
最高温：B设备 29°C
课堂操作：先让学生排列数据，点击后揭示上方参考答案。
16
学一学
条件筛选：寻找光照较强的记录
分析目标：筛选指定设备中光照强度 ≥ 1000 的记录，观察达到阈值的时间段。
df_c = df2[df2["clientId"] == "光照主题ID"]
light = df_c[df_c["valueMsg"] >= 1000]
print(light)
两次筛选
① 先按设备ID选记录。
② 再保留光照值 ≥1000 的记录。
阈值包含“等于1000”。光照记录不能与湿度记录混用。
17
学一学
分组统计：比较不同花盆的平均湿度
mean = df3.groupby("clientId")["valueMsg"].mean()
print(mean)
按设备ID分组，分别计算每组湿度数值的平均值。
设备组
有效湿度记录
平均湿度
A花盆
40、36、34
36.7%
B花盆
52、50、48
50.0%
C花盆
43、41、39
41.0%
D花盆
42
42.0%
模拟结论：A组平均湿度最低，更值得进一步关注；不等于仅凭均值自动浇水。
18
学一学
三种常用数据分析方法
统计分析
找最大值、最小值、平均值
对比分析
比较不同时间或不同区域
分组分析
按设备ID分类后分别统计
工具和方法需要配合分析目标选择；不是所有任务都要编写复杂程序。
19
实践体验
物联花盆·数据侦探局
在真实的判断任务中，完成从原始数据到分析结论的三关挑战。
第一关：数据体检
标记空值、重复和格式异常。
第二关：温度排序
找到最高温与最低温记录。
第三关：花盆诊断
光照阈值筛选与湿度分组求均值。
开始挑战
离线教学仿真 · 关闭网页后返回PPT第20页
20
巩固练习
根据任务选择正确的数据处理方法
1
找出当天的最低温度
→ 排序后查看首条记录
2
寻找光照 ≥1000 的记录
→ 条件筛选
3
求每个花盆的平均湿度
→ 按设备ID分组＋求平均
4
原始数据中出现两条相同记录
→ 先核对是否真正重复
选对方法以后，还要确认数据质量和字段含义。
21
拓展提升
电子表格与Python编程如何选择？
比较维度
电子表格（WPS等）
Python程序
上手方式
人工查看和操作直观
需要编写与运行程序
少量数据
常用且方便
也能胜任
大量/重复任务
可能需要反复操作
可复用处理步骤，便于自动化
关键限制
仍要判断异常和字段
程序逻辑同样需要核对
不是“程序一定更好”，要看数据量、分析目标、使用者和重复频率。
22
课堂总结
数据分析与处理的知识结构
获取数据
下载文件/API
检查整理
缺失、重复、格式
分析处理
排序、筛选、分组
解释结果
回答分析问题
常见工具：算盘 → 机械式计算机 → 电子计算机、电子表格和编程工具。
分析是一条完整的工作链：没有准确的数据，就难以得到可靠的结论。
23
作业布置
用数据解决一个小问题
基础任务
选择6条模拟温度记录，使用排序方法标出最大值、最小值；解释为什么排序前要检查数值格式。
拓展任务（选做）
用电子表格筛选光照≥1000的记录，并与程序方式比较；查阅海王星发现的资料，思考数据分析对科学研究的价值。
下节课预告：将统计结果转换为更容易理解的图表——数据呈现可视化。第18课 数据分析与处理（教学设计）
授课信息
单元 第四单元
简易物联系统实践 课题 数据分析与处理 课时 1课时
学段/课型 八年级/新授课 授课时间 授课教师
教学分析
一、学情分析 八年级学生已学过传感器采集和MQTT传输，知道物联平台能存储数据，但通常只会查看数据，缺少从成批数据中提取信息的经验。学生熟悉电子表格的基本外观，对排序、筛选和求平均有生活经验，尚未系统学习DataFrame等编程工具。课上用物联花盆的模拟数据，把“发现问题—清理数据—分析结果”连成一条可实践的主线。
二、教材分析 本课是第四单元第18课，包括18.1“了解常见的数据处理工具”、18.2“体验从物联网服务平台获取数据”、18.3“了解处理数据的一般方法”。教材设置三个学习活动：交流工具使用、下载数据或选做API调用、用Python的pandas整理数据并进行排序、筛选、分组求平均；拓展比较电子表格和编程，并思考数据分析在科学研究中的作用。
三、基于学科核心素养的教学目标 信息意识 认识传统工具、电子表格及编程数据处理方式，能发现原始传感器数据需要整理。
计算思维 能解释“明确目标—获取数据—清理整理—排序/筛选/分组—解释结果”的逻辑。
数字化学习与创新 理解平台文件下载与API调用的区别，能结合模拟数据进行排序、阈值筛选与分组统计。
信息社会责任 形成核对数据来源、保护平台账号和如实说明异常数据处理方式的意识。
四、教学重点 1. 了解常见数据处理工具，掌握从物联平台获取数据的两种基本方式。
2. 理解数据整理与排序、筛选、分组求平均等常见处理方法。
五、教学难点 1. 理解缺失、重复和格式错误的数据可能影响分析结果。
2. 将光照阈值筛选和土壤湿度按设备分组求平均的思路迁移到具体任务。
