Python数据分析与应用（第3版）（微课版）-教学大纲、授课计划.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

先修课程：Python编程基础

总学时：64学时（其中理论28学时，实验36学时）

总学分：4.0学分

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。

课程的基本要求

理论上，要求学生掌握数据分析的概念、流程；了解数据分析的应用场景和工具；掌握数据分析常用库的作用；掌握数值计算、统计分析、数据预处理、数据可视化、模型构建的常用方法。

技能上，要求学生掌握使用Python进行数值计算、统计分析、数据预处理、数据可视化、模型构建的操作方法，能将知识点揉入餐饮企业真实示例中，实现学以致用；并能基于TipDM大数据挖掘建模平台，使用拖拽式、流程化、去编程化的新技术，解决实际案例。

思政上，将习近平新时代中国特色社会主义思想、数据安全法等思政要素融汇到教学中，引发学生对新技术、新形势的思考，促进经济、行业的进一步发展；培养学生的科学探索、独立思考、全局意识和思辨能力，以及职业素养、信息保护意识等。

教学条件

Python3.11.7+Anaconda32024.02-1

课程学时分配

序号

教学内容

理论学时

实验学时

其他

1

项目1Python数据分析概述

2

1

2

项目2粮食产量分析——NumPy数值计算基础

2

3

3

项目3工业产品产量统计分析——pandas统计分析基础

2

3

4

项目4电商产品销售数据预处理——使用pandas进行数据预处理

3

4

5

项目5电商销售可视化分析——Matplotlib、seaborn、pyecharts数据可视化基础

3

5

6

项目6线上书籍网站数据可视化分析

6

5

7

项目7线上书籍网站数据综合分析——使用scikit-learn构建模型

4

5

8

项目8餐饮企业综合分析

3

5

9

项目9基于TipDM大数据挖掘建模平台实现客户流失预测

3

5

总计

28

36

教学内容及学时安排

理论教学

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数据分析的常用库

了解Python的Anaconda发行版

在Windows操作系统上安装Anaconda

掌握JupyterNotebook的基础功能

掌握JupyterNotebook的高级功能

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系统下Anaconda安装

掌握JupyterNotebook的常用功能

2

2

粮食产量分析——NumPy数值计算基础

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

2

3

工业产品产量统计分析——pandas统计分析基础

认识pandas库

读/写文本文件

读/写Excel文件

读/写数据库数据

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

掌握常见的数据读取方式

掌握DataFrame常用属性与方法

掌握基础时间数据处理方法

掌握分组聚合的原理与方法

2

4

电商产品销售数据预处理——使用pandas进行数据预处理

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

掌握数据合并的原理与方法

掌握数据清洗的基本方法

掌握基本数据标准化的方法

掌握常用的数据转换方法

3

5

电商销售可视化分析——Mat