python数据分析与挖掘 教学大纲.docxVIP

《数据分析与挖掘》 课程名称：数据分析与挖掘建议课时数：80 （其中实践课时数：40 ） 适用专业： 大数据技术与应用 一、前言 （-）课程的定位.课程性质：本课程是大数据技术与应用的一门专业核心课程，属于专业必修课程。 .课程功能：本课程通过对数据中所蕴含的价值进行挖掘，保证生产正常运行，提升 经营水平和生产运作效率，具体来说，培养学生数据导入、数据清洗、数据整理、数据分 析和数据可视化等方面的能力。 .相关课程：本课程是《数据采集和存储》课程的为后置课程，同时也是大数据实训 课程的前置课程。 （二）设计思路 该课程是依据“大数据技术与应用专业工作任务与职业能力分析表”中数据的过程控 制与工作工程设置的。其总体设计思路是，打破以知识传授为主要特征的传统学科课程模 式，转变为以工作任务为中心组织课程内容，并让学生在完成具体工程的过程中学会完成 相应工作任务，并构建相关理论知识，开展职业能力。以就业为导向以能力为本位，对数 据导入、数据处理、数据分析、数据可视化等方面进行任务与职业能力分析，通过案例教 学、讨论教学、模拟仿真等多种教学方法和手段，培养学生具备基本的职业能力。 工程设计以餐饮数据工程的数据为线索，以数据流的运行为主线，设计数据导入、数 据去空去重、数据合并、时间序列处理、常用指标分析、交叉表分析、相关分析工程案例, 通过工程分解和任内练习，学生能理解数据分析中各类数据格式的作用，理解数据清洗的 含义，理解适用于数据分析各种图形的画法。 该门课程的总学时为80课时，5个学分。 二、课程目标 掌握各类数据文件的格式特点； 掌握各类数据格式的意义和特点； 理解数据去空去重的含义及处理方法； 理解时间序列处理方法； 理解数据的各种统计指标的作用； 理解适用于数据的相关性及其使用方法。 理解各种图形的画法。 （二）技能目标 能够利用pandas导入数据、筛选数据； 能够利用pandas对数据进行预处理，比方去除空值和重复值、时间序列处理; 能够利用统计指标对预处理后的数据进行简单分析； 能够运用一些合适的图形挖掘出数据的规律。 （三）素养目标 培养学生具备吃苦耐、老实守信的精神； 培养学生团结协作、认真负责的意识； 培养学生善于表达、善于沟通的素养。 三、课程内容和要求 序号 工作任务 知识要求 技能要求 学时 1 掌握Python 的基本用法 掌握循环语句基本用法； 掌握判断语句基本用法； 理解列表概念及其属性； 理解字符串概念及属性； 理解字典概念及其属性； 理解函数的定义方法。 能够利用循环和判断语句编写 代码； 能够修改、删除、增加、查找 列表元素； 能够利用字典的键查询值； 能够定义递归函数和匿名函数 并进行调用。 16 2 Pandas数据 预处理 了角隼 Series 和 DataFrame 的概念； 了解数据的去空和去重的 意义； 理解数据的空值填充的作 用； 理解数据横向合并和纵向 拼接的概念； 理解时间序列的各种方 法。 能够利用二维数据构建 DataFrame； 能够利用pandas导入txt和 excel数据； 能够利用pandas去空和去重； 能够利用pandas填充空值； 能够将不同的数据合并为一个 数据； 能够从时间中提取出年、月、 日、星期等信息。 16 1. 理解排名与排序方法； 1. 能够利用pandas对数据按照一 列或多列进行排序； 3 Pandas数据 分析 2. 3. 理解统计指标的意义； 理解分组和分段的意义； 2. 能够利用pandas计算平均值、 中位数等统计指标。 12 4. 理解数据交叉分析作用； 3. 能够利用pandas对数据进行分 5. 理解相关分析。 4. 组统计； 能够计算相关系数。 1. 能够对matplotlib进行基本参 4 Matplotlib 数据可视化 1. 2. 理解matplotlib各种参数 的作用； 理解各种统计图表作用。 2. 数设置； 能够利用matplotlib绘制散点 图、直方图、柱形图、折线图 等图形。 12 1. 理解利用 pandas matplotlib 5 综合训练 1. 理解数据分析的一般步骤 分析餐饮数据、超市数据、房产 数据。 20 其他 考核评价 4 总课时 80 四、实施建议 （一）教材选用与编写建议 教材编写须以本课程标准为依据，要充分表达工程课程设计思想，呈现案例引入、项 目化教学的模式。采用由浅入深的层次结构组织教材内容，做到内容新颖，以实例为先导, 注重在应用中学习。选用中国铁道出版社出版的《数据分析与应用》作为教材。 （二）教学建议 （1） “教、学、做” 一体化教学，加强对学生实际职业能力的培养。注重以任务引领型 案例或工程作业来诱发学生兴趣，使教学更加贴近实践。 (2)通过选用典型活动工程，由教师提