《Python数据分析与应用案例教程》教案 第11课 时间信息的转换与提取.docx

《《Python数据分析与应用案例教程》教案 第11课 时间信息的转换与提取.docx》由会员分享，可在线阅读，更多相关《《Python数据分析与应用案例教程》教案 第11课 时间信息的转换与提取.docx（7页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、课题第11课时间信息的转换与提取课时2 课时(90 min )教学目标知识技能目标：（1 ）掌握时间信息转换的方法（2 ）掌握时间信息提取的方法（3 ）通过典型案例练习数据的预处理操作素质目标：提高选择合适方法解决不同问题的能力教学重难点教学重点：时间信息转换的方法教学难点：数据的预处理操作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、APP教学设计第1节课：考勤（2 min ）一问题导入（5 min ） 一传授新知（28 min ） 一课堂实践（10 min ）第2节课：问题导入（8 min ） 一传授新知（20 min ） 一课堂实践（12 min ）一

2、课堂小结（3 min ） 一作 业布置（2 min ）教学过程主要教学内容及步骤设计意图第一节课考勤(2 min)【教师】使用APP迸行签到【学生】按照老师要求签到培养学生的组 织纪律性，掌握学 生的出勤情况问题导入（5 min）【教师】提出问题在数据分析中，我们上节课学过字符型数据的编码，那么时间信息是字符型 编码吗？【学生】思考、举手回答通过提问的方 法，了解学生对上 节课知识的掌握 程度，进而引出新 知传授新知（28 min）【教师】总结学生的回答，并引入新知，讲解时间信息的转换与提取的相关知识时间信息的转换小【教师】多媒体出示to_datetime（）函数的一般格式（详见教材），并详细

3、讲 解各部分表示的内容pandas.to_datetime（arg, errors-ignore）其中，arg表示日期格式的字符串、列表、元组、数组、Series对象或DataFrame 对象；errors表示是否忽略错误，如果取ignore则无效的解析将返回原值，如果 取raise则无效的解析将引发异常，如果取coerce则无效的解析将设置为NaT （时间型的缺失值）,默认为“ignore .该函数还可以将DataFrame对象的多列组合成时间，列标签是常用的时间用语。 其中，必须包含的列标签为year （年）、month （月）、day （ H ）；可选的列标签通过教师讲解、 课堂讨论、多

4、媒体 演示等方式，使学为 hour （时）、minute （分）、second （秒）、millisecond （毫秒）、microsecond （微 秒）、nanosecond （纳秒）.）【提示】教师讲解组合时间）【学生】聆听，思考时间信息的提取【教师】多媒体出示dt对象的f 格式，并详细讲解dt对象的时间属性（详 见教材）Pandas提供了 dt对象提取时间信息,它是Series对象的一个访问器对象,其一 般格式如下.Series.dt.时间属性生了解数据预处 理的相关内容，包 括时间信息的转 换与提取等相关属性说明属性说明year年date日期month月time时间day日weekd

5、ay星期序号，星期一为0hour时quarter季度minute分is_month_end是否月底second秒is_ycar_cnd是否年底计【教师】按照教材步骤逐步分析并进行演示例3-14 (详见教材)的程序编写 步骤：import pandas as pd,. True)dfl = pd.DataFranie(原时间信息：/02/28/2022 12:23:21, 2022.02.28, ,2022/02/28, ,20220228. 28-Feb-2022!)dfl转换后的时间=pdto_date【ime(dfl原时间信息1)prim(时间的转换：n.dfl)df2 = ixl.Dat

6、aFramedyear: |2020. 2021. 2022J, month: T, 6,12. day: (1, 30, 31, hour: T,13，18,minute: T,14,30, second: (T, O, 0)df2组合后的时间=pd. to_datet i me(df2)print(时间的组合：n, df2)d13 = df2|组合后的时间dt4 = pd.DataFrame()df4年 1 df41月df4曰=时,df4r 分df4r 秒=df4星期df4季度=df4是否年底df4是否月底=print(时间的提取：n,(1(4)(详见教材)小【学生】观察、记录、理解小【学

7、生】教师演示完成后，学生按照教材提示和教师演示进行实际操作，并 对比程序运行结果(详见教材)小【教师】巡视课堂记录，对学生进行个别指导【学生】聆听、思考、理解、记忆课堂实践(10 min )【教师】提出以下问题让学生迸行实践练习：1 .原始数据09/10/2022 11 ： 592022091010-OCT-20222 .实践要求转换和提取以上时间信息。【学生】聆听、思考、编写程序【教师】总结学生的实践过程通过课堂实践， 加深学生对 Pandas数据处理 的理解第二节课问题导入(8 min)【教师】提出问题我们已经学习了 Pandas数据预处理的相关知识，那么在实际生活中如何使用Pandas库

