Python数据分析与可视化典型项目实战（微课版）-教学大纲

授课内容或实验内容教学重点及层次要求教学难点课时分配辅助设施人口与生产总值数据分析使用read_excel()函数读取Excel文件中的数据，完成读取数据时的参数设置。使用read_csv()方法读取长字符串数据。复制数据集。查看数据集中前5行数据。查看数据集的列名。指定数据集各列的名称。重命名数据集中的列。判断与统计数据集中缺失值的数量。数据集的重置索引、替换操作、排序操作、转置操作。数据集中列数据的计算。向数据集中添加、计算列数据。在数据集中新增列，且设置初始值。从数据集中提取符合指定条件的指定列数据。获取数据集的列索引和行索引。指定行索引的名称。获取数据集中指定行或指定列的数据。从数据集中删除指定索引、删除空值。从数据集中删除指定行数据或指定范围内的行数据。查看数据集中的行索引。转换数据类型。将数据集中的索引或指定列转换为列表。使用正则表达式删除数据集中指定列中的多余文字。使用pandas的DataFrame.plot.bar()方法绘制柱形图。使用pandas的DataFrame.plot.barh()方法绘制条形图。使用pandas的DataFrame.plot()方法绘制箱形图。使用pandas的DataFrame.plot.scatter()方法绘制散点图。使用seaborn的barplot()方法绘制金字塔图。使用pyecharts.charts的Pie类绘制玫瑰图、饼图、圆环图。使用pyecharts.charts的Bar类绘制柱形图、堆叠条形图。使用pyecharts.charts的Funnel类绘制漏斗图。使用pyecharts.charts的Map类绘制人口分布地图、轮播地图。使用pyecharts.charts的Geo类和Timeline类绘制轮播地图。使用hierarchy.dendrogram()方法绘制层次聚类图（谱系树）。使用altair的Chart()方法绘制分组柱形图、数据关系图。在同一画布中绘制多张圆环图对全国人口进行画像。4多媒体计算机天气与空气质量数据分析获取数据集中指定列的最大值、最小值和平均值。获取指定列的非重复数据。对数据集指定列按值计数。根据分隔符将数据集中指定列数据进行分离操作。将用汉字表示的“空气质量等级”用数字表示。分离“日期”列数据并将其转换为日期格式。使用query()方法查询符合指定条件的行数据。使用concat()合并多个数据集。删除指定列的多余字符和多余空格。填充数据集中的空值。转换指定列的数据的数据类型。利用正则表达式从数据集指定列中取出符合规定规则的数据。使用CategoricalDtype()方法按自定义排序规则对数据集中指定列进行排序。数据相关性分析时使用background_gradient()方法设置渐变的条件格式。使用正则表达式从“日期”列数据中移除空值和星期。将“空气质量”列数据中的空值替换为文字“无观测数据”。使用正则表达式从“空气质量”列数据中移除空格和数字。移除“空气质量等级”列数据中的重复数据。应用以下方法或函数：first()、map()、unstack()、to_dict()、tolist()、list()、append()、reshape()、reset_index()、set_index()等方法以及lambda函数。使用matplotlib.pyplot的plot()函数绘制折线图。使用matplotlib.pyplot的boxplot()函数绘制箱形图。使用matplotlib.pyplot的bar()函数绘制数据集多列数据的柱形图。使用matplotlib.pyplot的pie()函数绘制饼图。使用matplotlib.pyplot的violinplot()函数绘制小提琴图。使用matplotlib.pyplot的subplots()函数绘制堆叠条形图。使用seaborn库的heatmap()方法绘制热力图。使用pyecharts.charts的Line类绘制折线图。使用pyecharts.charts的Geo类绘制地图。使用pyecharts.charts的Geo类、Timeline类绘制每日轮播地图、每日轮播条形图。在同一界面中同时展示轮播地图和轮播条形图。4多媒体计算机房源数据分析使用正则表达式获取“单价”列的价格数字、“起建时间”列的年份数字。将“年限”列数据拆分为“起建时间”和“建筑类型”两列数据。去掉起建时间为“未知年建”和“建筑类型”为“暂无数据”的房源。计算“楼龄”并在数据集中增加“楼龄”列。从“户型”列数据提取“室数”和“厅数”。转换“挂牌时间”列数据的数据类型。去除“朝向”列首、末端空格。将多种朝向简化为单一朝向，将“朝向”列重命名为“窗户朝向”。获取“楼层”列中包含字符“/”的数据的行数。查看数据集中第1行、“楼层”列数据的数据类型是否为“str”类型。根据“楼层”列数据中“/”字符的位置分别提取“楼层位置”和“层数”数据。获取“层数”列的非空值数据，从“层数”列数据中取出层数数字。删除“楼层”列数据、“装修情况”列数据中的多余空格。使用正则表达式直接提取“面积”数据中的数字和小数点。根据数字位置提取“面积”数据中的数字和小数点。获取房子总价大于50万元和小于3000万元的数据。使用matplotlib.pyplot的bar()函数绘制柱形图。使用matplotlib.pyplot的pie()函数绘制饼图。使用matplotlib.pyplot的plot()函数绘制折线图。使用matplotlib.pyplot的scatter()函数绘制散点图。使用matplotlib.pyplot的hist()函数绘制直方图。使用seaborn库的heatmap()方法绘制热力图。使用seaborn库的boxplot()方法绘制柱形图、箱形图。使用seaborn库的distplot()方法绘制分布图。使用seaborn库的regplot()方法绘制散点图。使用pyecharts.charts的Map类绘制地图。