Python數(shù)據(jù)分析與應用（第3版）（微課版）-教學大綱、授課計劃

《Python數(shù)據(jù)分析與應用》教學大綱課程名稱：Python數(shù)據(jù)分析與應用課程類別：必修適用專業(yè)：大數(shù)據(jù)技術類相關專業(yè)先修課程：Python編程基礎總學時：64學時（其中理論28學時，實驗36學時）總學分：4.0學分課程的性質大數(shù)據(jù)時代已經(jīng)到來，在商業(yè)、經(jīng)濟及其他領域中基于數(shù)據(jù)和分析去發(fā)現(xiàn)問題并做出科學、客觀的決策越來越重要。數(shù)據(jù)分析技術將幫助企業(yè)用戶在合理時間內獲取、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，廣泛應用于物聯(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Python數(shù)據(jù)分析與應用課程。課程的基本要求理論上，要求學生掌握數(shù)據(jù)分析的概念、流程；了解數(shù)據(jù)分析的應用場景和工具；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)預處理、數(shù)據(jù)可視化、模型構建的常用方法。技能上，要求學生掌握使用Python進行數(shù)值計算、統(tǒng)計分析、數(shù)據(jù)預處理、數(shù)據(jù)可視化、模型構建的操作方法，能將知識點揉入餐飲企業(yè)真實示例中，實現(xiàn)學以致用；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，解決實際案例。思政上，將習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中，引發(fā)學生對新技術、新形勢的思考，促進經(jīng)濟、行業(yè)的進一步發(fā)展；培養(yǎng)學生的科學探索、獨立思考、全局意識和思辨能力，以及職業(yè)素養(yǎng)、信息保護意識等。教學條件Python3.11.7+Anaconda32024.02-1課程學時分配序號教學內容理論學時實驗學時其他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234項目4電商產(chǎn)品銷售數(shù)據(jù)預處理——使用pandas進行數(shù)據(jù)預處理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)客戶流失預測35總計2836教學內容及學時安排理論教學序號章節(jié)名稱主要內容教學目標學時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JupyterNotebook的基礎功能掌握JupyterNotebook的高級功能掌握數(shù)據(jù)分析的概念、流程與應用場景了解Python常用的數(shù)據(jù)分析庫掌握Windows系統(tǒng)下Anaconda安裝掌握JupyterNotebook的常用功能22糧食產(chǎn)量分析——NumPy數(shù)值計算基礎創(chuàng)建數(shù)組對象生成隨機數(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)計分析基礎認識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)轉換字符串時間為標準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方法拆分數(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)預處理——使用pandas進行數(shù)據(jù)預處理堆疊合并數(shù)據(jù)主鍵合并數(shù)據(jù)重疊合并數(shù)據(jù)檢測與處理重復值檢測與處理缺失值檢測與處理異常值離差標準化數(shù)據(jù)標準差標準化數(shù)據(jù)小數(shù)定標標準化數(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)標準化的方法掌握常用的數(shù)據(jù)轉換方法35電商銷售可視化分析——Matplotlib、seaborn、pyecharts數(shù)據(jù)可視化基礎掌握pyplot的基礎語法設置pyplot的動態(tài)rc參數(shù)使用Matplotlib繪制進階圖形熟悉seaborn繪圖基礎使用seaborn繪制基礎圖形熟悉pyecharts繪圖基礎使用pyecharts繪制交互式圖形掌握pyplot常用的繪圖參數(shù)的調節(jié)方法掌握seaborn繪制基礎圖形的方法掌握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識可視化分析線上網(wǎng)站書籍數(shù)據(jù)可視化分析的步驟與流程掌握線上網(wǎng)站書籍數(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)集劃分為訓練集和測試集使用sklearn轉換器進行數(shù)據(jù)預處理與降維使用sklearn估計器構建聚類模型評價聚類模型使用sklearn估計器構建分類模型評價分類模型使用sklearn估計器構建回歸模型評價回歸模型掌握sklearn轉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建與評價掌握分類模型的構建與評價掌握回歸模型的構建與評價48餐飲企業(yè)綜合分析了解餐飲企業(yè)客戶流失預測背景認識餐飲企業(yè)綜合分析熟悉餐飲企業(yè)客戶流失預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算法熟悉餐飲企業(yè)客戶流失預測的步驟與流程了解決策樹算法的基本原理與應用了解支持向量機算法的基本原理與應用39基于TipDM大數(shù)據(jù)挖掘建模平臺實現(xiàn)客戶流失預測了解平臺的界面、訪問方式和特點了解【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測案例的流程和步驟數(shù)據(jù)源配置數(shù)據(jù)預處理構建模型了解平臺的相關概念、特點和功能掌握平臺配置客戶流失預測案例的流程和步驟3學時合計28實驗教學序號實驗項目名稱實驗要求學時1Python