《Python数据可视化案例教程》教案 项目5 关联型数据可视化.docx

PAGE2

PAGE2

PAGE7

PAGE7

课题

关联型数据可视化

课时

2课时（90min）

教学目标

知识目标：

（1）了解关联型数据的概念及应用场景。

（2）了解散点图的概念及应用，掌握使用seaborn绘制散点图的方法。

（3）了解气泡图的概念及应用，掌握使用pyecharts绘制气泡图的方法。

技能目标：

能使用散点图和气泡图对关联型数据进行可视化和分析。

素养目标：

（1）加强练习，在实践中提高专业技能和职业素养。

（2）提升运用理论知识解决实际问题的能力。

教学重难点

教学重点：关联型数据的概念及应用场景，散点图和气泡图的概念及应用，使用seaborn绘制散点图的方法，使用pyecharts绘制气泡图的方法

教学难点：能使用散点图和气泡图对关联型数据进行可视化和分析

教学方法

案例分析法、问答法、讨论法、讲授法

教学用具

电脑、投影仪、多媒体课件、教材

教学过程

主要教学内容及步骤

考勤

【教师】使用APP进行签到

【学生】班干部报请假人员及原因

问题导入

【教师】扫码播放“常见的关联型数据及可视化图表”视频（详见教材），帮助学生了解常见的关联型数据及可视化图表，并提出问题：

问题1：列举生活中常见的关联型数据。

问题2：列举常见的关联型数据可视化图表。

【学生】观看、思考、讨论、举手回答

传授新知

【教师】通过学生的回答引入要讲的知识，讲解关联型数据的概念及应用场景，散点图和气泡图的概念及应用，使用seaborn绘制散点图的方法，以及使用pyecharts绘制气泡图的方法等知识

5.1什么是关联型数据

关联型数据是指存在相互关系的两组或多组数据，通常用于分析和研究不同数据之间的相关性，从而发现隐藏在数据中的模式或规律，为决策提供有力的支持。

数据的相关性是指数据之间存在关系，通常用来分析两组或多组数据的变化趋势是否一致，如身高和体重、温度和袜子的销量、客户满意度和客户投诉率等。数据的相关性有强弱之分，相关性强时，一个数据发生变化，另一个数据会随之发生明显变化；相关性弱时，一个数据发生变化，另一个数据只会发生微弱变化。通过数据的相关性，可以根据一个已知数据的变化来预测另一个数据的变化。

为了更好地理解和分析关联型数据，可对关联型数据进行可视化。关联型数据可视化常用的图表有散点图和气泡图。

5.2散点图

?【教师】通过多媒体展示“不同相关性的散点图”图片，并进行讲解

散点图是一种在二维坐标系中展示两个变量之间关系的图表，它以x轴代表自变量，y轴代表因变量，将两个变量对应的数据用坐标点的形式描绘出来。不同相关性的散点图如图所示。

常见的散点图有简单散点图和散点图矩阵。

5.2.1简单散点图

简单散点图是最基本的散点图，用于展示两个变量之间的关系。

?【例5-1】

?【教师】通过多媒体展示“‘某店铺销售数据.xlsx’文件中的数据（部分）”图片，并提出问题：

使用简单散点图实现某店铺商品价格与成交量的相关性可视化。

?【学生】聆听、思考、写代码、举手回答

?【教师】总结学生的回答

【问题分析】

本案例基于“某店铺销售数据.xlsx”文件中的数据，使用seaborn的scatterplot()函数绘制散点图。函数中，x为“商品价格（元）”列标签，y为“成交量（件）”列标签，data为读取的DataFrame格式的数据。

【参考代码】

importpandasaspd#导入pandas库

#导入matplotlib库中的pyplot模块

importmatplotlib.pyplotasplt

importseabornassns#导入seaborn库

df=pd.read_excel(某店铺销售数据.xlsx)#读取数据

plt.figure(figsize=(8,4))#创建画布并设置画布大小

#设置图表样式，包括样式主题和中文字体

sns.set_style(style=darkgrid,rc={font.sans-serif:SimHei})

sns.set_palette(bright)#设置颜色主题

#绘制简单散点图

sns.scatterplot(x=商品价格（元）,y=成交量（件）,data=df)

plt.title(某店铺商品价格与成交量的相关性散点图)