Python数据分析与应用教学大纲.docx

《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