大数据技术在财务中的应用 教案 项目六 6.4学会数据处理.doc

[键入文字]

教学内容

项目六模块在财务中的应用

任务四：学会数据处理

教学方法

项目教学法

理论

课时

实践

课时

6课时

教学目标

知识目标

1.了解数据处理的概念及内容

2.数据处理的常见方法

能力目标

1.能对数据进行规范地清洗和处理

2.能在不同方法中选择最快捷的数据处理方式

素质目标

1.具有敬业精神

2.具有团队协作精神

3.具有沟通能力

4.具有吃苦耐劳的品格

5.具有较强的领悟力

思政目标

培养明辨真伪、去伪存真的思想品质和能力

教学重点

1.数据清洗的方法

教学难点

1.数据清洗的方法

教学资源

1.教材；

2.网络教学资源。

教学过程

教学阶段

教学过程设计

课前

系统学知识

【教师】

1．利用超星“学习通”平台向学生推送课前学习任务清单，并明确分阶段的任务完成时间；

2.根据学生完成任务进度，做出及时反馈，督促学生按照要求保质保量完成课前操作学习；

任务一课前自学了解数据清洗的概念

任务一课前自学

了解数据清洗的概念

了解数据清洗的作用

任务二课前测试

常见数据清洗的方法和原因

3.查阅平台中的班级学习情况报告，通过数据分析，调整并确定本次教学的重点难点。

【学生】

1.完成网上指定PPT与视频学习任务；

2.完成课前操作测试。

课上

重难点突破

【教师】

一、引入

做出一道美味的菜肴需要很多步骤，其中占用时间最多的往往不是做菜的过程，而是原材料的准备过程，从多种食材的挑选、清洗、整理、削切等等，在python的数据分析中也是，数据清洗是整个数据分析过程中一项非常重要，但又复杂且繁琐的工作，有分析称清洗数据约占整个项目80%的时间。

二、讲解数据清洗的步骤和常见方法

1.处理缺失值

填充代替使用fillna()函数对空值进行填充，可以选择填充0值或者其他合适的值。删除使用dropna()函数直接将包含空值的数据行或列删除。

2.处理重复值

对DataFrame表中数据去重，一般使用drop_duplicates()方法，其结果是产生一个新的DataFrame表，如果参数inplace=True，则在原来DataFrame表上进行修改。

3.处理异常值

异常值是指样本中的个别值，其数值明显偏离它（或他们）所属样本的其余观测值。处理异常值常见方法有：

删除异常值，先删除超出“上界”的数据行，再删除超出“下界”的数据行。

替换异常值，df.replace

【学生】

1.跟随教师的操作演示，实现对课前所学知识的回顾；

2.课堂练习；

3.分小组讨论。

课后

强化求提升

【教师】布置课后小组任务

1.课后复习：重难点视频回顾；

2.课后练习：完成“学习通”课后拓展提升练习；

3.分小组讨论。