Python数据分析与可视化教与学（教学大纲和教案） |
您所在的位置：网站首页 › python数据分析与应用:从数据获取到可视化 › Python数据分析与可视化教与学（教学大纲和教案） |
Python数据分析与可视化教与学（教学大纲和教案）
|
课程使用教材 扫码，优惠购书 凡是在京东购书的用户，可以将订单信息和评价发到[email protected]，将会获取超值大礼包（包括案例源码，超多的视频教程，数据集等资源） 本书配套视频样例 《Python数据分析与可视化》课程教案（首页） 学院：计算机系/学院 课程/项目名称 数据分析与可视化 课程 总学时：60学时理论：36学时实验：24学时 学分 3 课程 课程类别：专业必修 ■专业必修 □ 公共必修 □公共选修 授课教师 *** 授课专业 大数据技术与应用 授课班级 教学目的和要求 通过本课程的学习，让学生接触并了解数据分析与可视化的基本使用方法，使学生具有Python数据分析、设计和可视化开发的能力，并具有较强的分析问题和解决问题的能力，为将来从事数据科学相关领域的工作打下坚实的基础。 教学重点、难点 教学重点：掌握数据分析与可视化的基本原理与方法；熟悉Python语言，能够熟练使用Python扩展库；掌握Numpy库的使用；掌握Pandas的数据分析方法、数据预处理方法；掌握Matplotlib的绘图方法；掌握Seaborn的绘图方法；掌握 pyecharts中绘图的基本用法；掌握Scipy科学计算的基本用法；掌握Scikit-learn中典型的分类与聚类算法的基本用法；掌握利用Open-cv进行图像数据处理的基本用法；教学难点：掌握数据分析与可视化的基本过程和处理步骤；掌握Matplotlib的绘图方法；熟练掌握Pandas数据分析的方法；掌握Scikit-learn中数据分类聚类的基本方法。 教学资源 多媒体课件习题答案 其他教学资源：《Python数据分析与可视化》魏伟一等主编，清华大学出版社 教学环境 多媒体教学，课堂教学与学生上机实践相结合案例实现 《Python数据分析与可视化》课程教案 第 1 次课 2 学时 数据分析与可视化概述 通过本课的学习，学生应该掌握如下知识：1） 数据分析的含义2） 数据可视化的用途3） 数据分析与可视化的常用工具4） Python数据分析与可视化的常用库5） Jupyter Notebook的环境及基本的用法 重点难点 1）数据分析与可视化的内容 安排 教学导入：介绍介绍数据分析与可视化的重要性，举例说明数据分析与可视化的案例，逐步引入到课程的介绍内容中来。授课内容：一、《Python数据分析与可视化》课程介绍介绍本门课程的学科地位、考核方式、学习内容安排、可以参考的学习资料。二、讲授数据分析与可视化的定义、原理与发展1）讲授数据分析的含义和内容2）讲授数据分析与可视化的常用工具3）讲授Python进行数据分析与可视化的优势4）讲授Python中数据分析与可视化的扩展库5）演示Jupyter Notebook的基本用法 安装Anaconda集成环境，熟悉Jupyter Notebook的基本用法 主要参考资料 《Python 数据分析与可视化》魏伟一等主编，清华大学出版社 《Python数据分析与可视化》课程教案 第 2 次课 2 学时 Python编程基本语法、内建数据结构 介绍大Python基础语法及内建数据结构。通过本课的学习，学生应该掌握如下知识：1）Python基础语法；2）内建的数据结构列表、元组、字典和集合的用法 重点难点 Python内建数据结构 安排 授课内容：一、Python语法1）数据类型2）操作符和表达式3）字符串4）流程控制语句二、Python内建数据结构1）列表2）元组3）字典4）集合 掌握Python基本语法，内建数据结构 主要参考资料 《Python 数据分析与可视化》魏伟一等主编，清华大学出版社 《Python数据分析与可视化》课程教案 第 3 次课 2 学时 Python函数及文件操作 介绍Python函数的用法和文件操作。