- 1、本文档共7页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
《Python数据分析与应用》教学大纲
课程名称:Python数据分析与应用课程类别:必修
适用专业:大数据技术类相关专业
总学时:64学时(其中理论36学时,实验28学时)总学分:4.0学分
一、课程的性质
大数据时代已经到来,在商业、经济及其他领域中基于数据和分析去发现问题并做出科学、客观的决策越来越重要。数据分析技术将帮助企业用户在合理时间内获取、管理、处理以及整理海量数据,为企业经营决策提供积极的帮助。数据分析作为一门前沿技术,广泛应用于物联网、云计算、移动互联网等战略新兴产业。有实践经验的数据分析人才已经成为了各企业争夺的热门。为了推动我国大数据,云计算,人工智能行业的发展,满足日益增长的数据分析人才需求,特开设Python数据分析与应用课程。
二、课程的任务
通过本课程的学习,使学生学会使用Python进行科学计算、可视化绘图、数据处理,分析与建模,并详细拆解学习聚类、回归、分类三个企业案例,将理论与实践相结合,为将来从事数据分析挖掘研究、工作奠定基础。
三、课程学时分配
序号
教学内容
理论学时
实验学时
其它
1
第1章
Python数据分析概述
2
1
2
第2章
NumPy数值计算基础
2
2
3
第3章
Matplotlib数据可视化基础
2
2
4
第4章pandas统计分析基础
3
4
5
第5章使用pandas进行数据预处理
3
4
6
第6章使用sklearn构建模型
6
4
7
第7章航空公司客户价值分析
6
4
8
第8章财政收入预测分析
6
3
9
第9章家用热水器用户行为分析与
6
4
事件识别
总计
36
28
四、教学内容及学时安排
1. 理论教学
序
序
号
章节名称
主要内容
教学目标
学时
1
Python数据分
析概述
掌握数据分析的概念
掌握数据分析的流程
了解数据分析的应用场景
了解数据分析的常用工具
了解Python数据分析的优势
了解Python数据分析的常用类库
了解Python的Anaconda发行版
掌握数据分析的
概念、流程与应用场景
了解Python常用的数据分析库
掌握 Windows /
2
8.在 Windows
操作系统上安装
Linux
系 统 下
Anaconda
在Linux系统上安装Anaconda
掌握JupyterNotebook的基础功能
掌握JupyterNotebook的高级功能
Anaconda安装
4.掌
握
Jupyter
Notebook的常用功
能
NumPy数值计
2
算基础
Matplotlib数据
3
可视化基础
pandas 统计分
4
析基础
创建数组对象
生成随机数
通过索引访问数组
变换数组的形态
创建NumPy矩阵
掌握ufunc函数
读写文件
使用数组进行简单的统计分析
掌握pyplot的基础语法
设置pyplot的动态rc参数
绘制散点图
绘制折线图
绘制直方图
绘制饼图
绘制箱线图
读写数据库数据
读写文本文件
读写Excel文件
查看DataFrame的常用属性
查改增删DataFrame数据
描述分析DataFrame数据
转换字符串时间为标准时间
提取时间序列数据信息
加减时间数据
使用groupby方法拆分数据
使用agg方法聚合数据
使用apply方法聚合数据
使用transform方法聚合数据
使用povit_table函数创建透视表
使用crosstab函数创建交叉表
掌握NumPy创建多维数组与生成随机数的方法
掌握数组的索引与变换
掌握NumPy中数 2
组矩阵的运算及通
用函数的基本使用方法
掌握NumPy读写文件的方法和常用的统计分析的函数
掌握pyplot常用的绘图参数的调节方法
掌握子图的绘制方法
掌握绘制图形的
保存与展示方法 2
掌握散点图和折线图的作用与绘制方法
掌握直方图、饼图和箱线图的作用与绘制方法
掌握常见的数据读取方式
掌握DataFrame常用属性与方法
掌握基础时间数
3
据处理方法
掌握分组聚合的原理与方法
掌握透视表与交叉表的制作
使用pandas进行数据预处理
使用scikit-learn构建模型
航空客户价值分析
财政收入预测
8
分析
堆叠合并数据
主键合并数据
重叠合并数据
检测与处理重复值
检测与处理缺失值
检测与处理异常值
离差标准化数据
标准差标准化数据
小数定标标准化数据
哑变量处理类别型数据
离散化连续型数据
加载datasets模块中的数据集
将数据集划分为训练集和测试集
使用skle
文档评论(0)