TuringThink

Appearance

第二教学文案：循环与列表——数据的“智能分析” ​

课题 ​

用循环“遍历”列表——批量处理数据与统计分析

教学时间 ​

2课时（90分钟）

课前准备 ​

  • 教师端：电脑（Python 3.10+）、投影仪、多媒体课件（含“流水线处理”动画：工人依次检查产品→类比循环遍历列表）、实物道具（标有数字的卡片若干，模拟“数据”）、白板（画表格记录手动计算过程）。
  • 学生端：电脑（Python环境）、上节课的“植物生长数据列表”、计算器（对比手动计算与代码结果）、错题本（记录循环逻辑错误）。
  • 教学素材：代码模板（for循环遍历列表示例）、“数据分析师”荣誉徽章、AI代码小助手（支持“计算平均分的代码”等查询）。

一、导入活动：从“手动处理”到“自动处理”（15分钟） ​

活动1：“手动算平均分”挑战——感受“重复操作”的繁琐 ​

  • 教师给出列表：scores = [85, 92, 78, 90, 88]，让学生手动计算平均分（总和÷个数）。
  • 提问：“如果有50个数据，手动计算需要多久？容易出错吗？”引导发现“重复计算需要更高效的方法”。

活动2：“流水线工人”类比——理解循环逻辑 ​

  • 播放动画：流水线工人依次拿起产品检查（第1个→第2个→…→最后1个），每个产品的检查动作相同。
  • 类比：for循环就像“流水线”，依次取出列表中的每个数据，执行相同操作（如累加、打印）：
    “for 数据 in 列表: 就像‘工人依次拿起每个产品’，缩进的代码块就是‘检查动作’”。

二、知识点讲解：循环遍历列表与数据统计（35分钟） ​

模块1：用for循环“遍历”列表——依次处理每个数据（15分钟） ​

  • 核心语法：

    python
    # 遍历列表：依次取出每个元素并打印
plant_heights = [5, 8, 12, 15]
for height in plant_heights:  # height是“临时变量”，代表当前取出的数据
    print("当天高度：", height)  # 对每个数据执行相同操作（打印）
    • 输出结果：
      当天高度：5
当天高度：8
当天高度：12
当天高度：15

  • 关键逻辑：

    1. 临时变量（如height）可自定义名称（建议与数据含义相关，如score“分数”、age“年龄”）；
    2. 缩进的代码块（如print()）会对列表中的每个数据重复执行；
    3. 遍历顺序：从第1个元素（索引0）到最后1个元素，与列表存储顺序一致。

模块2：数据统计——用循环计算总和、平均分、最大值（20分钟） ​

  • 场景1：计算总和与平均分（以成绩列表为例）：

    python
    scores = [85, 92, 78, 90, 88]
total = 0  # 初始化总和为0（“空盘子”，用来装累加的分数）
for score in scores:
    total = total + score  # 累加每个分数（“往盘子里加菜”）
average = total / len(scores)  # len(scores)获取列表长度（数据个数）
print("总分：", total)       # 输出：总分：433
print("平均分：", average)   # 输出：平均分：86.6
    • 重点：len(列表名)可自动获取数据个数，避免手动数（尤其数据量大时）。

  • 场景2：查找最大值（以植物高度为例）：

    python
    plant_heights = [5, 8, 12, 15]
max_height = 0  # 初始化最大值为0（“基准线”）
for height in plant_heights:
    if height > max_height:  # 若当前高度超过基准线
        max_height = height  # 更新基准线为当前高度
print("最高高度：", max_height)  # 输出：最高高度：15

三、练习题设计：分层任务+综合分析（25分钟） ​

基础任务（全员完成）：“班级成绩分析器” ​

  • 要求：用列表class_scores = [75, 82, 90, 68, 95, 88]完成：
    1. 用循环计算总分和平均分；
    2. 用循环找出最高分；
    3. 打印结果：“总分：XXX，平均分：XXX，最高分：XXX”。

进阶任务（选做）：“植物生长趋势分析” ​

  • 结合上节课的豆芽高度列表（如bean_heights = [2, 4, 7, 10, 13, 16]），完成：
    1. 计算每天的生长量（当天高度 - 前一天高度），用循环打印（如“第2天生长了2厘米”）；
    2. 计算平均每天生长量（总生长量÷天数）；
    3. 用一句话描述趋势（如“生长速度稳定，平均每天长3厘米”）。

挑战任务（拓展）：“异常数据排查” ​

  • 列表temp = [22, 25, 30, 100, 26]（某周气温，单位℃），用循环找出“异常值”（超过40℃）并打印提示：“第X天温度异常：100℃”。

教师支持： ​

  • AI代码小助手生成“计算平均分”的分步代码（带注释），学生可对比自己的代码找差异；
  • 提供“循环逻辑流程图”（用方框和箭头展示“初始化→循环累加→计算结果”步骤）。

四、讲解与互评：从“代码”到“思维”（10分钟） ​

  1. 典型案例分析：

    • 展示1份正确代码：点评len()的使用（避免手动输入个数）、临时变量命名（如total比a更清晰）；
    • 展示1份错误代码（如忘记初始化total=0导致结果错误）：引导学生用“代入法”排查（手动模拟循环第1步、第2步的变量值）。

  2. 小组汇报：进阶任务小组分享“植物生长分析结果”，对比代码计算与手动计算的一致性，讨论“如果数据有100个，代码的优势是什么？”。

五、总结与作业（5分钟） ​

课堂总结： ​

  • for 变量 in 列表: 可依次处理每个数据，避免重复代码；
  • 数据统计三步骤：初始化变量（如total=0）→循环累加/比较→计算结果（如平均分、最大值）；
  • len(列表名)获取数据个数，是批量处理的“好帮手”。

课后作业： ​

  1. 用家里的水果数量列表（如fruits = [5, 3, 2, 4]），计算水果总数和平均每种水果的数量；
  2. 观察一周的天气温度，用列表存储并找出最高温、最低温，下节课分享分析结论。

教学理论支撑： ​

  1. 认知负荷理论：通过“流水线”动画降低循环逻辑的认知难度，将复杂的“批量处理”分解为“初始化→遍历→计算”三步骤，符合“小步骤”学习原则。
  2. 自我决定理论：进阶任务结合学生自己记录的科学实验数据，增强任务自主性；挑战任务“异常数据排查”满足学生的胜任感需求（解决实际问题）。
  3. STEAM教育融合：结合科学（数据趋势分析）、数学（统计计算）、工程（流程化思维），让循环成为数据科学的基础工具，体现“技术服务于问题解决”的STEAM核心。

Copyright © 2022-2025 Richard Wang