《Python数据可视化案例教程》教案 项目10 点评网站美食店铺数据可视化.docx

PAGE10

PAGE10

PAGE11

PAGE11

课题

点评网站美食店铺数据可视化

课时

4课时（180min）

教学目标

知识目标：

（1）掌握使用pandas解析数据、处理重复值和缺失值，以及导入和保存Excel数据的方法。

（2）掌握使用matplotli、seaborn和pyecharts绘制可视化图表的方法。

技能目标：

（1）能分析项目需求，并采用系统化思维完成项目。

（2）能根据需求使用不同的图表对数据进行可视化和分析。

素养目标：

（1）提升分析问题、解剖问题和处理问题的能力，培养系统化思维。

（2）感受中华文明的源远流长，增强民族自信心。

教学重难点

教学重点：使用pandas解析数据、处理重复值和缺失值的方法，导入和保存Excel数据的方法，使用matplotli、seaborn和pyecharts绘制可视化图表的方法

教学难点：能分析项目需求，并采用系统化思维完成项目，能根据需求使用不同的图表对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“数据预处理相关知识”视频（详见教材），帮助学生了解数据预处理相关知识，并提出问题：

问题1：在Python中，替换字符串中的字符和删除字符串中的空格分别可以使用什么函数实现？

问题2：在Pandas中，删除缺失值和重复值分别可以使用什么函数实现？

【学生】分组、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，讲解使用pandas解析数据、处理重复值和缺失值的方法，导入和保存Excel数据的方法，以及使用matplotli、seaborn和pyecharts绘制可视化图表的方法等知识

10.1需求分析

食物是人类生存的基本需求，美食是文化传播和人类社交的重要载体。为了更好地享受美食，查询美食攻略是非常有必要的。此时，点评网站起到了重要作用，它通常会提供美食店铺的分类、地址、菜品、团购活动、评分、均价、评价等数据。对这些数据进行可视化和分析，可以帮助消费者快速选择符合自己要求和口味的店铺。

消费者在点评网站中查询美食攻略时，通常想要了解哪类美食或哪个人均价格区间的店铺比较受欢迎，人均价格高低与受欢迎程度的关系，消费者对该点评网站中美食店铺的满意程度，店铺每天的消费人次，其他消费者对店铺的整体评价，哪个区域的店铺数量较多，等等。通过对这些信息的了解，消费者可以根据自己的需求和预算合理地选择美食类别，消费时间、店铺和区域等。

点评网站中的评价数可以反映某类美食或某个店铺的受欢迎程度及店铺的消费人次，评分可以反映消费者对店铺的满意程度，评价可以反映消费者对店铺的整体评价及关注点，等等。因此，可以使用柱形图、直方图、散点图、环形图、日历图、词云图和统计地图等对点评网站中美食店铺的这些数据进行可视化和分析，满足消费者的上述需求。

?【教师】通过多媒体展示“某点评网站中的美食店铺（部分）”和“某店铺的评价（部分）”图片，并进行讲解

本项目根据某点评网站中北京市的美食店铺数据（见图），实现评价数前10的美食分类可视化，不同均价区间店铺数可视化，店铺均价与评价数的相关性可视化，不同评分店铺占比可视化，北京各区店铺数可视化；根据某店铺的评价数据（见图），实现该店铺2023年1—9月份每日评价数可视化，该店铺2023年1—9月份评价可视化。

?【教师】组织学生阅读“素养之窗”的内容（详见教材），并提出问题：

你了解八大菜系吗？它们都有什么特点？

?【学生】阅读、思考、讨论、举手回答

?【教师】总结学生的回答

10.2数据获取

?【教师】通过多媒体展示“‘店铺数据.xlsx‘文件中的数据（部分）”和“‘某店铺2023年1—9月份评价数据.xlsx’文件中的数据（部分）”图片，并进行讲解

通过网络爬虫爬取某点评网站中的美食店铺数据和某店铺2023年1—9月份的评价数据，分别保存在“店铺数据.xlsx”（见图）和“某店铺2023年1—9月份评价数据.xlsx”文件中，如图所示。

10.3数据预处理

在对数据进行可视化和分析前，首先需要对数据进行预处理，包括数据解析、重复值处理和缺失值处理等，然后保存预处理后的数据。下面分别对“店铺数据.xlsx”和“某店铺2023年1—9月份评价数据.xlsx”文件中的数据进行预处理。

10.3.1店铺数据预处理

1．数据解析

数据解析是指对数据进行有效信息提取和格式转换等处理。此处，提取“评价数”和“均价”列中的数值，删除“所在区”列中的空格，重命名“均价”列标签。

店铺数据解析可以通过以下6个步骤来实现。

（1）读