高中信息技术中图版 (2019)必修1 数据与计算3.3.1 数据分析优秀ppt课件

这是一份高中信息技术中图版 (2019)必修1 数据与计算3.3.1 数据分析优秀ppt课件，文件包含数据分析第二十四课时-数据分析pptx、数据分析第二十四课时-任务单docx、数据分析第二十四课时-教学设计doc、数据分析第二十四课时-课后练习docx等4份课件配套教学资源，其中PPT共39页， 欢迎下载使用。

回顾 数据处理一般过程
数据分析是为了获取有价值的信息，使用适当的计算方法与工具对收集来的数据进行处理，提取有用信息，形成结论从而支持决策。
2.数据分析作用：了解事物的现状
2.数据分析作用：剖析事物的发展历程
2.数据分析作用：预测事物未来走向
金山银山不如绿水青山，最近这些年，国家落实严控环境污染、修复生态环境等政策。随着政策落实，你所在家乡的空气质量是否有所改善？ 我们需要数据来做出分析。 上节课，我们对空气质量原始数据做了整理。本节课，我们要分析之前整理的数据，从而做出判断。
课堂任务1：计算每日AQI平均值
怎样判断一天的空气质量如何？
计算一天中24小时的空气质量指数(AQI)的平均值。平均分析法。
平均分析法：是指运用计算平均数的方法来反映总体在一定时间、地点条件下某一数量特征的一般水平。多用于比较同类现象在不同地区、不同行业、不同类型单位等之间的差异程度，分析现象之间的依存关系；也可以对某一现象在不同时间的水平进行比较，以说明现象的发展规律及趋势。平均工资、平均年龄、平均身高、平均分
所需数据：每天空气质量指数的平均值
计算一天中24小时的空气质量指数(AQI)的平均值
DataFrame筛选用法
DataFrame筛选数据df.lc[条件，列索引号]筛选数据df.lc[ df['北京']<50,['北京'] ]筛选北京这一列值小于50的数据
DataFrame按日期筛选
DataFrame按日期筛选数据df.lc[日期索引][列索引号]筛选df.lc['2014-05-13']['北京']筛选2014-05-13的行，显示出北京这列的数据
下载 课堂活动1（每日AQI平均值）.py 文件，和上节课生成的补全数据.csv放在同目录。根据自己选择的城市，修改代码中城市名和文件名。
暂停视频运行 课堂活动1（每日AQI平均值）.py 文件观察同目录下的结果数据文件
课堂任务2：统计每年AQI为优的天数
怎样判断现在的空气质量和过去比是否有了改善？
可以对比空气质量为优的天数在过去几年间的变化趋势这里用到了对比分析法
对比分析法：也叫比较分析法，通常用于从数量上展示 和说明研究对象规模大小，水平高低等。对比分析法分为横向和纵向对比两大类。
对比分析法——横向对比
对比分析法——纵向对比
所需数据：每年空气质量为优的天数（AQI<=50）
需求：对比空气质量为优的天数在过去几年间的变化趋势。
下载 课堂活动2（统计AQI为优数据）.py 文件，和活动1生成的AQI每日平均值文件放在同目录。注意：根据自己选择的城市，修改代码中城市名和文件名。
暂停视频运行 课堂活动2（统计AQI为优数据）.py 文件观察同目录下的结果数据文件
课堂任务3：统计每年AQI各类情况的天数
怎样了解某一年某城市的空气质量整体情况？
可以呈现一年中空气质量为优、良好、轻度污染、中度污染、重度污染的天数占比比例。这里用到结构分析法。
结构分析法：也称构成分析法，是将各个部分与总体进行对比，是分析事物内部的结构和部分与整体之间关系的方法。
所需数据：每年空气质量为优(0-50)、良好(51-100)、轻度污染(101-150)、中度污染(151-200)、重度污染(>200)的天数。
需求：呈现一年中空气质量为优、良好、轻度污染、中度污染、重度污染的天数占比比例。
DataFrame多条件筛选用法
DataFrame多条件筛选数据df.lc[(条件1)&(条件2),列索引号]筛选数据df.lc[(df['北京']>=50) &(df['北京']<=100),['北京'] ]筛选北京这一列值在50-100之间的数据
下载 课堂活动3（统计AQI各类数据）-待补全.py 文件，和活动1生成的AQI每日平均值文件放在同目录。注意：可根据自己选择的城市，修改代码中城市名和文件名。
请补全代码，将5种空气质量类别都统计出来。
请补全代码后，暂停视频，运行程序，查看生成的结果文件。
同学们，你是否成功统计出了2015到2019年的各类空气质量天数？
1、计算每日AQI平均值2、统计每年AQI为优的天数3、统计每年AQI各类情况的天数