大数据技术在财务中的应用 教案 项目六 6.4学会数据处理_第1页
大数据技术在财务中的应用 教案 项目六 6.4学会数据处理_第2页
大数据技术在财务中的应用 教案 项目六 6.4学会数据处理_第3页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

[键入文字]教学内容项目六模块在财务中的应用任务四：学会数据处理教学方法项目教学法理论课时实践课时6课时教学目标知识目标1.了解数据处理的概念及内容2.数据处理的常见方法能力目标1.能对数据进行规范地清洗和处理2.能在不同方法中选择最快捷的数据处理方式素质目标1.具有敬业精神2.具有团队协作精神3.具有沟通能力4.具有吃苦耐劳的品格5.具有较强的领悟力思政目标培养明辨真伪、去伪存真的思想品质和能力教学重点1.数据清洗的方法教学难点1.数据清洗的方法教学资源1.教材；2.网络教学资源。教学过程教学阶段教学过程设计课前系统学知识【教师】1．利用超星“学习通”平台向学生推送课前学习任务清单，并明确分阶段的任务完成时间；2.根据学生完成任务进度，做出及时反馈，督促学生按照要求保质保量完成课前操作学习；任务一课前自学了解数据清洗的概念任务一课前自学了解数据清洗的概念了解数据清洗的作用任务二课前测试常见数据清洗的方法和原因3.查阅平台中的班级学习情况报告，通过数据分析，调整并确定本次教学的重点难点。【学生】1.完成网上指定PPT与视频学习任务；2.完成课前操作测试。课上重难点突破【教师】一、引入做出一道美味的菜肴需要很多步骤，其中占用时间最多的往往不是做菜的过程，而是原材料的准备过程，从多种食材的挑选、清洗、整理、削切等等，在python的数据分析中也是，数据清洗是整个数据分析过程中一项非常重要，但又复杂且繁琐的工作，有分析称清洗数据约占整个项目80%的时间。二、讲解数据清洗的步骤和常见方法1.处理缺失值填充代替使用fillna()函数对空值进行填充，可以选择填充0值或者其他合适的值。删除使用dropna()函数直接将包含空值的数据行或列删除。2.处理重复值对DataFrame表中数据去重，一般使用drop_duplicates()方法，其结果是产生一个新的DataFrame表，如果参数inplace=True，则在原来DataFrame表上进行修改。3.处理异常值异常值是指样本中的个别值，其数值明显偏离它（或他们）所属样本的其余观测值。处理异常值常见方法有：删除异常值，先删除超出“上界”的数据行，再删除超出“下界”的数据行。替换异常值，df.replace【学生】1.跟随教师的操作演示，实现对课前所学知识的回顾；2.课堂练习；3.分小组讨论。课后强化求提升【教师】布置

人人文库> 全部分类> 教育资料 > 备课教案

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论