Python数据可视化实战-教学大纲及授课计划.docx

1、Python数据可视化实战教学大纲课程名称：Python数据可视化实战课程类别：必修适用专业：大数据技术类相关专业总学时：64学时（其中理论28学时，实验36学时）总学分：4.0学分一、课程的性质随着大数据产业的蓬勃发展，商务数据的规模也在飞速扩大。数据可视化是数据描述的图形表示，旨在帮助企业用户一目了然地掌握数据中的复杂信息，为企业经营决策提供积极的帮助，金融、零售、医疗、互联网、交通物流、制造等行业领域对数据可视化的岗位需求巨大，有实践经验的数据可视化人才更是各企业争夺的热门。为了推动我国大数据、云计算、人工智能行业的发展，满足日益增长的数据分析人才需求，特开设Python数据可视化实战课

2、程。二、课程的任务通过本课程的学习，使学生学会使用PythonW视化库：Matplotlib>seaborn>pyecharts进行数据可视化的主要方法。并详细拆解学习广电大数据可视化项目实战、新零售智能销售数据可视化实战、基于TipDM数据挖掘平台建模平台实现广电大数据可视化项目等三个企业案例，将理论与实践相结合，为将来从事数据可视化分析研究、工作奠定基础。三、课程学时分配序号教学内容理论学时实验学时其它1第1章Python数据可视化概述222第2章数据的读取与处理443第3章Matplotlib数据可视化基础644第4章searborn绘制进阶图形445第5章pyecharts

3、交互式绘图446第6章广电大数据可视化项目实战267第7章新零售智能销售数据可视化实战268第8章基于TipDM大数据挖掘平台实现广电大数据可视化项目46总计2636四、教学内容及学时安排!1!1.理论教学序号章节名称主要内容教学目标学时1Python数据可视化概述1. 掌握数据和数据可视化的概念2. 掌握数据可视化的流程3. 了解项目分析报告4. 掌握常用的数据可视化图形5. 了解Python与其它可视化工作的优势6. 了解Python可视化的常用类库7. 熟悉Python集成开发工具的Jupyter8. 在Windows操作系统上安装Anaconda9. 掌握JupyterNotebook

4、的基础功能10. 掌握JupyterNotebook的高级功能1. 掌握数据和数据可视化的概念、流程与应用场景2. 了解Python常用的数据可视化库3. 掌握Windows系统下Anaconda安装4. 掌握JupyterNotebook的常用功能22数据的读取与处理1.读取CSV数据2. 读取Excel文件数据3. 读取数据库数据4. 校验数据5.清洗数据6.合并数据1. 掌握CSV、Excel文件数据和数据库数据的读取与保存的方法2. 掌握一致性、缺失值和异常值的校验3. 掌握重复值、缺失值和异常值的处理方法4.掌握数据堆叠合并、主键合并、重叠合并的原理和方法43Matplotlib数据

5、可视化基础1. pyplot的基础语法2. 设置pyplot的动态rc参数3 .绘制散点图4 .绘制折线图5 .绘制饼图6 .绘制柱形图7 .绘制箱线图1. 掌握pyplot常用的绘图参数的调节方法2. 掌握子图的绘制方法3 .掌握绘制图形的保存与展示方法4 .掌握散点图和折线图的作用与绘制方法5.掌握直方图、饼图和箱线图的作用与绘制方法64seaborn绘制进阶图形I. seaborn绘图基础2 .绘制散点图3 .绘制折线图4 .绘制热力图5 .绘制矩阵网格图6 .绘制关系网格组合图7 .绘制条形图8.绘制单变量分布图9 .绘制分类散点图10 .绘制增强箱线图II. 绘制分类网格组合图12.

6、绘制线性回归拟合图13.绘制线性回归网络组合图1.了解searborn库中的基础图形2.熟悉searborn的主题风格、调色配置3 .掌握关系图的绘制方法4 .掌握分类图的绘制方法5 .掌握回归图的绘制方法45pyecharts交互式图形的绘制1. pyecharts初始配置项2. pyecharts系列配置项3. pyecharts全局配置项4 .绘制交互式基础图形5 .绘制交互式高级图形6 .绘制组合图形1. 了解pyecharts的初始配置项2. 熟悉pyecharts系列配置项和全局配置项3 .掌握交互式基础图形的绘制方法4 .掌握交互式高级图形的绘制方法5 .掌握绘制组合图形的绘制方

