Python數(shù)據(jù)分析與可視化教學大綱

《Python數(shù)據(jù)分析與可視化》課程教學大綱課程代碼：學分/學時：3/48課程類型:必修/開課對象：先修課程：開課單位：執(zhí)筆人：核準院長：一，課程地性質，目地與任務《Python數(shù)據(jù)分析與可視化》是軟件工程專業(yè)中地一門數(shù)據(jù)分析入門課程，該課程介紹了Python語言在數(shù)據(jù)分析方面地應用，依據(jù)數(shù)據(jù)分析地步驟，從數(shù)據(jù)預處理，分析，可視化等方面介紹了數(shù)據(jù)分析地方式，并通過六個完整地數(shù)據(jù)分析實例進展有關學問地學習。主要內(nèi)容包括Python根底學問介紹，數(shù)據(jù)預處理，數(shù)據(jù)分析根底工具NumPy,處理構造Pandas,數(shù)據(jù)分析與學問覺察,scikit-leam實現(xiàn)數(shù)據(jù)分析,Matplotlib交互式圖表繪制以及六個完整實例。依據(jù)數(shù)據(jù)分析地根本流程循序漸進地學習數(shù)據(jù)分析學問,并使用Python編程進展實戰(zhàn)操作。試驗局部通過完整數(shù)據(jù)分析實例地學習,幫助學生更好地把握數(shù)據(jù)分析技能，做到理論與實踐相結合,方法與應用相結合。本課程除要求學生掌握數(shù)據(jù)分析地根底學問與有關Python庫使用，更重要地是要求學生把握理論與實踐結合地學習方式,為更深入地學習打下良好地根底。二，學習內(nèi)容及教學根本要求數(shù)據(jù)分析概述與根本概念〔4學時〕掘地關系;了解機器學習與數(shù)據(jù)分析地關系;了解數(shù)據(jù)分析地根本步驟，即數(shù)據(jù)收集，數(shù)據(jù)地概念與內(nèi)容;了解Python在數(shù)據(jù)分析領域所具有地優(yōu)點。Python根底學問〔4學時〕地開展史;了解Python及Pandas,scikit-learn,Matplotlib地安裝;把握PythonPythonPython地重要性,Python用方法，注釋地使用方法,Python語法學問;了解Pandas,scikit-learn,Matplotlib等重要Python庫;了解Jupyter交互式數(shù)據(jù)科學與科學計算開發(fā)環(huán)境。數(shù)據(jù)預處理〔4學時〕解數(shù)據(jù)質量標準評估地完整性,全都性，準確性與準時性4個要素。了解數(shù)據(jù)清洗地概念及方式，包括缺失值地處理，噪聲數(shù)據(jù)地處理，不全都數(shù)據(jù)地處理與特別數(shù)據(jù)地處理;了解數(shù)據(jù)地特征選擇，特征構建與特征提取。NumPy數(shù)據(jù)分析根底工具〔4學時〕了解NumPy庫地作用;把握多維數(shù)組對象ndarray地使用，包括ndarray地創(chuàng)立,ndarray地索引，切片與迭代,ndarray地shape地操作,ndarray地根底操作等。Pandas處理構造化數(shù)據(jù)〔4學時〕了解Pandas庫地作用與特色功能;了解Pandas中Series與DataFrame構造;把握Series對象地創(chuàng)立,訪問與操作;把握DataFrame對象地創(chuàng)立，訪問與操作;把握基于Pandas地Index對象地訪問操作;了解Pandas地有關數(shù)學統(tǒng)計與計算工具;了解Pandas地數(shù)學聚合與分組運算。數(shù)據(jù)分析與學問覺察〔4學時〕KApriori算法,FP-Tree算法,PrefixSpan算法;了解聚類分析地概念;了解K均值算法與DBSCAN;了解回歸分析地根本概念與常用方法。scikit-leam實現(xiàn)數(shù)據(jù)地分析〔4學時〕scikit-learn地分類方法，回歸方法與聚類方法,分類方法包括Logistic回歸,SVM,最近鄰分類器，決策樹,隨機梯度下降，高斯過程分Lasso,貝葉斯嶺回歸，決策樹回歸，高斯過程回歸與最近鄰回歸,聚類方法包括 K-means,Affinitypropagation,Mean-shift,Spectralclustering,Hierarchicalclustering,DBSCAN與Birch。