8、进行数据预处理呢？【学生】聆听、思考、回答问题通过提问的方 法，引导学生主动 思考，激发学生的 学习兴趣传授新知(20 min)【教师】总结学生的回答，并引入新知，讲解典型案例的分析及内容1 .案例内容【教师】多媒体出示案例内容(详见教材)，请学生们了解案例背景知识产品销售额是常见的产品销售分析指标，它可以从产品分类、区域和季度等方面 进行分析，对制订企业未来的销售计划很有帮助。本案例通过一年内不同产品、不同 分店和不同季度产品的销售额，分析企业产品销售情况，并为制订下一年的销售计划 i共参考。2 .案例分析)【教师】多媒体出示案例分析(详见教材)，请学生们了解案例实施应该做的 相关知识(1

9、)导入产品销售表.xkx文件第1分店”第2分店第3分店工 作表中的数据。通过教师讲解 和课堂讨论，使学 生了解典型案例- 产品销售额分析 的相关知识(2 )使用concalO函数将3个工作表中的数据纵向合并。由于同时读取3个工作 表时，返回的是字典，因此可以直接使用字典的键分别获取每个工作表的数据。(3)使用dropnaO函数删除数量列中包含缺失值的行，如第1分店工作表 中的第10行.(4 )使用drop_duplicates()函数删除除重复的第一行外其他完全重复的行。例如， 保留第1分店”工作表中的第8行，删除第11行。(5 )使用groupbyO函数按产品名称分组，并使用agg()函数按

10、列求和聚合， 然后获取每个产品的数量和销售额。使用同样的方法获取每个分店及每个季度产品的 数量和销售额。3.案例实施)【教师】按照教材步骤进行演示：import pandas as pddf = pd read_excelC产品销售表.xlsx： sheel_name=,第 1 分店，第 2 分店丁第 3 分 店1)df= pd.concaiQdfT第1分店】dff第2分店dff第3分店R)# 删除数量列包含缺失值的行df.dropna(axis=0, subset=，Sftfi, inplace=True)df.drop_duplicates(inplace=True)#删除完全重复的行#

11、输出每个产品的数量和销售额print(df.groupby(产品名称)aggCsumX数量，销售额(万元),)# 输出每个分店的产品数量和销售额print(df.groupbyC分店名称)aggCsumX数量,，销售额(万元),)# 输出每个季度的产品数量和销售额print(df.groupbyC季度).aggCsum，)数量丁销售额(万元),)(详见教材)小【学生】观察、记录、理解【学生】教师演示完成后,学生按照教材提示和教师演示进行实际操作，并 对比程序运行结果(详见教材)小【教师】巡视课堂记录，对学生进行个别指导中【教师】提出学习任务：对序结果，进行结果分析。中【学生】观察、记录、理解、

12、分析、回答问题小【教师】总结学生的回答，并讲解新知从每个产品的销售额可以看出，电冰箱的销售额最低，空调的销售额最高； 从每个分店的销售额可以看出，第1分店的销售额最1氐，第2分店的销售额最高， 可以对比第1分店和第2分店的选址情况,在后面分店的选址中可供参考；从每 个季度的销售额可以看出，第4季度的销售额最低，第2季度的销售额最高，可以根据季节性的规律对供货、库存等做出合理的规划。【学生】聆听、思考、理解、记录课堂实践(12 min)【教师】讲解课堂实训的目标及实训内容，请学生分小组讨论，完成实训目标1 .实训目标(1 )练习使用Pandas替换缺失值和删除重复值。(2 )练习使用Pandas

13、进行维的分组和合并。2 .实训内容(1 )导入”第4分店产品销售表.xlsx”文件中的数据(2 )由于产品名称列包含缺失值，且每个产品单价相同，因此先按单价分组，然 后对每个分组进行替换缺失值处理，最后合并每个分组。(3 )删除数据中重复的行，保留重复的第一行。(4 )将数据按季度分组，并合并每个分组，然后将分店名称列插入第一列， 数据为“第4分店。(5 )将数据保存到产品销售表.xlsx文件的第4分店工作表中。【学生】聆听、结组、思考、讨论、写代码、派代表演示结果【教师】聆听学生的回答通过课堂实训， 使学生能够了解 更多关于Pandas 库数据预处理的 知识课堂小结 (3 min)【教师】简要总结本节课的要点本节课学习了 Pandas库数据预处理的相关知识，包括时间信息的转换和提取等 相关内容，希望大家在课下多加练习，巩固所学知。【学生】总结回顾知识点总结知识点巩 固学生对相关知 识的印象作业布置 (2 min)【教师】布置课后作业(1 )完成课后本章考核3”的习题.(2 )预习数据排序与排名分析。【学生】完成课后任务通过课后作业 复习巩固学到的 知识，提高理论接 收能力教学反思本节课学生接触了新的知识，利用典型案例，帮助学生建立对知识的整体印象。学生学习兴趣较高。 不过知识点较多，全部消化还是比较难。需要学生在课后多练习.