《数据可视化》教学大纲

《数据可视化》教学大纲适用范围：202X版本科人才培养方案课程代码：08130301课程性质：专业必修课学分：4学分学时：64学时（理论48学时，实验16学时）先修课程：Python程序设计、数据挖掘技术后续课程：无适用专业：数据科学与大数据技术开课单位：计算机科学与技术学院一、课程说明《数据可视化》是数据科学与大数据技术专业学生的专业必修课。数据是信息时代的石油，但有了数据还不够，还需要正确并且快速地理解数据，才能真正做到数据为我所用。数据可视化可以将抽象的数据转化为图形、图像等，让普通人可以快速理解数据所代表的涵义或趋势，为人类洞察数据真相、理解数据蕴藏的规律提供了重要的手段。该课程的主要任务是培养学生的将数据转化为更符合人类认知规律的可视化呈现方式的能力，主要介绍数据可视化的基本理论和方法。通过本课程的教学，使学生能够根据不同数据类型和可视化需求，设计不同的数据可视化方案，并选用合适的可视化手段实现这些方案。二、课程目标通过本课程的学习，使学生达到如下目标：课程目标1：掌握数据可视化的基本理论和基本方法，并能够应用于解决大数据领域的复杂工程问题。同时，在先修课程的基础上，进一步熟悉和掌握大数据相关项目开发全周期、全流程的基本设计方法和技术，能够根据实际情况设计大数据领域的整体项目解决方案。课程目标2：逐步培养学生对数据内涵和数据内在规律的洞察能力，能基于大数据专业知识，对大数据领域复杂工程问题进行可视分析和有效表达，能将数据可视化的理论与方法应用于大数据领域复杂工程问题解决方案的分析与优化。课程目标3：深入了解各种可视化工具和图表的特点、适用场合及其局限性，能根据数据特征和可视化需求选择合适的可视化平台和工具，设计出有效的数据可视化方案。另外，能将数据表达得准确、简洁、优美、直击人心，需要不断的学习和借鉴别的领域的灵感和经验。要通过数据可视化实践，逐步促进同学们终身学习习惯的养成和跨领域思考问题视野的生成。三、课程目标与毕业要求《数据可视化》课程教学目标对数据科学专业毕业要求的支撑见表1。表1课程教学目标与毕业要求关系毕业要求指标点课程目标支撑强度1.工程知识1.3掌握相关自然科学知识、工程基础知识和思维方法，能够将其用于解决数据科学与大数据技术领域的复杂工程问题，能够将数据科学与大数据技术专业知识用于对复杂工程问题解决方案的分析与优化。课程目标2：逐步培养学生对数据内涵和数据内在规律的洞察能力，能基于大数据专业知识，对大数据领域复杂工程问题进行可视分析和有效表达，能将数据可视化的理论与方法应用于大数据领域复杂工程问题解决方案的分析与优化。M3．设计/开发解决方案3.2能够针对大数据应用相关领域的复杂工程问题设计整体项目解决方案，掌握项目开发全周期、全流程的基本设计/开发方法和技术，完成项目的软硬件设计、仿真、实现、运行和维护等。课程目标1：掌握数据可视化的基本理论和基本方法，并能够应用于解决大数据领域的复杂工程问题。同时，在先修课程的基础上，进一步熟悉和掌握大数据相关项目开发全周期、全流程的基本设计方法和技术，能够根据实际情况设计大数据领域的整体项目解决方案。H5．使用现代工具5.3能够针对大数据应用开发需要选择和使用合适的平台和开发工具，并能够理解其局限性。课程目标3：深入了解各种可视化工具和图表的特点、适用场合及其局限性，能根据数据特征和可视化需求选择合适的可视化平台和工具，设计出有效的数据可视化方案。另外，能将数据表达得准确、简洁、优美、直击人心，需要不断的学习和借鉴别的领域的灵感和经验。要通过数据可视化实践，逐步促进同学们终身学习习惯的养成和跨领域思考问题视野的生成。H注：表中“H（高）、M（中）”表示课程与相关毕业要求的关联度。四、教学内容、基本要求与学时分配1．理论部分理论部分的教学内容、基本要求与学时分配见表2。表2教学内容、基本要求与学时分配教学内容教学要求，教学重点难点理论学时实验学时对应的课程目标1.数据可视化概述1.1为什么要数据可视化1.2什么是数据可视化1.3可视化的作用1.4什么是“好”的数据可视化教学要求：（1）理解为什么要数据可视化、什么是数据可视化。（2）理解数据可视化有哪些作用。（3）明白什么是“好”的数据可视化。重点：为什么要数据可视化。难点：真正理解什么是“好”的数据可视化。201、2、32.数据可视化常用图表2.1数据可视化常用图表的基本类型2.2数据可视化常用图表的进阶类型教学要求：（1）掌握常用数据可视化图表的类型、特点和擅长表达的内容。（2）能根据不同的可视化需求选择不同的图表。重点：不同图表的特点和擅长表达的内容。难点：根据不同的可视化场景选择不同的图表。202、33.