六、教学方法 情境教学、直观演示、对比分析、任务驱动、互动仿真。
七、教学过程 教学内容 设计意图
新课导入 （一）花盆数据为什么还要加工？
【教师活动】展示一组花盆传感器原始记录，提问：“数据已经上传平台，能马上判断哪个花盆最缺水吗？”预设：需要整理数据、比较湿度等。教师说明平台汇集数据不等于完成分析，提出“把原始记录变成有用结论”的任务。
【学生活动】观察数据表，提出希望知道的最高温、光照是否达标、哪个花盆更干等问题。 从真实任务引出数据分析目标，而非直接讲软件名。
新课讲授 （二）常见的数据处理工具（18.1，学习活动1）
【教师活动】展示算盘、机械式计算机与现代电子计算机图片；讲解WPS表格等电子表格、FineBI等分析软件及Python编程工具各自用途。问题：“少量数据手工算可以，成千上万条传感器数据该怎么办？”预设：利用电子表格或程序批量处理。组织学生举例自己使用过的数据处理工具及数据类型。
【学生活动】交流使用计算器、电子表格处理成绩、测量等数据的经验。 认识从简单计算到批量自动处理的工具发展。
新课讲授 （三）获取物联数据（18.2，学习活动2）
【教师活动】示意“传感器→物联平台→下载文件/API获取”。方式一：在MQTT平台主题详情页导出数据文件，再用电子表格查看；方式二（选做）：程序通过API按平台文档获取数据，可周期性自动处理。展示教材requests.get(...)示例的作用，说明账号、主题、接口地址需按平台实际填写，教材代码不是可直接运行的通用接口。提醒：课堂不展示真实密码，真实系统避免在网址中明文传输凭据。
【学生活动】比较下载与API：文件下载适合手动查看，API适合自动获取。 对应教材两种方法，区分示例与实际接口。
新课讲授 （四）数据整理：先检查再计算（18.3，学习活动3）
【教师活动】指出数据缺失、重复、格式不一致会误导分析；以虚构花盆记录说明先识别异常、再选择合理策略。展示教材：data=json.loads(res.text)；df=pd.DataFrame(data["result"])；解释把接口返回数据整理为表格型DataFrame。说明不能机械用0填补所有缺失，必要时注明剔除依据。
【学生活动】标识示例表中的空值、同一时刻重复记录及“42%”等格式不一致的数值。 让学生知道数据处理不是直接点“排序”，要先保证数据可用。
新课讲授 （五）三种数据处理方法（18.3）
【教师活动】①排序：df1=df.sort_values("valueMsg")，升序后head(1)找最低、tail(1)找最高；强调数值列需是可正确比较的数据类型。②筛选：先按clientId选设备，再筛选valueMsg>=1000的光照记录，以阈值判断较强光照时段。③分组：df.groupby("clientId")["valueMsg"].mean()，得到每个花盆的平均土壤湿度。用统计分析、对比分析、分组分析三种思路概括。
【学生活动】跟随示例找极值、按阈值筛选、比较各组均值。 涵盖教材图18.3—18.6的核心方法与计算含义。
新课讲授 （六）HTML互动：《物联花盆·数据侦探局》
【教师活动】打开离线教学仿真并说明数据为模拟生成：第一关找出缺失、重复、格式异常记录，点击后给出错因；第二关将温度排序并确认最高/最低值；第三关筛出光照值≥1000的记录，按设备分组比较湿度均值，找出更需关注的花盆。遇到错误先看提示，再修改选择。
【学生活动】操作游戏，观察数据从原始记录到可解释结果的变化，完成闯关并汇报依据。 互动嵌入数据分析的教学环节，以可操作任务代替背概念。
巩固练习 （七）课堂巩固
【教师活动】问题①下载文件和API调用适合什么情况？答案：文件适合人工查看；API适合自动化获取。问题②筛选光照值大于等于1000应该用排序还是条件筛选？答案：条件筛选。问题③比较不同花盆的平均湿度应怎样处理？答案：按设备ID分组，对湿度数值求平均。问题④发现重复值是否必须全部删除？答案：先判断是否为真正重复。
【学生活动】独立作答，解释选择原因。 检测工具选择及三类分析方法的迁移。
课堂总结 （八）课堂总结
【教师活动】板书“明确问题→获取数据（文件/API）→整理数据→分析（排序/筛选/分组）→得出结论”。强调不同分析目标使用不同方法，结果应注明异常处理。
【学生活动】以一句话说明今天从数据中获得了什么发现。 形成完整工作流程，连接下一课数据可视化。
作业布置 （九）作业
基础：用6条模拟温度记录指出最大值、最小值，说明怎样通过排序寻找。
拓展（选做）：在电子表格中尝试筛选光照≥1000的记录，与程序方式比较适用场景；阅读教材中的海王星发现案例，说明数据分析如何帮助科学研究。 巩固课堂知识，同时保留教材拓展方向。
教学反思 （课后填写）
________________________________________________________________
中小学教育资源及组卷应用平台
21世纪教育网(www.21cnjy.com)

展开更多......

收起↑