7、法4学时合计6广电大数据可视化项目实战1 .项目背景与目标2 .读取与处理广播电视数据3. 绘制可视化图形4. 撰写项目分析报告5.总结与建议1. 了解广电大数据项目的背景和目标2. 熟悉项目流程3 .掌握数据的读取、清洗方法4 .掌握绘制用户分析图、频道分析图、时长分析图、周时长分析图、支付方式分析图的绘制方法5 .熟悉项目分析报告的撰写27新零售智能销售数据可视化实战1. 新零售智能销售数据的背景与目标2. 读取与处理新零售智能数据3. 绘制可视化图形4. 撰写项目分析报告1. 熟悉新零售智能销售数据可视化分析的步骤和流程2. 掌握数据的读取、清洗、规约数据的方法3. 掌握从销售、库存用户

8、等单个方面进行数据可视化方法4.熟悉根据可视化图形撰写数据分析报告的方法28基于TipDM大数据挖掘建模平台实现广电大数据可视化项目1. 平台简介2. 实现guan广电大数据可视化项目3. 数据源的配置4. 数据清洗5. 数据分析与可视化1. 了解TipDM大数据挖掘建模平台的相关概念和特点2. 熟悉使用TipDM大数据挖掘建模平台配置广电大数据可视化项目的总体流程3. 掌握使用TipDM大数据挖掘建模平台获取数据的方法4. 掌握使用TipDM大数据挖掘建模平台进行数据筛选、分组聚合等操作法5. 掌握使用TipDM大数据挖掘建模平台进行绘制柱形图、绘制折线图、绘制饼图等操作4282.实验教学序

9、号实验项目名称实验要求学时1Python数据可视化环境搭建1. 在Windows/Linux系统上安装Anaconda2. 掌握JupyterNotebook的常用功能22数据的读取与处理1. 读取csv数据2. 读取Excel文件数据3. 读取数据库数据4. 校验数据5. 清洗数据6. 合并数据43Matplotlib数据可视化基础1.掌握pyplot的基本绘图语法2.设置pyplot的动态rc参数3 .绘制散点图4 .绘制折线图5 .绘制直方图6.绘制饼图7.绘制箱线图44seaborn绘制进阶图形I. 读写数据库数据2.绘制散点图3.绘制折线图4.绘制热力图5.绘制矩阵网格图6 .绘制关

10、系网格组合图7 .绘制条形图8 .绘制单变量分布图9 .绘制分类散点图10.绘制增强箱线图II. 绘制分类网格组合图12 .绘制线性回归拟合图13 .绘制线性回归网络组合图45pyecharts交互式图形的绘制1绘制交互式基础图形2.绘制交互式高级图形3.绘制并行多图、顺序多图、时间线轮播多图46广电大数据可视化项目实战1. 读取数据文件2. 清洗数据3. 绘制用户分析图4. 绘制频道分析图5. 绘制时长分析图6.绘制用户支付方式分析图67新零售智能销售数据可视化实战1.读取数据文件2.清洗数据3.规约数据64.绘制销售分析图5.绘制库存分析图6.绘制用户分析图8基于TipDM大数据挖掘建模平

11、台实现广电大数据可视化项目1.平台数据配置：实训库、数据连接、系统算法、个人算法2. 数据清洗：字符切分、数据筛选、异常数据处理3. 数据分析与可视化6学时合计36五、考核方式突出学生解决实际问题的能力，加强过程性考核。课程考核的成绩构成二平时作业（10%）+课堂参与（20%）+期末考核（70%）,期末考试建议采用开卷形式，试题应包括基本概念、数据读取、分组聚合、数据合并、数据清洗、数据可视化、撰写项目分析报告等部分，题型可采用判断题、选择、简答、应用题等方式。六、教材与参考资料1.教材刘礼培，张良均.Python数据可视化实战M.北京：人民邮电出版社.2022.2.参考资料11张良均.Pyt

12、hon数据分析与挖掘实战M.北京：机械工业出版社.2019.2张良均.Python与数据挖掘M.北京：机械工业出版社.2016.3刘大成.Python数据可视化之matplotlib实践M.北京：电子工业出版社，2018.4张杰.Python数据可视化之美:专业图表绘制指南M.北京：电子工业出版社.2020.Python数据可视化实战授课计划周次学时授课内容作业要求备注14第1章Python数据可视化概述24第2章数据的读取与处理(1)第2章实训134第2章数据的读取与处理(2)第2章实训244第3章Matplotlib数据可视化基础(1)54第3章Matplotlib数据可视化基础(2)第3章实训164第3章Matplotlib数据可视化基础(3)第4章searborn绘制进阶图形(1)第3章实训274第4章searborn绘制进阶图形(2)第4章实训184第4章searborn绘制进阶图形(3)第5章pyecharts交互式绘图(1)第4章实训284第5章pyecharts交互式绘图(2)第5章实训1104第5章pyecharts交互式绘图(3)第6章广电大数据可视化项目实战(1)第5章实训2114第6章广电大数据可视化项目实战(2)第6章实训124第6章广电大数据可