Python數(shù)據(jù)分析與應(yīng)用（第3版）（微課版）-教學(xué)大綱

《Python數(shù)據(jù)分析與應(yīng)用》教學(xué)大綱課程名稱：Python數(shù)據(jù)分析與應(yīng)用課程類別：必修適用專業(yè)：大數(shù)據(jù)技術(shù)類相關(guān)專業(yè)先修課程：Python編程基礎(chǔ)總學(xué)時：64學(xué)時（其中理論28學(xué)時，實驗36學(xué)時）總學(xué)分：4.0學(xué)分課程的性質(zhì)大數(shù)據(jù)時代已經(jīng)到來，在商業(yè)、經(jīng)濟(jì)及其他領(lǐng)域中基于數(shù)據(jù)和分析去發(fā)現(xiàn)問題并做出科學(xué)、客觀的決策越來越重要。數(shù)據(jù)分析技術(shù)將幫助企業(yè)用戶在合理時間內(nèi)獲取、管理、處理以及整理海量數(shù)據(jù)，為企業(yè)經(jīng)營決策提供積極的幫助。數(shù)據(jù)分析作為一門前沿技術(shù)，廣泛應(yīng)用于物聯(lián)網(wǎng)、云計算、移動互聯(lián)網(wǎng)等戰(zhàn)略新興產(chǎn)業(yè)。有實踐經(jīng)驗的數(shù)據(jù)分析人才已經(jīng)成為了各企業(yè)爭奪的熱門。為了推動我國大數(shù)據(jù)，云計算，人工智能行業(yè)的發(fā)展，滿足日益增長的數(shù)據(jù)分析人才需求，特開設(shè)Python數(shù)據(jù)分析與應(yīng)用課程。課程的基本要求理論上，要求學(xué)生掌握數(shù)據(jù)分析的概念、流程；了解數(shù)據(jù)分析的應(yīng)用場景和工具；掌握數(shù)據(jù)分析常用庫的作用；掌握數(shù)值計算、統(tǒng)計分析、數(shù)據(jù)預(yù)處理、數(shù)據(jù)可視化、模型構(gòu)建的常用方法。技能上，要求學(xué)生掌握使用Python進(jìn)行數(shù)值計算、統(tǒng)計分析、數(shù)據(jù)預(yù)處理、數(shù)據(jù)可視化、模型構(gòu)建的操作方法，能將知識點(diǎn)揉入餐飲企業(yè)真實示例中，實現(xiàn)學(xué)以致用；并能基于TipDM大數(shù)據(jù)挖掘建模平臺，使用拖拽式、流程化、去編程化的新技術(shù)，解決實際案例。思政上，將習(xí)近平新時代中國特色社會主義思想、數(shù)據(jù)安全法等思政要素融匯到教學(xué)中，引發(fā)學(xué)生對新技術(shù)、新形勢的思考，促進(jìn)經(jīng)濟(jì)、行業(yè)的進(jìn)一步發(fā)展；培養(yǎng)學(xué)生的科學(xué)探索、獨(dú)立思考、全局意識和思辨能力，以及職業(yè)素養(yǎng)、信息保護(hù)意識等。教學(xué)條件Python3.11.7+Anaconda32024.02-1課程學(xué)時分配序號教學(xué)內(nèi)容理論學(xué)時實驗學(xué)時其他1項目1Python數(shù)據(jù)分析概述212項目2糧食產(chǎn)量分析——NumPy數(shù)值計算基礎(chǔ)233項目3工業(yè)產(chǎn)品產(chǎn)量統(tǒng)計分析——pandas統(tǒng)計分析基礎(chǔ)234項目4電商產(chǎn)品銷售數(shù)據(jù)預(yù)處理——使用pandas進(jìn)行數(shù)據(jù)預(yù)處理345項目5電商銷售可視化分析——Matplotlib、seaborn、pyecharts數(shù)據(jù)可視化基礎(chǔ)356項目6線上書籍網(wǎng)站數(shù)據(jù)可視化分析657項目7線上書籍網(wǎng)站數(shù)據(jù)綜合分析——使用scikit-learn構(gòu)建模型458項目8餐飲企業(yè)綜合分析359項目9基于TipDM大數(shù)據(jù)挖掘建模平臺實現(xiàn)客戶流失預(yù)測35總計2836教學(xué)內(nèi)容及學(xué)時安排理論教學(xué)序號章節(jié)名稱主要內(nèi)容教學(