通过本课的学习，学生应该掌握如下知识：1） 函数的定义和调用2）Lambda函数的用法3）Python文件操作基础 重点难点 1）函数的定义和调用、lambda函数的用法 安排 授课内容：一、函数1）函数定义2）函数的调用3）lambda函数的用法二、文件操作1）文件处理的过程2）数据的读取方法3）读取CSV文件4）文件的写入与关闭 掌握函数与文件操作，进行例题练习 主要参考资料 《Python 数据分析与可视化》魏伟一等主编，清华大学出版社 《Python数据分析与可视化》课程教案 第 4 次课 2 学时 上机实验（一） Python编程基础实践通过本课的学习，学生应该掌握如下知识：1）熟悉Jupyter Notebook环境2）Python编程基础 重点难点 1）掌握Python编程基础语法2）函数的用法 安排 实验内容1 ）熟悉Python基本语法2）内建数据结构的用法3）函数的用法4）课本习题练习 熟悉Python编程基础 主要参考资料 《Python 数据分析与可视化》魏伟一等主编，清华大学出版社 《Python数据分析与可视化》课程教案 第5次课 2 学时 Numpy数值计算基础（一） 介绍Numpy中的数组对象、数组的切片访问：1）掌握Numpy数组的创建2）掌握随机数生成方法3）掌握数组变换4）掌握数组的切片和索引方法 重点难点 1）数组的索引2）数组的切片访问 安排 授课内容：一、创建数组对象二、多维数组的对象属性和数据转换三、随机数生成四、数组变换五、数组的索引和切片 NumPy数组操作练习 主要参考资料 《Python 数据分析与可视化》魏伟一等主编，清华大学出版社 《Python数据分析与可视化》课程教案 第 6 次课 2 学时 NumPy数值计算基础（二） 掌握Numpy数组的运算、读写及简单的数据统计分析。通过本课的学习，学生应该掌握如下知识：1） 掌握Numpy数组的运算2） 掌握Numpy数组的读写3） 了解Numpy中数据的统计和分析 重点难点 1） 熟练掌握数组的运算 安排 授课内容：一、数组的运算1） 数组和标量间的运算2） Ufunc函数3） 条件逻辑运算二、数组读写1） 读写二进制文件2） 读写文本文件3） 读取CSV文件三、Numpy中的数据统计与分析1） 排序、数据去重2） 常用统计函数 习题练习 主要参考资料 《Python 数据分析与可视化》魏伟一等主编，清华大学出版社 《Python数据分析与可视化》课程教案 第 7次课 2学时 上机实验（二） NumPy数值计算综合应用通过本课的学习，学生应该掌握如下知识：1）熟悉掌握NumPy数值计算2）熟悉NumPy的数据处理方法 重点难点 1）掌握NumPy的基本用法2）利用NumPy进行数值运算 安排 实验内容1 ）掌握NumPy的数值计算用法2）熟悉应用NumPy进行数值计算3）综合实训读取iris数据集中的花萼长度数据（已保存为CSV格式），并对其进行排序、去重，并求出和、累积和、均值、标准差、方差、最小值、最大值。 熟悉Numpy数值运算 主要参考资料 《Python 数据分析与可视化》魏伟一等主编，清华大学出版社 《Python数据分析与可视化》课程教案 第8次课 2 学时 Pandas统计分析基础（一） 介绍Pandas数据分析中的数据结构及其基本操作。要求学生应该熟练掌握如下知识的运用：1）掌握Pandas中的数据结构2）掌握Pandas索引操作3）掌握DataFrame的数据查询与编辑 重点难点 1）各种Pandas中的各种数据类型2）DataFrame的用法 安排 授课内容：一、Pandas中的数据结构1） Series2） DataFrame3） 索引对象二、Pandas索引操作1） 重建索引2） 更换索引三、DataFrame的数据查询与编辑1） DataFrame的数据查询2） DataFrame的数据编辑 Pandas数据结构及其操作、熟悉教材习题 主要参考资料 《Python 数据分析与可视化》魏伟一等主编，清华大学出版社 《Python数据分析与可视化》课程教案 第9次课 2 学时 Pandas统计分析基础（二） 介绍Pandas数据分析中的数据运算、分组与聚合、数据透视表等用法。