《数据分析技术》课程大纲.docVIP

数据分析技术课程教学大纲 一、课程的基本信息 适应对象：信息工程专业本科 课程代码：39E01016 学时分配：42 赋予学分：2 先修课程：python基础 后续课程： 二、课程性质与任务 数据分析技术课程属于信息工程专业选修课，是“python基础”的后续课程，重点培养学生应用python进行数据分析与挖掘的能力，以配合大数据时代的需求。 三、教学目的与要求 通过本课程的学习，应使学生更进一步熟悉Python编程开发环境和Python程序的开发过程与方法，在此基础上，熟练掌握应用numpy和pandas库进行数据的规整、应用pandas库进行数据描述与分析、应用matplotlib库进行数据可视化的技术。 四、教学内容与安排 第一部分：理论教学（32学时） 第1章 准备工作 1、为什么要使用Python进行数据分析 2、重要的Python库 3、安装和设置 4、社区和研讨会 第2章 引言 1、来自bit.ly的1.usa.gov数据 2、MovieLens 1M数据集 3、1880—2010年间全美婴儿姓名 第3章 IPython：一种交互式计算和开发环境 1、IPython基础 2、使用命令历史 3、与操作系统交互 4、软件开发工具 5、IPython HTML Notebook 6、利用IPython提高代码开发效率的几点提示 7、高级IPython功能 第4章 NumPy基础：数组和矢量计算 1、NumPy的ndarray：一种多维数组对象通用函数：快速的元素级数组函数 2、利用数组进行数据处理 3、用于数组的文件输入输出 4、线性代数 5、随机数生成 6、范例：随机漫步 第5章 pandas入门 1、pandas的数据结构介绍 2、基本功能 3、汇总和计算描述统计 4、处理缺失数据 5、层次化索引 6、其他有关pandas的话题 第6章 数据加载、存储与文件格式 1、读写文本格式的数据 2、二进制数据格式 3、使用HTML和Web API 4、使用数据库 第7章 数据规整化：清理、转换、合并、重塑 1、合并数据集 2、重塑和轴向旋转 3、数据转换 4、字符串操作 5、示例：USDA食品数据库 第8章 绘图和可视化 1、matplotlib API入门 2、pandas中的绘图函数 3、绘制地图：图形化显示海地地震危机数据 4、Python图形化工具生态系统 第9章 数据聚合与分组运算 1、GroupBy技术 2、数据聚合 3、分组级运算和转换 4、透视表和交叉表 5、示例：2012联邦选举委员会数据库 第10章 时间序列 1、日期和时间数据类型及工具 时间序列基础 日期的范围、频率以及移动 时区处理 时期及其算术运算 重采样及频率转换 时间序列绘图 移动窗口函数 性能和内存使用方面的注意事项 第11章 金融和经济数据应用 1、数据规整化方面的话题 2、分组变换和分析 3、更多示例应用 第12章 NumPy高级应用 1、ndarray对象的内部机理 2、高级数组操作 3、广播 4、ufunc高级应用 5、结构化和记录式数组 6、更多有关排序的话题 7、NumPy的matrix类 高级数组输入输出 性能建议 第二部分：实验教学(10学时) 在Windows上安装NumPy、Matplotlib、SciPy和IPython（2课时） CSV文件的读与分析（2课时） 绘制锯齿波和三角波（2课时） 矩阵运算（2课时） 使用Matplotlib绘图（2课时） 五、教学设备和设施 多媒体教室 六、课程考核与评估 课程考核形式为考查，其中平时成绩(50%)+实验成绩(50%) 七、附录 教学参考文献目录 1、Ivan Idris（张驭宇译）《Python数据分析基础教程》人民邮电出版社 2014 2、wesley J.Chun（杜春晓译）《Python数据分析实战》人民邮电出版社 2016 3、Wes McKinney（唐学韬译）《利用Python进行数据分析》机械工业出版社 2013 制定人：邓 涛 审核人：李文彬