Python数据分析与可视化教学大纲8.docxVIP

《Python数据分析与可视化》课程教学大纲 课程代码： 课程名称:Python数据分析与可视化开课学期： 学分/学时：3/48课程类型:必修 适用专业/开课对象： 先修课程： 开课单位： 团队负责人：责任教授： 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，按照数据分析地步骤，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 例进行有关知识地学习。主要内容包括Python基础知识介绍，数据预处理，数据分 析基础工具NumPy,处理结构化数据工具Pandas,数据分析与知识发现,scikit-leam 实现数据分析,Matplotlib交互式图表绘制以及六个完整实例。 本课程地目地与任务是使学生通过本课程地学习，从数据分析地基础理论知 识入手，按照数据分析地基本流程循序渐进地学习数据分析知识,并使用Python编 程进行实战操作。实验局部通过完整数据分析实例地学习,帮助学生更好地掌握 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 握数据分析地基础知识与有关Python库使用，更重要地是要求学生掌握理论与实 践结合地学习方式,为更深入地学习打下良好地基础。 二，学习内容及教学基本要求 数据分析概述与基本概念（4学时） 了解数据分析地定义与历史背景;了解数据分析地目地与任务;了解数据分析 与数据挖掘地关系;了解机器学习与数据分析地关系;了解数据分析地基本步骤， 即数据收集，数据预处理，数据分析与知识发现与数据后处理，以及每个基本步骤 地概念与内容;了解Python在数据分析领域所具有地优点。 Python基础知识（4学时） 了 解Python地开展史;了 解 Python 及 Pandas,scikit-learn,Matplotlib 地安装;掌握 Python地基础知识及Python地一些特性，包括缩进在Python地重要性,Python包地 使用方法，注释地使用方法,Python语法知识;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） 了解数据地集中趋势，离散程度，有关性测量，数据缺失，噪声，离群点等概念;了 解数据质量标准评估地完整性,一致性，准确性与及时性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，不一致数据地处理与异常数据 地处理;了解数据地特征选择，特征构建与特征提取。 NumPy数据分析基础工具（4学时） 了解NumPy库地作用;掌握多维数组对象ndarray地使用，包括ndarray地创 建,ndarray地索引，切片与迭代,ndarray地shape地操作,ndarray地基础操作等。 Pandas处理结构化数据（4学时） 了解Pandas库地作用与特色功能;了解Pandas中Series与DataFrame两种主要 数据结构;掌握Series对象地创立,访问与操作;掌握DataFrame对象地创立，访问与 操作;掌握基于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。 数据分析与知识发现（4学时） 了解分类分析地基本概念;了解逻辑回归，线性判别分析，支持向量机，决策 树,K近邻与朴素贝叶斯地有关知识;了解关联分析地基本概念,包括关联规那么定义, 指标定义与关联规那么挖掘定义;了解关联分析地Apriori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; 了解回归分析地基本概念与常用方法。 scikit-leam实现数据地分析（4学时） 了解SciPy与scikit-learn地作用;掌握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 过程分类,神经网络分类与朴素贝叶斯，回归方法包括最小二乘法，岭回归,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,Affinity propagation,Mean-shift,Spectral clustering,Hierarchical clustering,DBSCAN 与 Birch。 Matplotlib——交互式图表绘制（4学时） 了解Matplotlib地作用;掌握Matplotlib中地基本布局对象地建立;掌握修改图 表样式，修改装饰项与添加注释地方法;掌握基础图表地