数据可视化常用工具3.1入门类3.2在线美颜类3.3专业类3.4代码类教学要求：（1）掌握不同类型工具的特点和适用场合。（2）能结合实际情况选用最合适的工具。重点：不同类型工具的优缺点。难点：根据可视化需求和当前实际情况选择最合适的工具。202、34.Tableau数据可视化4.1条形图4.2折线图4.3饼图4.4直方图4.5散点图4.6箱线图4.7帕累托图4.8甘特图4.9填充地图、符号地图、混合地图4.10树状图、气泡图、词云教学要求：（1）掌握使用Tableau绘制各种图表的步骤和方法。（2）能结合实际情况选用最合适的图表。重点：掌握使用Tableau绘图的方法和技巧。难点：能举一反三设计并实现各种图表的绘制。842、35.Python可视化基础5.1熟悉Python集成开发环境JupyterNotebook5.2用Python读取数据5.3用Python读取处理数据教学要求：（1）熟悉Python集成开发环境JupyterNotebook；（2）掌握用Python进行数据可视化时，不同类型数据的读取方法；（3）掌握用Python进行数据可视化时，不同可视化需求情境下数据的处理和准备。重点：不同类型数据的读取方法和处理方法。难点：不同可视化需求情境下数据的处理和准备。222、36.matplotlib数据可视化6.1使用matplotlib创建图表的基本方法6.2常用图表的创建教学要求（1）掌握使用matplotlib绘制常用图表的常用语法。（2）掌握折线图、柱形图、饼图、散点图、直方图、箱线图等常用图表的绘制方法。重点:常用图表的绘制。难点:掌握图表的绘制方法，能根据实际需求设计图表并举一反三实现。622、37.seaborn数据可视化7.1seaborn绘图基础7.2绘制分类图7.3绘制分布图7.4绘制关系图教学要求：（1）掌握使用seaborn绘制常用图表的常用语法。（2）掌握分类图、分布图、关系图等常用图表类别的绘制方法。重点:seaborn绘图特色和原理。难点:能根据实际需求，选择合适的图表类别和绘图工具。622、38.使用pyecharts动态可视化数据8.1pyecharts绘图基础8.2绘制交互式基础图形8.3绘制交互式高级图形教学要求：（1）了解pyecharts库绘图的基础知识。（2）能用pyecharts绘制出满足实际需求的图表。重点:pyecharts常用图表绘制。难点:用pyecharts解决实际的可视化问题。822、39.文本数据可视化9.1文本类数据可视化的常用方法9.2词云的设计与制作教学要求：（1）掌握文本数据可视化的常用方法。（2）掌握词云图的生成步骤和方法。重点:词云图的生成步骤和方法。难点:根据不同的表达内容，设计不同的词云图形状、颜色，精准分词和设置停用词。422、310.大数据可视化综合案例10.1共享单车可视化案例实战10.2广电大数据可视化案例实战10.3新零售智能销售数据可视化案例实战10.4北京租房数据可视化案例实战教学要求：重温不同类型图表的绘制方法和注意事项。使用列出的四个案例或开课当学期的3~4个热点问题，设计可视化方案并实现。重点：分析可视化需求，设计方案，选用合适技术手段实现方案。难点:明确可视化需求、设计可视化方案，能综合运用本学期所学数据可视化知识解决实际问题。821、2、3合计48162.实验部分实验部分的教学内容、基本要求与学时分配见表3。表3实验内容与学时实验项目实验内容和要求实验学时对应的课程目标1.数据可视化基础实验内容：掌握数据可视化的目标、原理、流程和原则，熟悉基础可视化工具的使用，能实现常用可视化图表的绘制。实验要求：尝试使用数据可视化工具画出至少五种常用图表。41、22.数据可视化的简单设计实验内容：掌握分类数据、时序数据和空间数据等的可视化方法；掌握可视化设计的一般技巧。实验要求：面对一个具体的可视化需求，能判断出其数据类型，比如分类数据、时序数据和空间数据等，并能根据数据类型和可视化需求设计出可视化方案并实现方案。41、23.数据可视化的高阶设计实验内容：掌握不同类型数据的可视化方法；掌握数据可视化大屏的布局原则和实现方法。实验要求：面对较复杂的可视化需求，能准确识别出其包含的不同数据类型，并设计出合适的大屏可视化方案并实现。41、2、34.数据可视化综合实践实验内容：梳理所学图表类型，可视化工具，综合运用这些图表和工具，完成可视化案例的设计和实现。实验要求：选取开课当学期的1~2个热点问题，设计可视化方案并实现。