要求学生应该熟练掌握如下知识的运用：1）掌握Pandas中的数据运算2）掌握Pandas中的数据汇总与聚合3）掌握Pandas中的透视表与交叉表4）Pandas中的数据可视化 重点难点 1）Pandas中的数据汇总与聚合2）Pandas中的数据可视化 安排 授课内容：一、Pandas中的数据运算1） 算术运算2） 函数应用和映射3） 排序、汇总和统计二、 数据分组与聚合1） 数据分组2） 数据聚合3） 分组运算三、数据透视表1）透视表2 ）交叉表四、Pandas数据可视化1） 线形图、柱状图2） 直方图、密度图、散点图 Pandas数据结构及其操作、熟悉教材习题 主要参考资料 《Python 数据分析与可视化》魏伟一等主编，清华大学出版社 《Python数据分析与可视化》课程教案 第 10次课 2 学时 上机实验（三） Pandas统计分析综合应用通过本课的学习，学生应该掌握如下知识：1）熟悉掌握Pandas的数据结构及其操作2）熟悉掌握Pandas的数据分组、数据可视化 重点难点 1）掌握DataFrame的用法2）数据分组与聚合 安排 实验内容1 ）掌握Pandas统计基本用法2）熟悉应用Pandas统计分析数据3）综合实训对小费数据集进行数据的分析与可视化。用到的小费数据集来源于Python库Seaborn中自带的数据，已被事先转存为excel类型的数据。 熟悉Pandas统计分析方法 主要参考资料 《Python 数据分析与可视化》魏伟一等主编，清华大学出版社 《Python数据分析与可视化》课程教案 第11次课 2 学时 Pandas数据载入与预处理（一） 介绍Pandas数据载入与预处理。要求学生应该熟练掌握如下知识的运用：1）掌握Pandas中数据的读取2）掌握Pandas数据合并 重点难点 1）Pandas中数据读取2）数据合并 安排 授课内容：一、Pandas中的数据载入1）读写文本文件2）读写excel文件二、数据合并1）merge重建索引2）concat数据连接3）combine_first合并连接 Pandas数据载入与数据合并、熟悉教材习题 主要参考资料 《Python 数据分析与可视化》魏伟一等主编，清华大学出版社 《Python数据分析与可视化》课程教案 第12次课 2 学时 Pandas数据载入与预处理（二） 介绍Pandas数据清洗、标准化与转换。要求学生应该熟练掌握如下知识的运用：1）掌握Pandas中数据清洗2）掌握Pandas数据标准化与转换 重点难点 1）Pandas中数据清洗2）数据转换 安排 授课内容：一、Pandas中的数据清洗1）检测与处理缺失数据2）检测与处理重复数据3）检测与处理异常值二、数据标准化1）离差标准化2）标准差标准化三、数据转换1）类别型数据的哑变量处理2）连续型变量的离散化 Pandas数据清洗与变换、熟悉教材习题 主要参考资料 《Python 数据分析与可视化》魏伟一等主编，清华大学出版社 《Python数据分析与可视化》课程教案 第 13次课 2 学时 上机实验（四） Pandas数据预处理综合应用通过本课的学习，学生应该掌握如下知识：1）熟悉掌握Pandas的数据读取方法2）熟悉掌握Pandas的数据清洗方法 重点难点 1）掌握DataFrame的用法2）数据分组与聚合 安排 实验内容1 ）掌握Pandas统计基本用法2）熟悉应用Pandas统计分析数据3）综合实训对小费数据集进行数据的分析与可视化。用到的小费数据集来源于Python库Seaborn中自带的数据，已被事先转存为excel类型的数据。 熟悉Pandas统计分析方法 主要参考资料 《Python 数据分析与可视化》魏伟一等主编，清华大学出版社 《Python数据分析与可视化》课程教案 第14次课 2 学时 Matplotlib数据可视化基础（一） 介绍Matplotlib绘图的基本方法。