數(shù)據(jù)分析概述在Windows系統(tǒng)上安裝Anaconda掌握JupyterNotebook的常用功能12糧食產(chǎn)量分析——NumPy數(shù)值計算基礎創(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)進行描述性分析轉換字符串時間為標準時間提取時間序列數(shù)據(jù)信息加減時間數(shù)據(jù)轉換時間字符串為標準時間計算各工業(yè)產(chǎn)品2023年的總產(chǎn)量使用groupby方法拆分數(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)預處理——使用pandas進行數(shù)據(jù)預處理堆疊、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)異常值離差標準化、標準差標準化小數(shù)定標標準化數(shù)據(jù)對商品售出價格進行標準差標準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)進行啞變量處理對年齡和價格數(shù)據(jù)進行離散化45電商銷售可視化分析——Matplotlib、seaborn、pyecharts數(shù)據(jù)可視化基礎掌握pyplot的基本繪圖語法設置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繪圖基礎使用seaborn繪制基礎圖形分析商品售出價格和用戶年齡的關系熟悉pyecharts繪圖基礎使用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)量關系熱力圖繪制2014年-2023年書籍數(shù)量和書籍評分3D散點圖撰寫線上網(wǎng)站書籍數(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構建模型加載datasets模塊自帶數(shù)據(jù)集劃分數(shù)據(jù)集使用sklearn轉換器進行數(shù)據(jù)預處理與降維加載線上網(wǎng)站書籍數(shù)據(jù)對聚類特征進行預處理構建與評價聚類模型構建線上網(wǎng)站書籍數(shù)據(jù)聚類模型評估線上網(wǎng)站書籍數(shù)據(jù)聚類模型構建與評價分類模型對分類特征進行預處理構建線上網(wǎng)站書籍分類模型評估線上網(wǎng)站書籍分類模型構建與評價回歸模型對于回歸特征進行預處理構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)中的重復值、異常值、缺失值構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進行餐飲客戶流失預測59基于TipDM大數(shù)據(jù)挖掘建模平臺實現(xiàn)客戶流失預測配置客戶流失預測案例的數(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)進行預處理基于TipDM數(shù)據(jù)挖掘建模平臺構建餐飲客戶流失預測模型5學時合計36考核方式突出學生解決實際問題的能力，加強過程性考核。課程考核的成績構成=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、模型構建等部分，題型可采用判斷題、選擇、簡答、應用題等方式。教材與參考資料教材曾文權，張良均．Python數(shù)據(jù)分析與應用（第3版）（微課版）[M]．北京：人民郵電出版社．2025．參考資料[1] 張良均，譚立云．Python數(shù)據(jù)分析與挖掘實戰(zhàn)（第2版）[M]．北京：機械工業(yè)出版社．2019．[2] 張健，張良均．Python編程基礎[M]．北京：人民郵電出版社．2018．[3] 曾文權，張良均．Python數(shù)據(jù)分析與應用（第2版）（微課版）[M]．北京：人民郵電出版社．2022．學院課程教學進度計劃表（20～20學年第二學期） 課程名稱Python數(shù)據(jù)分析與應用 授課學時64 參與教學教師 授課班級/人數(shù) 專業(yè)（教研室） 填表時間教務處編印年月課程教學目的通過本課程的學習，使學生學會使用Python進行科學計算、可視化繪圖、數(shù)據(jù)處理，分析與建模，并詳細拆解學習聚類、回歸、分類三個企業(yè)案例，將理論與實踐相結合，為將來從事數(shù)據(jù)分析挖掘研究、工作奠定基礎。教學方法及手段本課程將采用理論與實踐相結合的教學方法。在理論上，通過任務引入概念、原理和方法。在實踐上，充分地利用現(xiàn)有的硬件資源，發(fā)揮學生主觀能動性，指導學生使用NumPy進行科學計算，使用pandas進行統(tǒng)計分析和數(shù)據(jù)預處理，使用Matplotlib、seaborn、pyecharts進行圖形繪制，使用sklearn進行建模。同時結合綜合案例，引導學生將所學知識與企業(yè)需求相結合，將知識活學活用。要求學生自己動手分析實例，學習基本理論和方法，結合已有的知識，適當組織一些討論，充分調動學生的主觀能動性，以達到本課程的教學目的。課程考核方法突出學生解決實際問題的能力，加強過程性考核。課程考核的成績構成=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，試題應包括基本概念、分組聚合、數(shù)據(jù)合并、數(shù)據(jù)清洗、數(shù)據(jù)變換、繪圖、模型構建等部分，題型可采用判斷題、選擇、簡答、應用題等方式。

《Python數(shù)據(jù)分析與應用》教學日歷周次學時授課內容作業(yè)要求備注13項目1Python數(shù)據(jù)分析概述項目1課后習題25項目2糧食產(chǎn)量分析——NumPy數(shù)值計算基礎項目2實訓，課后習題33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（1）項目3課后習題45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（2）項目4電商產(chǎn)品銷售數(shù)據(jù)預處理——使用pandas進行數(shù)據(jù)預處理（1）項目3實訓項目4選擇題53項目4電商產(chǎn)品銷售數(shù)據(jù)預處理——使用pandas進行數(shù)據(jù)預處理（2）項目4操作題、實踐題65項目4電商產(chǎn)品銷售數(shù)據(jù)預