Python数据分析与可视化教学大纲

《Python数据分析与可视化》课程教学大纲课程代码：学分/学时：3/48课程类型:必修/开课对象：先修课程：开课单位：执笔人：核准院长：一，课程地性质，目地与任务《Python数据分析与可视化》是软件工程专业中地一门数据分析入门课程，该课程介绍了Python语言在数据分析方面地应用，依据数据分析地步骤，从数据预处理，分析，可视化等方面介绍了数据分析地方式，并通过六个完整地数据分析实例进展有关学问地学习。主要内容包括Python根底学问介绍，数据预处理，数据分析根底工具NumPy,处理构造Pandas,数据分析与学问觉察,scikit-leam实现数据分析,Matplotlib交互式图表绘制以及六个完整实例。依据数据分析地根本流程循序渐进地学习数据分析学问,并使用Python编程进展实战操作。试验局部通过完整数据分析实例地学习,帮助学生更好地把握数据分析技能，做到理论与实践相结合,方法与应用相结合。本课程除要求学生掌握数据分析地根底学问与有关Python库使用，更重要地是要求学生把握理论与实践结合地学习方式,为更深入地学习打下良好地根底。二，学习内容及教学根本要求数据分析概述与根本概念〔4学时〕掘地关系;了解机器学习与数据分析地关系;了解数据分析地根本步骤，即数据收集，数据地概念与内容;了解Python在数据分析领域所具有地优点。Python根底学问〔4学时〕地开展史;了解Python及Pandas,scikit-learn,Matplotlib地安装;把握PythonPythonPython地重要性,Python用方法，注释地使用方法,Python语法学问;了解Pandas,scikit-learn,Matplotlib等重要Python库;了解Jupyter交互式数据科学与科学计算开发环境。数据预处理〔4学时〕解数据质量标准评估地完整性,全都性，准确性与准时性4个要素。了解数据清洗地概念及方式，包括缺失值地处理，噪声数据地处理，不全都数据地处理与特别数据地处理;了解数据地特征选择，特征构建与特征提取。NumPy数据分析根底工具〔4学时〕了解NumPy库地作用;把握多维数组对象ndarray地使用，包括ndarray地创立,ndarray地索引，切片与迭代,ndarray地shape地操作,ndarray地根底操作等。Pandas处理构造化数据〔4学时〕了解Pandas库地作用与特色功能;了解Pandas中Series与DataFrame构造;把握Series对象地创立,访问与操作;把握DataFrame对象地创立，访问与操作;把握基于Pandas地Index对象地访问操作;了解Pandas地有关数学统计与计算工具;了解Pandas地数学聚合与分组运算。数据分析与学问觉察〔4学时〕KApriori算法,FP-Tree算法,PrefixSpan算法;了解聚类分析地概念;了解K均值算法与DBSCAN;了解回归分析地根本概念与常用方法。scikit-leam实现数据地分析〔4学时〕scikit-learn地分类方法，回归方法与聚类方法,分类方法包括Logistic回归,SVM,最近邻分类器，决策树,随机梯度下降，高斯过程分Lasso,贝叶斯岭回归，决策树回归，高斯过程回归与最近邻回归,聚类方法包括 K-means,Affinitypropagation,Mean-shift,Spectralclustering,Hierarchicalclustering,DBSCAN与Birch。Matplotlib——交互式图表绘制〔4学时〕了解Matplotlib地作用;把握Matplotlib中地根本布局对象地建立;把握修改图表样式，修改装饰项与添加注释地方法;把握根底图表地绘制，包括直方图，散点图，柱状图，折线图与表格;了解使用Matplot3DMatplotlib与Jupyter结合使用地方法。10.试验〔16学时〕教学说明及教学根本要求见《Python数据分析与可视化》试验教学大纲。三，教学方法本课程教学方法以教师为主导地启发式讲授教学法为主，争论〔提问〕辅，并结合争论〔提问〕式教学，以及结合课外学习地教学方法。.本课程概念较多，因此教学形式以讲授方式为主。本课程拟承受多媒体PPT地教学方程中留意各个学问点地关联性，以使学生更好地理解课程内容。.对课程中关键性概念，设计思想方面地问题可辅以课堂争论地形式。四，课内外教学环节及根本要求483216周〔2学时〕；16个学8周〔2学时〕。课外学习要求：.带着问题主动地听课。.课后要复习，有余力地学生复习时还应阅读参考资料，认真整理课堂听课笔记。.要求学生课外自主学习,学生课外阅读地参考资料以本大纲所列参考资料为主。五，考核内容及方式如下：.寻常成绩占30%,主要考察作业地完成程度，理论课与试验课地出勤率，试验课地考试结果。其中作业占10%,试验占15%,出勤率占5%。.期末成绩占70%,承受考试地考核方式。考试承受闭卷形式，题型为选择题，正确/错误题，填空题，简答题,以及应用题。六，持续改进学中缺乏处进展改进，并在下一轮课程教学中改进。七，建议及参考资料建议：[1]吕云翔，李伊琳主编.Python数据分析与可视化[M].北京:,2021.2《Python数据分析与可视化》试验教学大纲学习内容及教学根本要求.Python地安装与使用〔2学时〕了解Python地安装方法;了解Python在本课程中起到地作用;把握Python地基础PythonPython语法学问等;把握使用Python编写并运行简洁程序地力量。.数据分析有关工具地安装与使用〔2学时〕地根本功能与安装方式;把握多维数组对象ndarrayPandasscikit-learn库地使用方式;了解Matplotlib地根本功能与安装方式;把握Matplotlib库地使用方式;把握修改图表样式，修改装饰项与添加注释地方法;把握根底图表地绘制方法；.实战:影评数据分析与电影推举〔2学时〕了解本实例中对数据地采集与处理;使用pandas对用户评分数据与电影信息数据进行初步分析;了解用户评分统计信息地查看方式与有关图表地绘制方式;了解电影评分分布地查看方式与图表绘制方式;了解使用协同过滤算法实现电影推荐地方法。.实战:汽车贷款违约地数据分析〔2学时〕续变量与分类变量地缺失值处理;了解模型建立与模型评估，包括承受回归模型进展数据分析，承受决策树模型进展数据分析,承受随机森林模型优化决策树模型等。.实战:Python表格数据分析〔2学时〕了解openpyxl地背景与安装方式;了解如何使用openpyxl创立工作簿;把握使用openpyxl从Excel工作簿中读取，迭代访问，修改与插入数据;了解为Excel工作簿添加openpyxl读取到地数据转为Dataframe对象地方式;了解绘制数据列直方图，有关性矩阵与散布矩阵地方式,并能够将可视化结果插入Excel工作簿；.实战:利用手机地购物评论分析手机特征〔2学时〕了解利用Kaggle猎取本实例地数据地方式;了解数据地筛选过程;了解词袋算法〔CountVectorizerTF」DF〕CountVectorizerk均值提取数据;了解使用spaCy进展名词提取与使用TextBlob进展情感分析地方法，并依据数据生成柱状图。.实战:基于k近邻模型推测葡萄酒种类地数据分析与可视化〔2学时〕了解k近邻模型地工作原理;了解k近邻模型地初步建立方式;了解数据归一化地方NumPy