要求学生应该熟练掌握如下知识的运用：1）掌握Matplotlib绘图的基本方法2）掌握设置pyplot的动态rc参数方法 重点难点 1）Matplotlib绘图基础2）Matplotlib绘图参数设置 安排 授课内容：一、Matplotlib绘图基础1）创建画布与子图2）添加画布内容3）绘图的保存于显示二、设置pyplot的动态rc参数1）全局参数设定2）rc参数设置3）绘图的填充4）文本注释 熟悉Matplotlib绘图方法、教材习题练习 主要参考资料 《Python 数据分析与可视化》魏伟一等主编，清华大学出版社 《Python数据分析与可视化》课程教案 第15次课 2 学时 Matplotlib数据可视化基础（二） 介绍Matplotlib绘图的基本方法。要求学生应该熟练掌握如下知识的运用：1）掌握Matplotlib中常用绘图的方法2）了解Matplotlib中词云的绘制 重点难点 1）Matplotlib中常用绘图的方法 安排 授课内容：一、pyplot中的常用绘图1）折线图2）散点图3）直方图4）饼图5）箱线图6）概率图二、词云1）词云生成的过程2）词云生成示例 熟悉Matplotlib常用绘图方法、教材习题练习 主要参考资料 《Python 数据分析与可视化》魏伟一等主编，清华大学出版社 《Python数据分析与可视化》课程教案 第 16次课 2 学时 上机实验（五） Matplotlib数据可视化综合应用通过本课的学习，学生应该掌握如下知识：1）熟悉掌握Matplotlib绘图的基本方法2）熟悉掌握Matplotlib中的各种常用绘图 重点难点 1）Matplotlib绘图的基本方法2）绘图参数设置 安排 实验内容1 ）掌握Matplotlib绘图过程2）熟悉应用Matplotlib进行常用图的绘制3）综合实训针对一组关于全球星巴克店铺的统计数据，分析了在不同国家以及中国不同城市的数量。 熟悉Matplotlib数据可视化方法 主要参考资料 《Python 数据分析与可视化》魏伟一等主编，清华大学出版社 《Python数据分析与可视化》课程教案 第17次课 2 学时 Seaborn数据可视化 介绍Seaborn绘图的基本方法。要求学生应该熟练掌握如下知识的运用：1）掌握Seaborn绘图中的风格设置2）掌握Seaborn中的常用绘图方法 重点难点 1）Seaborn绘图中的风格设置 安排 授课内容：一、Seaborn简介1）Seaborn的安装与导入二、Seaborn绘图风格设置1）Seaborn绘图设置2）Seaborn主题设置3）设置绘图元素比例三、Seaborn中的常用绘图1）直方图和密度曲线图2）散点图3）箱线图4）pairplot图5）琴图6）多变量图7）回归图 熟悉Matplotlib常用绘图方法、教材习题练习 主要参考资料 《Python 数据分析与可视化》魏伟一等主编，清华大学出版社 《Python数据分析与可视化》课程教案 第 18次课 2 学时 上机实验（六） Seaborn数据可视化综合应用通过本课的学习，学生应该掌握如下知识：1）熟悉掌握Seaborn绘图的属性设置2）熟悉掌握Seaborn中的各种常用绘图 重点难点 1）Seaborn绘图的基本方法2）绘图参数设置 安排 实验内容1 ）掌握Seaborn绘图过程2）熟悉应用Seaborn进行常用图的绘制3）综合实训利用Seaborn库中自带的泰坦尼克号幸存者数据“titanic”进行数据分析与可视化。 熟悉Seaborn数据可视化方法 主要参考资料 《Python 数据分析与可视化》魏伟一等主编，清华大学出版社 《Python数据分析与可视化》课程教案 第19次课 2 学时 pyecharts数据可视化 介绍pyecharts绘图的基本方法。