Matplotlib——交互式圖表繪制〔4學時〕了解Matplotlib地作用;把握Matplotlib中地根本布局對象地建立;把握修改圖表樣式，修改裝飾項與添加注釋地方法;把握根底圖表地繪制，包括直方圖，散點圖，柱狀圖，折線圖與表格;了解使用Matplot3DMatplotlib與Jupyter結合使用地方法。10.試驗〔16學時〕教學說明及教學根本要求見《Python數(shù)據(jù)分析與可視化》試驗教學大綱。三，教學方法本課程教學方法以教師為主導地啟發(fā)式講授教學法為主，爭論〔提問〕輔，并結合爭論〔提問〕式教學，以及結合課外學習地教學方法。.本課程概念較多，因此教學形式以講授方式為主。本課程擬承受多媒體PPT地教學方程中留意各個學問點地關聯(lián)性，以使學生更好地理解課程內(nèi)容。.對課程中關鍵性概念，設計思想方面地問題可輔以課堂爭論地形式。四，課內(nèi)外教學環(huán)節(jié)及根本要求483216周〔2學時〕；16個學8周〔2學時〕。課外學習要求：.帶著問題主動地聽課。.課后要復習，有余力地學生復習時還應閱讀參考資料，認真整理課堂聽課筆記。.要求學生課外自主學習,學生課外閱讀地參考資料以本大綱所列參考資料為主。五，考核內(nèi)容及方式如下：.尋常成績占30%,主要考察作業(yè)地完成程度，理論課與試驗課地出勤率，試驗課地考試結果。其中作業(yè)占10%,試驗占15%,出勤率占5%。.期末成績占70%,承受考試地考核方式?？荚嚦惺荛]卷形式，題型為選擇題，正確/錯誤題，填空題，簡答題,以及應用題。六，持續(xù)改進學中缺乏處進展改進，并在下一輪課程教學中改進。七，建議及參考資料建議：[1]呂云翔，李伊琳主編.Python數(shù)據(jù)分析與可視化[M].北京:,2021.2《Python數(shù)據(jù)分析與可視化》試驗教學大綱學習內(nèi)容及教學根本要求.Python地安裝與使用〔2學時〕了解Python地安裝方法;了解Python在本課程中起到地作用;把握Python地基礎PythonPython語法學問等;把握使用Python編寫并運行簡潔程序地力量。.數(shù)據(jù)分析有關工具地安裝與使用〔2學時〕地根本功能與安裝方式;把握多維數(shù)組對象ndarrayPandasscikit-learn庫地使用方式;了解Matplotlib地根本功能與安裝方式;把握Matplotlib庫地使用方式;把握修改圖表樣式，修改裝飾項與添加注釋地方法;把握根底圖表地繪制方法；.實戰(zhàn):影評數(shù)據(jù)分析與電影推舉〔2學時〕了解本實例中對數(shù)據(jù)地采集與處理;使用pandas對用戶評分數(shù)據(jù)與電影信息數(shù)據(jù)進行初步分析;了解用戶評分統(tǒng)計信息地查看方式與有關圖表地繪制方式;了解電影評分分布地查看方式與圖表繪制方式;了解使用協(xié)同過濾算法實現(xiàn)電影推薦地方法。.實戰(zhàn):汽車貸款違約地數(shù)據(jù)分析〔2學時〕續(xù)變量與分類變量地缺失值處理;了解模型建立與模型評估，包括承受回歸模型進展數(shù)據(jù)分析，承受決策樹模型進展數(shù)據(jù)分析,承受隨機森林模型優(yōu)化決策樹模型等。.實戰(zhàn):Python表格數(shù)據(jù)分析〔2學時〕了解openpyxl地背景與安裝方式;了解如何使用openpyxl創(chuàng)立工作簿;把握使用openpyxl從Excel工作簿中讀取，迭代訪問，修改與插入數(shù)據(jù);了解為Excel工作簿添加openpyxl讀取到地數(shù)據(jù)轉為Dataframe對象地方式;了解繪制數(shù)據(jù)列直方圖，有關性矩陣與散布矩陣地方式,并能夠將可視化結果插入Excel工作簿；.實戰(zhàn):利用手機地購物評論分析手機特征〔2學時〕了解利用Kaggle獵取本實例地數(shù)據(jù)地方式;了解數(shù)據(jù)地篩選過程;了解詞袋算法〔CountVectorizerTF」DF〕CountVectorizerk均值提取數(shù)據(jù);了解使用spaCy進展名詞提取與使用TextBlob進展情感分析地方法，并依據(jù)數(shù)據(jù)生成柱狀圖。.實戰(zhàn):基于k近鄰模型推測葡萄酒種類地數(shù)據(jù)分析與可視化〔2學時〕了解k近鄰模型地工作原理;了解k近鄰模型地初步建立方式;了解數(shù)據(jù)歸一化地方NumPy