Python与数据分析（教学大纲）.pdfVIP

Python与数据分析（教学⼤纲） 《Python与数据分析》课程教学⼤纲 课程名称（中⽂）Python与数据分析 课程名称（英⽂）Python Programming and Data Analyzing 课程类别 通识选修课、专业拓展课 特殊课程类型 线下、线上混合教学 周学时 3 线上学时12 线下⾯授学时 36 总学时 48 学分 1.5 先修课程 ⽆需任何先修课程 授课对象 全校本科⽣ 1 课程简介 （1）课程在实现毕业要求中的作⽤，课程在专业知识体系中的位置 伴随着⼤数据、⼈⼯智能技术的发展与普及，数据分析技术已经成为各⾏各业从业⼈员的必备技能。数据分析技术也逐 渐成为本科⽣的必备技能，也成为各个专业的基础课，数据的获取、预处理、分析、可视化等⼯作⼏乎贯穿到本科课程 设计、毕业论⽂全过程。 （2）课程主要内容及知识结构 考虑到各个专业对数据分析知识需求的共性，本课程将教学内容设计为“Python与数据分析”。教学内容分Python基础、 考虑到各个专业对数据分析知识需求的共性，本课程将教学内容设计为“Python与数据分析”。教学内容分Python基础、 数据分析、数据可视化三部分： ★Python基础部分，注重梳理基础知识及知识之间的关系，强调基础概念教学，并将⼤量烦琐的知识点通过分类、关系 图表形式呈现给学⽣，使之迅速把握Python基础知识点； ★数据分析部分，注重实践与实⽤原则，将教学内容集中在⽂本数据分析、数字数据分析、Pandas数据分析三部分， 使学⽣能迅速掌握⼏类数据的基本分析⽅法； ★数据可视化部分，注重数据可视化分析与快捷绘图，以讲授Seaborn数据可视化为主，使学⽣能快捷地掌握数据可视 化分析⽅法与技巧。 （3）课程学习对学⽣专业成长具有的价值 学⽣认真学好本课程，可以掌握Python基础、⽹络爬⾍的编写、数字与⽂本数据分析及可视化⽅法，具备⽹络数据获 取、预处理、数据分析以及数据可视化的能⼒，为将来提升毕业论⽂质量、从事相关数据分析⼯作或机器学习打好基 础。 （4）教师对学⽣投⼊课程学习的要求 本课程⾯向没有任何编程基础的学⽣。学⽣通过课程学习和⼤量编程实验，可以较好地掌握相关内容。 （5）课程学习要求和学习建议 ★掌握好Python基本概念 ★掌握纯正的Python风格代码编程 初学Python可先关注问题或算法的实现，然后再从软件⼯程和Python语⾔特⾊⽅⾯来提⾼代码的质量。Python语⾔有 许多其他语⾔没有的语法和函数，许多读者按照其编程语⾔ （如Java、C++）的惯性思维来学习Python语⾔，往往不利 于掌握纯正的Python语⾔。 ★关注数据分析和⾏业动态 Python语⾔仅是基础，如果将来要从事相关应⽤开发，必须结合岗位的需求拓展其他知识。如将来若转向Python Web 系统开发，还必须学习Django、Flask、Tornado等；如果想从事⼈⼯智能和机器学习⾏业，还必须学习TensorFlow、 PyTorch等框架。 2 课程⽬标 1. 课程思政的育⼈⽬标 培养具有较⾼职业素养的编程与数据处理⼈才。学⽣应掌握数据分析相关法律、法规，数据分析伦理道德。将来⾛向⼯ 作岗位后，要合理、合法地应⽤数据分析技术从事对⼈类有益的事业，能抵御诱惑，杜绝从事任何违法、违背伦理道德 作岗位后，要合理、合法地应⽤数据分析技术从事对⼈类有益的事业，能抵御诱惑，杜绝从事任何违法、违背伦理道德 的数据分析⼯作。 2. Python学习⽬标 掌握Python的编程模式，熟练运⽤Python内置函数与运算符、列表、元组、字典、集合等基本数据类型以及相关列表推 导式、切⽚、序列解包等语法来解决实际问题，熟练掌握Python分⽀结构、循环结构、函数设计以及类的设计与使⽤。 3. 数据分析学习⽬标 掌握Numpy数组运算和矩阵运算、中⽂分词jiebai 、⽂本可视化词云、⽹络爬⾍、Pandas基本数据结构以及数据分析与 处理。 4. 数据可视化学习⽬标 掌握Seaborn模块的使⽤，数据⾃⾝的统计特征、不同类别的数据之间的关联特征、不同类别属性的数据横向对⽐特 征、数据与评估模型之间关系特征。 课程⽬标与毕业要求指标点⾼⽀撑的对应关系表 3 课程教学设计