要求学生应该熟练掌握如下知识的运用：1）认识pyecharts基础2）使用pyecharts绘制图形 重点难点 1）pyecharts常用绘图方法 安排 授课内容：一、pyecharts简介1）pyecharts的安装与导入2）pyecharts使用方法二、pyecharts常用图表1）柱状图2）饼图3）漏斗图4）散点图5）k线图6）仪表盘7）词云8）组合图表 熟悉pyecharts常用绘图方法、教材习题练习 主要参考资料 《Python 数据分析与可视化》魏伟一等主编，清华大学出版社 《Python数据分析与可视化》课程教案 第 20次课 2 学时 上机实验（七） pyecharts数据可视化综合应用通过本课的学习，学生应该掌握如下知识：1）熟悉掌握pyecharts绘图的属性设置2）熟悉掌握pyecharts中的各种常用绘图 重点难点 1）pyecharts绘图的基本方法2）绘图参数设置 安排 实验内容1 ）掌握pyecharts绘图过程2）熟悉应用pyecharts进行常用图的绘制3）综合实训利用Seaborn库中自带的泰坦尼克号幸存者数据“titanic”进行数据分析与可视化。 熟悉pyecharts数据可视化方法 主要参考资料 《Python 数据分析与可视化》魏伟一等主编，清华大学出版社 《Python数据分析与可视化》课程教案 第21次课 2 学时 时间序列数据分析 介绍时间序列数据的分析方法。要求学生应该熟练掌握如下知识的运用：1）掌握时间序列类型数据的类型2）掌握时间序列数据分析方法 重点难点 1）时间序列数据分析方法 安排 授课内容：一、日期和时间类型数据二、时间序列基础1）时间序列构造2）索引和切片三、日期范围、频率和移动四、时期1）频率转换2）时期数据转换五、频率转换和重采样1）重采样2）降采样3）升采样 熟悉时间序列数据分析方法、教材习题练习 主要参考资料 《Python 数据分析与可视化》魏伟一等主编，清华大学出版社 《Python数据分析与可视化》课程教案 第 22次课 2 学时 上机实验（八） 时间序列数据可视化综合应用通过本课的学习，学生应该掌握如下知识：1）熟悉掌握时间序列数据类型2）熟悉掌握时间序列数据分析方法 重点难点 1）熟悉掌握时间序列数据类型2）熟悉掌握时间序列数据分析方法 安排 实验内容1 ）掌握时间序列数据类型2）掌握时间序列数据分析方法3）综合实训以自行车租赁统计数据为例，利用Pandas中的时间序列分析方法，探究自行车租赁数据随时间及天气变化的分布情况。 熟悉时间序列数据分析方法 主要参考资料 《Python 数据分析与可视化》魏伟一等主编，清华大学出版社 《Python数据分析与可视化》课程教案 第23次课 2 学时 SciPy科学计算基础 介绍SciPy科学计算基础。要求学生应该熟练掌握如下知识的运用：1）掌握线性代数运算2）掌握方程求解3）掌握稀疏矩阵求解4）SciPy图像处理 重点难点 1）掌握线性代数运算2 ）掌握稀疏矩阵求解 安排 授课内容：一、SciPy中的常数与特殊函数二、SciPy中的线性代数运算1）基本的矩阵运算2）线性方程组求解3）特征值分解三、SciPy中的优化1）方程求解及极值求解2）数据拟合四、SciPy中的稀疏矩阵求解1）稀疏矩阵存储2）稀疏矩阵运算五、SciPy中的图像处理1）图像平滑2）图像旋转和锐化 熟悉时间序列数据分析方法、教材习题练习 主要参考资料 《Python 数据分析与可视化》魏伟一等主编，清华大学出版社 《Python数据分析与可视化》课程教案 第 24次课 2 学时 上机实验（九） SciPy科学计算综合应用通过本课的学习，学生应该掌握如下知识：1）熟悉掌握线性代数运算2）熟悉掌握SciPy中的优化方法3）熟悉掌握SciPy中的稀疏矩阵处理3）了解SciPy中的图像处理 重点难点 1）熟悉掌握线性代数运算2）熟悉掌握SciPy中的优化方法3）熟悉掌握SciPy中的稀疏矩阵处理 安排 实验内容1 ）掌握SciPy中的主要功能模块2）掌握SciPy中的科学计算方法3）综合实训将图像数据进行SVD分解后，分别选取部分特征值进行图像重构并显示图像。 熟悉SciPy中的科学计算方法 主要参考资料 《Python 数据分析与可视化》魏伟一等主编，清华大学出版社 《Python数据分析与可视化》课程教案 第25次课 2 学时 统计与机器学习（一） 介绍Scikit-learn中的主要分类方法。