使用pyecharts.charts的Bar类绘制柱形图、条形图。使用pyecharts.charts的Pie类绘制圆环图、饼图。使用pyecharts.charts的WordCloud类绘制词云图。使用pyecharts.charts的TreeMap类绘制矩形树图。使用pyecharts.charts的Calendar类绘制日历图。使用pyecharts.charts的Sunburst类绘制旭日图。使用pyecharts.charts的Page类顺序组合多个图形。4多媒体计算机旅游景点数据分析使用read_excel()函数读取Excel文件中的数据以及完成读取数据时的参数设置。使用seaborn库的light_palette()方法设置背景颜色。使用background_gradient()方法设置渐变的条件格式。删除重复的行、删除包含错误数据的行。获取数据集中符合指定条件的行数据。统计各列空值的数量。填充缺失值。拆分坐标数据。转换数据类型。取出人均费用大于200元并且天数小于15天的数据。从“出发时间”列数据中取出“月份”数据。将“浏览量”列数据规范化并统一转换成整型。应用以下方法或函数：groupby()、count()、sort_values()、nunique()、replace()、reset_index()、sum()、tolist()、isin()、tolist()、value_counts()、apply()、mean()、round()、zip()、reverse()、append()、range()、len()等。使用matplotlib.pyplot的barh()函数绘制条形图。使用matplotlib.pyplot的scatter()函数绘制散点图。使用pandas的DataFrame.plot()方法绘制柱形图。使用pyecharts.charts的WordCloud类绘制词云图。使用pyecharts.charts的Bar类绘制条形图、柱形图。使用pyecharts.charts的Map类绘制地图。使用pyecharts.charts的Pie类绘制玫瑰图。使用pyecharts.charts的Line类绘制折线图。使用plotly.graph_objs的Scatter类绘制阴影散点图。使用stylecloud.gen_stylecloud()方法绘制词云图。4多媒体计算机商品销量数据分析使用read_excel()函数读取Excel文件中的数据以及完成读取数据时的参数设置。填充社保卡号的空值。将“付款情况”列数据中包含汉字“万”的数据转换为数值。去除“品牌名称”列数据中的引号、“折扣”列数据中的汉字“折”。将“总评论数”列数据的尺度统一为“万”。获取总评论数超过100万的销量数据、数据集中出现频次排前10位的月饼品牌。查看药品数据集的索引、药品数据集的列名。拆分“销售时间”列数据。将日期的字符串格式改为日期格式。删除“销售时间”列中为空的行。查看数据集指定列的描述统计信息。从“销售日期”数据中获取“年”“月”“日”“季度”数据。应用以下方法或函数：notna()、apply()、astype()、reset_index()、sample()、sort_values()、groupby()、tolist()、sum()、zip()、drop_duplicates()、abs()、value_counts()、slice()、split()、agg()、pivot_table()、min()、max()及lambda函数。使用Grid类移动图形。使用matplotlib.pyplot的plot()函数绘制折线图、柱形图、饼图。使用matplotlib.pyplot的barh()函数绘制条形图。使用pandas的DataFrame.plot()方法绘制折线图。使用pyecharts.charts的Bar类绘制条形图、柱形图。使用pyecharts.charts的Map类绘制地图。使用pyecharts.charts的Pie类绘制圆环图。使用pyecharts.charts的Bar类和Line类绘制柱形图和曲线图的组合图形。使用pyecharts.charts的Page类顺序组合多张图形。使用stylecloud.gen_stylecloud()方法绘制词云图。4多媒体计算机订单数据分析使用read_excel()函数读取Excel文件中的数据以及完成读取数据时的参数设置。查看数据集的列名。查看数据集大小。数据集的重复值统计。数据集的缺失值统计。创建字典且将其转化为列表形式。筛选已付款的订单。根据“订单创建时间”获取星期数据并增加“星期”列。应用以下方法或函数：to_frame()、shift()、set_index()、mean()、list()、resample()等。使用pandas的DataFrame.plot()方法绘制折线图。使用pyecharts.charts的Funnel类绘制漏斗图。使用pyecharts.charts的Line类绘制折线图。使用pyecharts.charts的Map类绘制地图。使用pyecharts.charts的Polar类绘制极坐标图。使用plotly.graph_objs的Scatter类绘制散点图。4多媒体计算机电商客户行为分析使用read_excel()函数读取Excel文件中的数据以及完成读取数据时的参数设置。使用to_excel()函数将数据保存到指定文件中。时间戳的转化处理。从时间列提取年、月、时数据。定义根据最近一次交易间隔天数计算得分的函数。定义根据消费次数计算得分的函数、根据消费金额计算得分的函数。删除数据集中多余的列、删除数据集中的重复记录。将清洗后的数据保存到指定文件中。验证两个数据集中是否为同一时间段、同一批客户的数据。复制数据集。统计各类客户行为的数量。透视分析各类客户行为每天的数量。两个数据集的内连接处理。获取数据集中符合指定条件的数据。