41、2、3合计16五、教学方法及手段本课程实践性较强，以知识点讲授和操作演示相结合的方式进行；精选教学案例，以既能涵盖教学大纲知识点，又能切实增强可视化表达能力为原则，讲练结合，稳步提升可视化设计和实现能力；课程提供丰富的线上资源链接，鼓励学生以线上线下相结合的方式进行学习。在实验教学中，初期的重点是培训学生如何使用各类数据可视化工具并制作图表。随后，着重于依据数据特征和可视化需求来设计有效的可视化方案，并将其落实实现。我们鼓励学生们进行相互讨论，并适时组织小组汇报，以培养他们在大数据领域中综合应用可视化方案设计与实施的能力。六、课程资源库1.推荐教材（1）刘礼培.Python数据可视化实战[M].北京:人民邮电出版社,2021.（2）王国平.Tableau数据可视化从入门到精通[M].北京:清华大学出版社,2020.（3）陈继.数据可视化[M].北京:机械工业出版社,2020.2.参考书（1）黄源.大数据可视化技术与应用[M].北京:清华大学出版社,2020.（2）朱晓峰.数据可视化导论[M].北京:机械工业出版社,2021.（3）黑马程序员.Python数据可视化[M].北京:人民邮电出版社,2021.（4）王大伟.Echarts数据可视化[M].北京:机械工业出版社,2021.3.期刊（1）王溢琛.近20年我国高中地理教材研究现状与趋势的可视化分析[J].西华师范大学学报(自然科学版),2021,26(19):55-57.（2）郑玉冰.基于轨迹数据的非机动车道内冲突事件自动识别与可视化[J].中国公路学报,2021,19(09):123-126.（3）易文思.国内创新创业政策知识图谱研究—基于1998—2021年文献的CiteSpace可视化分析[J].工业控制计算机,2021,10(44):39-42.（4）夏佳志.可视化与人工智能交叉研究综述[J].中国科学:信息科学,2021,51(11):1777-1801.（5）CoutyVictoretal.SafetyLens:VisualDataAnalysisofFunctionalSafetyofVehicles[J].IEEETransactionsonVisualizationandComputerGraphics,2021,19(16):278-283.4.网络资源（1）百度Echarts团队.百度图说[EB/OL]./.（2）B站佚名.大屏数据可视化展示[EB/OL]./all?keyword=%E5%8F%AF%E8%A7%86%E5%8C%96&from_source=webtop_search&spm_id_from=333.851.（3）佚名.Tableau社区[EB/OL]./zh-cn/community.（4）佚名.数据之美：迄今10佳数据可视化示例[EB/OL]./zh-cn/learn/articles/best-beautiful-data-visualization-examples.七、课程考核对课程目标的支撑课程成绩由过程性考核成绩和期末考核成绩两部分构成，具体考核/评价细则及对课程目标的支撑关系见表4。表4课程考核对课程目标的支撑考核环节占比考核/评价细则课程目标123过程性考核课堂表现10（1）根据随堂练习、课堂回答问题和出勤情况等进行考核，满分100分。（2）以平时考核成绩乘以其在总评成绩中所占的比例计入课程总评成绩。√√√244课内实验10（1）根据每个实验的实验操作完成情况和实验报告质量单独评分，满分100分；（2）每次实验单独评分，取各次实验成绩的平均值作为此环节的最终成绩。（3）以实验成绩乘以其在总评成绩中所占的比例计入课程总评成绩。√√√33.53.5平时作业10（1）主要考核学生对各章节知识点的复习、理解和掌握程度，满分100分；（2）每次作业单独评分，取各次成绩的平均值作为此环节的最终成绩。（3）以作业成绩乘以其在总评成绩中所占的比例计入课程总评成绩。√√√33.53.5阶段测试10（1）每学期至少每上完课程理论学时的1/4时，进行一次阶段性测试；（2）阶段性测试重点考核本阶段学习的主要情况，题型不限。（3）以阶段测试成绩乘以其在总评成绩中所占的比例计入课程总评成绩。√√√244期末机试考核60（1）卷面成绩100分，以卷面成绩乘以其在总评成绩中所占的比例计入课程总评成绩。（2）主要考核选择结构、循环结构、序列结构、函数和面向对象编程等内容。（3）考试题型为：编程题。√√√102525合计：100分204040八、考核与成绩评定1.考核方式及成绩评定考核方式：本课程主要以课堂表现、实验、作业、期末机试等方式对学生进行考核评价。考核基本要求：考核总成绩由期末机试成绩和过程性评价成绩组成。其中：期末机试成绩为100分（权重60%），试题类型为操作题；期末机试中基本知识、