要求学生应该熟练掌握如下知识的运用：1）熟悉Scikit-learn中的主要功能2）掌握常用的分类方法 重点难点 1）常用分类算法思想2）掌握常用分类算法应用 安排 授课内容：一、Scikit-learn中的主要功能二、主要分类方法1）决策树规约2）KNN算法3）支持向量机4）朴素贝叶斯分类 熟悉分类算法思想、教材习题练习 主要参考资料 《Python 数据分析与可视化》魏伟一等主编，清华大学出版社 《Python数据分析与可视化》课程教案 第26次课 2 学时 统计与机器学习（二） 介绍Scikit-learn中的主要聚类方法。要求学生应该熟练掌握如下知识的运用：1）熟悉Scikit-learn中的主要聚类方法2）掌握主成分分析方法 重点难点 1）常用聚类算法思想2）掌握常用聚类算法应用 安排 授课内容：一、主要聚类方法1）K-Means聚类2）层次聚类3）基于密度的聚类二、主成分分析 熟悉聚类算法思想、教材习题练习 主要参考资料 《Python 数据分析与可视化》魏伟一等主编，清华大学出版社 《Python数据分析与可视化》课程教案 第 27次课 2 学时 上机实验（十） Scikit-learn典型算法及其综合应用通过本课的学习，学生应该掌握如下知识：1）熟悉Scikit-learn的分类算法思想2）熟悉Scikit-learn的聚类算法思想3）熟悉Scikit-learn的典型算法及应用 重点难点 1）熟悉掌握Scikit-learn中的分类应用3）熟悉掌握Scikit-learn中的聚类应用 安排 实验内容1 ）Scikit-learn中的分类应用2）掌握Scikit-learn中的聚类应用3）综合实训本实训对一幅打开的彩色图像，利用K-means分析方法对像素进行聚类实现图像分割。 熟悉Scikit-learn中的典型算法及其应用 主要参考资料 《Python 数据分析与可视化》魏伟一等主编，清华大学出版社 《Python数据分析与可视化》课程教案 第28次课 2 学时 图像数据分析 介绍Python-OpenCV的主要功能及其用法。要求学生应该熟练掌握如下知识的运用：1）熟悉Python-OpenCV中的主要功能2）掌握Python-OpenCV图像处理基础3）了解图像SIFT和SURF特征点提取 重点难点 1）Python-OpenCV图像处理基础2）图像SIFT和SURF特征点提取 安排 授课内容：一、OpenCV简介与导入1）OpenCV简介2）OpenCV导入二、cv2图像处理基础1）cv2的基本方法与属性2）cv2图像处理示例三、图像的特征点提取1）SIFT特征点提取2）SURF特征点提取3）图像去噪 熟悉聚类算法思想、教材习题练习 主要参考资料 《Python 数据分析与可视化》魏伟一等主编，清华大学出版社 《Python数据分析与可视化》课程教案 第 29次课 2 学时 上机实验（十一） Python-OpenCV图像处理综合应用通过本课的学习，学生应该掌握如下知识：1）熟悉Python-OpenCV的安装与导入2）熟悉Python-OpenCV图像处理基本方法3）Python-OpenCV图像特征点提取方法 重点难点 1）Python-OpenCV图像处理基本方法3）Python-OpenCV图像特征点提取方法 安排 实验内容1 ）熟悉Python-OpenCV图像处理基本方法2）熟悉Python-OpenCV图像特征点提取方法3）综合实训实现了图像的大津法分割OTSU、Canny边缘检测和Harris Corner角点检测。 熟悉Python-OpenCV图像处理基本方法及其应用 主要参考资料 《Python 数据分析与可视化》魏伟一等主编，清华大学出版社 《Python数据分析与可视化》课程教案 第 30次课 2 学时 上机实验（十二） 数据分析与可视化综合实训通过本课的学习，学生应该掌握如下知识：1）熟悉数据分析与可视化基本过程2）熟悉数据分析与可视化的典型应用 重点难点 1）数据分析与可视化基本过程3）数据分析与可视化的典型应用 安排 实验内容实训一、职业人群体检数据分析实训二、股票数据分析 熟练数据分析与可视化过程与方法 主要参考资料 《Python 数据分析与可视化》魏伟一等主编，清华大学出版社
|
返回搜狐，查看更多【本文地址】
今日新闻 |
推荐新闻 |