xué)目標(biāo)學(xué)時1Python數(shù)據(jù)分析概述掌握數(shù)據(jù)分析的概念掌握數(shù)據(jù)分析的流程了解數(shù)據(jù)分析的應(yīng)用場景了解數(shù)據(jù)分析的常用工具了解Python數(shù)據(jù)分析的優(yōu)勢了解Python數(shù)據(jù)分析的常用庫了解Python的Anaconda發(fā)行版在Windows操作系統(tǒng)上安裝Anaconda掌握J(rèn)upyterNotebook的基礎(chǔ)功能掌握J(rèn)upyterNotebook的高級功能掌握數(shù)據(jù)分析的概念、流程與應(yīng)用場景了解Python常用的數(shù)據(jù)分析庫掌握Windows系統(tǒng)下Anaconda安裝掌握J(rèn)upyterNotebook的常用功能22糧食產(chǎn)量分析——NumPy數(shù)值計算基礎(chǔ)創(chuàng)建數(shù)組對象生成隨機(jī)數(shù)通過索引訪問數(shù)組變換數(shù)組的形態(tài)創(chuàng)建NumPy矩陣掌握ufunc函數(shù)讀/寫文件使用數(shù)組進(jìn)行簡單的統(tǒng)計分析掌握NumPy創(chuàng)建多維數(shù)組與生成隨機(jī)數(shù)的方法掌握數(shù)組的索引與變換掌握NumPy中數(shù)組矩陣的運(yùn)算及通用函數(shù)的基本使用方法掌握NumPy讀寫文件的方法和常用的統(tǒng)計分析的函數(shù)23工業(yè)產(chǎn)品產(chǎn)量統(tǒng)計分析——pandas統(tǒng)計分析基礎(chǔ)認(rèn)識pandas庫讀/寫文本文件讀/寫Excel文件讀/寫數(shù)據(jù)庫數(shù)據(jù)查看DataFrame的常用屬性查改增刪DataFrame數(shù)據(jù)描述分析DataFrame數(shù)據(jù)轉(zhuǎn)換字符串時間為標(biāo)準(zhǔn)時間提取時間序列數(shù)據(jù)信息加減時間數(shù)據(jù)使用groupby方法拆分?jǐn)?shù)據(jù)使用agg方法聚合數(shù)據(jù)使用apply方法聚合數(shù)據(jù)使用transform方法聚合數(shù)據(jù)掌握常見的數(shù)據(jù)讀取方式掌握DataFrame常用屬性與方法掌握基礎(chǔ)時間數(shù)據(jù)處理方法掌握分組聚合的原理與方法24電商產(chǎn)品銷售數(shù)據(jù)預(yù)處理——使用pandas進(jìn)行數(shù)據(jù)預(yù)處理堆疊合并數(shù)據(jù)主鍵合并數(shù)據(jù)重疊合并數(shù)據(jù)檢測與處理重復(fù)值檢測與處理缺失值檢測與處理異常值離差標(biāo)準(zhǔn)化數(shù)據(jù)標(biāo)準(zhǔn)差標(biāo)準(zhǔn)化數(shù)據(jù)小數(shù)定標(biāo)標(biāo)準(zhǔn)化數(shù)據(jù)啞變量處理類別型數(shù)據(jù)離散化連續(xù)型數(shù)據(jù)掌握數(shù)據(jù)合并的原理與方法掌握數(shù)據(jù)清洗的基本方法掌握基本數(shù)據(jù)標(biāo)準(zhǔn)化的方法掌握常用的數(shù)據(jù)轉(zhuǎn)換方法35電商銷售可視化分析——Matplotlib、seaborn、pyecharts數(shù)據(jù)可視化基礎(chǔ)掌握pyplot的基礎(chǔ)語法設(shè)置pyplot的動態(tài)rc參數(shù)使用Matplotlib繪制進(jìn)階圖形熟悉seaborn繪圖基礎(chǔ)使用seaborn繪制基礎(chǔ)圖形熟悉pyecharts繪圖基礎(chǔ)使用pyecharts繪制交互式圖形掌握pyplot常用的繪圖參數(shù)的調(diào)節(jié)方法掌握seaborn繪制基礎(chǔ)圖形的方法掌握pyecharts繪制交互式圖形的方法36線上書籍網(wǎng)站數(shù)據(jù)可視化分析了解線上書籍網(wǎng)站數(shù)據(jù)可視化分析的背景認(rèn)識可視化