应用以下方法或函数：drop_duplicates()、to_datetime()、apply()、isnull()、sum()、describe()、value_counts()、nunique()、unique()、pivot_table()、join()、groupby()、range()、reset_index()、count()、agg()、sort_index()、rename()、sorted()、tolist()、list()、dict()、size()、min()、map()、astype()等。使用matplotlib.pyplot的plot()函数绘制折线图、柱形图。使用matplotlib.pyplot的bar()函数绘制柱形图。使用matplotlib.pyplot的subplots()函数设置画布中子图的行列数。使用seaborn的barplot()方法绘制柱形图。使用seaborn的lineplot()方法绘制折线图。使用seaborn的heatmap()方法绘制热力图。使用pyecharts.charts的Line类绘制折线图。使用pyecharts.charts的Funnel类绘制漏斗图。使用pyecharts.charts的Bar类绘制柱形图。使用pyecharts.charts的Pie类绘制饼图。4多媒体计算机电商客户消费偏好特征分析使用read_excel()函数读取Excel文件中的数据以及从时间数据列提取年、月、日、星期数据。删除重复行数据、全为空的数据、异常数据。填充缺失数据、转换数据类型。取反查看数据集中的数据。改正逻辑错误数据。按日期列排序并重置索引。将表示客户行为类型的数字转换为字符。计算总访问量、日均访问量、总访客数和人均访问量等电商指标。计算消费客户数、消费客户访问量、消费客户人均访问量和客户跳失率等。统计不同购买次数的客户的人数。计算复购率。统计每个客户的浏览数量、购买数量。分解数据集中包含多个类型名称的“商品类型”列数据。获取浏览次数排前10位的商品类型。使用Counter统计各个时间段的浏览数量与下单数量。应用以下方法或函数：concat()、merge()、min()、max()、to_datetime()、copy()、duplicated()、drop_duplicates()、dropna()、drop()、sum()、nunique()、unique()、len()、value_counts()、fillna()、groupby()、count()、append()、sort_index()、reset_index()、zip()、text()、astype()、keys()、tolist()、extend()、split()、isna()、agg()等。使用matplotlib.pyplot的pie()函数绘制饼图。使用matplotlib.pyplot的plot()函数绘制饼图、折线图。使用matplotlib.pyplot的bar()函数绘制柱形图。使用matplotlib.pyplot的subplots()函数设置画布中子图的行列数。使用matplotlib.pyplot的vlines()函数和scatter()函数共同绘制棒棒糖图。使用pandas的DataFrame.plot()方法绘制柱形图。使用seaborn的barplot()方法绘制条形图、柱形图。使用seaborn的displot()方法绘制柱形图。使用seaborn的lineplot()方法绘制折线图。使用seaborn的pointplot()方法绘制折线图。使用pyecharts.charts的Bar类绘制柱形图、条形图。使用pyecharts.charts的TreeMap类绘制矩形树形图。使用pyecharts.charts的WordCloud类绘制词云图。使用pyecharts.charts的Line类绘制折线图。使用pyecharts.charts的Gauge类绘制仪表盘图。使用plotly.graph_objs的Pie类绘制饼图。使用plotly.graph_objs的Bar类绘制柱形图。使用pyecharts.charts的Pie类绘制饼图、玫瑰图。4多媒体计算机广告投放效果分析使用read_excel()函数读取Excel文件中的数据以及完成读取数据时的参数设置。利用线性回归建立经典线性模型。利用线性回归建立广告费用与销售额模型。删除信息无效的列。计算相关系数。建立销售收入的预测模型。检测各个数据集中是否存在重复值。计算页面访问点击率。计算客户点击广告并浏览后收藏广告推送的转化率。连接数据集。从时间戳列获取月、天、时、周等时间数据。分析变量之间的相关性。使用MinMaxScaler对象对数据进行标准化处理。对数据进行特征数字化。对数据进行独热编码。基于K-Means获取最佳K值。获取各列唯一值的数量、重复值的数量。统计非空值数据的数量。应用以下方法或函数：copy()、describe()、head()、info()、rename()、set_index()、duplicated()、sum()、drop_duplicates()、drop()、reset_index()、len()、round()、astype()、count()、pivot_table()、sort_values()、merge()、dropna()、cut()、zip()、append()、size()、isna()、corr()、mean()、fillna()、hstack()、concat()、value_counts()、nunique()等。使用matplotlib.pyplot的plot()函数绘制散点图、折线图。使用matplotlib.pyplot的pie()函数绘制圆环图、饼图。使用matplotlib.pyplot的subplots()函数设置画布中子图的行列数。使用pandas中DataFrame.hist()函数绘制直方图。使用seaborn的pairplot()方法绘制散点图。使用seaborn的jointplot()方法绘