分析線上網(wǎng)站書籍?dāng)?shù)據(jù)可視化分析的步驟與流程掌握線上網(wǎng)站書籍?dāng)?shù)據(jù)可視化分析的步驟與流程掌握線上書籍網(wǎng)站數(shù)據(jù)可視化分析67線上書籍網(wǎng)站數(shù)據(jù)綜合分析——使用scikit-learn構(gòu)建模型加載datasets模塊中的數(shù)據(jù)集將數(shù)據(jù)集劃分為訓(xùn)練集和測試集使用sklearn轉(zhuǎn)換器進(jìn)行數(shù)據(jù)預(yù)處理與降維使用sklearn估計器構(gòu)建聚類模型評價聚類模型使用sklearn估計器構(gòu)建分類模型評價分類模型使用sklearn估計器構(gòu)建回歸模型評價回歸模型掌握sklearn轉(zhuǎn)換器的使用方法掌握sklearn估計器的使用方法掌握聚類模型的構(gòu)建與評價掌握分類模型的構(gòu)建與評價掌握回歸模型的構(gòu)建與評價48餐飲企業(yè)綜合分析了解餐飲企業(yè)客戶流失預(yù)測背景認(rèn)識餐飲企業(yè)綜合分析熟悉餐飲企業(yè)客戶流失預(yù)測的步驟與流程了解K-Means聚類算法了解決策樹算法了解支持向量機(jī)算法熟悉餐飲企業(yè)客戶流失預(yù)測的步驟與流程了解決策樹算法的基本原理與應(yīng)用了解支持向量機(jī)算法的基本原理與應(yīng)用39基于TipDM大數(shù)據(jù)挖掘建模平臺實現(xiàn)客戶流失預(yù)測了解平臺的界面、訪問方式和特點(diǎn)了解【共享庫】模塊的功能了解【數(shù)據(jù)連接】模塊的功能了解【數(shù)據(jù)集】模塊的功能了解【我的工程】模塊的功能了解【個人組件】模塊的功能掌握平臺配置客戶流失預(yù)測案例的流程和步驟數(shù)據(jù)源配置數(shù)據(jù)預(yù)處理構(gòu)建模型了解平臺的相關(guān)概念、特點(diǎn)和功能掌握平臺配置客戶流失預(yù)測案例的流程和步驟3學(xué)時合計28實驗教學(xué)序號實驗項目名稱實驗要求學(xué)時1Python數(shù)據(jù)分析概述在Windows系統(tǒng)上安裝Anaconda掌握J(rèn)upyterNotebook的常用功能12糧食產(chǎn)量分析——NumPy數(shù)值計算基礎(chǔ)創(chuàng)建years數(shù)組和grain_yield數(shù)組生成模擬糧食作物播種面積數(shù)據(jù)將years數(shù)組和grain_yield數(shù)組轉(zhuǎn)換為二維數(shù)組創(chuàng)建包含糧食產(chǎn)量數(shù)據(jù)的矩陣計算糧食產(chǎn)量的年增長量讀取糧食產(chǎn)量年度數(shù)據(jù).CSV文件對糧食產(chǎn)量數(shù)據(jù)進(jìn)行統(tǒng)計分析33工業(yè)產(chǎn)品產(chǎn)量統(tǒng)計分析——pandas統(tǒng)計分析基礎(chǔ)讀寫文本文件讀寫Excel文件讀寫數(shù)據(jù)庫數(shù)據(jù)讀取工業(yè)產(chǎn)品產(chǎn)量數(shù)據(jù)查看DataFrame的常用屬性查改增刪DataFrame數(shù)據(jù)描述分析DataFrame數(shù)據(jù)查看工業(yè)產(chǎn)品產(chǎn)量數(shù)據(jù)的整體情況對工業(yè)產(chǎn)品產(chǎn)量數(shù)據(jù)進(jìn)行描述性分析轉(zhuǎn)換字符串時間為標(biāo)準(zhǔn)時間提取時間序列數(shù)據(jù)信息加減時間數(shù)據(jù)轉(zhuǎn)換時間字符串為標(biāo)準(zhǔn)時間計算各工業(yè)產(chǎn)品2023年的總產(chǎn)量使用groupby方法拆分?jǐn)?shù)據(jù)使用agg，apply，transform方法聚合數(shù)據(jù)計算工業(yè)產(chǎn)品月產(chǎn)量統(tǒng)計量計算工業(yè)產(chǎn)品年產(chǎn)量增長率分析工業(yè)產(chǎn)品年產(chǎn)量變化趨勢34電商產(chǎn)品銷售數(shù)據(jù)預(yù)處理——使用pandas進(jìn)行數(shù)據(jù)預(yù)處理堆疊、主鍵、重疊合并數(shù)據(jù)合并訂單信息數(shù)據(jù)和商品信息數(shù)據(jù)檢測與處理重復(fù)值，缺失值，異常值檢測與處理電商產(chǎn)品銷售數(shù)據(jù)重復(fù)值檢測與處理電商產(chǎn)品銷售數(shù)據(jù)缺失值檢測與處理電商產(chǎn)品銷售數(shù)據(jù)異常值離差標(biāo)準(zhǔn)化、標(biāo)準(zhǔn)差標(biāo)準(zhǔn)化小數(shù)定標(biāo)標(biāo)準(zhǔn)化數(shù)據(jù)對商品售出價格進(jìn)行標(biāo)準(zhǔn)差標(biāo)準(zhǔn)化啞變量處理類別型數(shù)據(jù)離散化連續(xù)型數(shù)據(jù)對性別、銷售渠道、平臺類型數(shù)據(jù)進(jìn)行啞變量處理對年齡和價格數(shù)據(jù)進(jìn)行離散化45電商銷售可視化分析——Matplotlib、seaborn、pyecharts數(shù)據(jù)可視化基礎(chǔ)掌握pyplot的基本繪圖語法設(shè)置pyplot的動態(tài)rc參數(shù)分析不同性別用戶數(shù)量分布情況分析用戶年齡分布情況分析每月訂單數(shù)量變化趨勢熟悉seaborn繪圖基礎(chǔ)使用seaborn繪制基礎(chǔ)圖形分析商品售出價格和用戶年齡的關(guān)系熟悉pyecharts繪圖基礎(chǔ)使用pyecharts繪制交互式圖形分析年齡段、用戶地區(qū)與訂單數(shù)量的關(guān)系商品類別詞云圖56線上書籍網(wǎng)站數(shù)據(jù)可視化分析檢測與處理缺失值檢測重復(fù)值變換數(shù)據(jù)的格式繪制Top5出版社分布餅圖繪制圖書價格區(qū)間分布柱狀圖繪制各評論數(shù)量關(guān)系熱力圖繪制2014年-2023年書籍?dāng)?shù)量和書籍評分3D散點(diǎn)圖撰寫線上網(wǎng)站書籍?dāng)?shù)據(jù)可視化分析報告57線上書籍網(wǎng)站數(shù)據(jù)綜合分析——使用scikit-learn構(gòu)建模型加載datasets模塊自帶數(shù)據(jù)集劃分?jǐn)?shù)據(jù)集使用sklearn轉(zhuǎn)換器進(jìn)行數(shù)據(jù)預(yù)處理與降維加載線上網(wǎng)站書籍?dāng)?shù)據(jù)對聚類特征進(jìn)行預(yù)處理構(gòu)建與評價聚類模型構(gòu)建線上網(wǎng)站書籍?dāng)?shù)據(jù)聚類模型評估線上網(wǎng)站書籍?dāng)?shù)據(jù)聚類模型構(gòu)建與評價分類模型對分類特征進(jìn)行預(yù)處理構(gòu)建線上網(wǎng)站書籍分類模型評估線上網(wǎng)站書籍分類模型構(gòu)建與評價回歸模型對于回歸特征進(jìn)行預(yù)處理構(gòu)建書籍評分回歸模型評估書籍評分回歸模型58餐飲企業(yè)綜合分析探索數(shù)據(jù)查看與處理餐飲企業(yè)數(shù)據(jù)中的重復(fù)值、異常值、缺失值構(gòu)建客戶流失特征選取并處理客戶價值特征餐飲企業(yè)客戶價值分析使用決策樹和支持向量機(jī)進(jìn)行餐飲客戶流失預(yù)測59基于TipDM大數(shù)據(jù)挖掘建模平臺實現(xiàn)客戶流失預(yù)測配置客戶流失預(yù)測案例的數(shù)據(jù)源基于TipDM數(shù)據(jù)挖掘建模平臺對餐飲企業(yè)數(shù)據(jù)進(jìn)行預(yù)處理基于TipDM數(shù)據(jù)挖掘建模平臺構(gòu)建餐飲客戶流失預(yù)測模型5學(xué)時合計36考核方式突出學(xué)生解決實際問題的能力，加強(qiáng)過程性考核。課程考核的成績構(gòu)成=平時作業(yè)（10%）+課堂參與（20%）+期末考核（70%），期末考試建議采用開卷形式，試題應(yīng)包括基本概念、繪圖、分組聚合、數(shù)據(jù)合并、數(shù)據(jù)清洗、數(shù)據(jù)變換、模型構(gòu)建等部分，題型可采用判斷題、選