学生认真学好本课程，可以掌握Python基础、网络爬虫的编写、数字与文本数据分析及可视化方法，具备网络数据获取、预处理、数据分析以及数据可视化的能力，为将来提升毕业论文质量、从事相关数据分析工作或机器学习打好基础。

（4）教师对学生投入课程学习的要求

本课程面向没有任何编程基础的学生。学生通过课程学习和大量编程实验，可以较好地掌握相关内容。

（5）课程学习要求和学习建议

★ 掌握好Python基本概念

★ 掌握纯正的Python风格代码编程

初学Python可先关注问题或算法的实现，然后再从软件工程和Python语言特色方面来提高代码的质量。Python语言有许多其他语言没有的语法和函数，许多读者按照其编程语言（如Java、C++）的惯性思维来学习Python语言，往往不利于掌握纯正的Python语言。

★关注数据分析和行业动态

Python语言仅是基础，如果将来要从事相关应用开发，必须结合岗位的需求拓展其他知识。如将来若转向Python Web系统开发，还必须学习Django、Flask、Tornado等；如果想从事人工智能和机器学习行业，还必须学习TensorFlow、PyTorch等框架。

2

课程目标

1. 课程思政的育人目标

培养具有较高职业素养的编程与数据处理人才。学生应掌握数据分析相关法律、法规，数据分析伦理道德。将来走向工作岗位后，要合理、合法地应用数据分析技术从事对人类有益的事业，能抵御诱惑，杜绝从事任何违法、违背伦理道德的数据分析工作。

2. Python学习目标

掌握Python的编程模式，熟练运用Python内置函数与运算符、列表、元组、字典、集合等基本数据类型以及相关列表推导式、切片、序列解包等语法来解决实际问题，熟练掌握Python分支结构、循环结构、函数设计以及类的设计与使用。

3. 数据分析学习目标

掌握Numpy数组运算和矩阵运算、中文分词jiebai、文本可视化词云、网络爬虫、Pandas基本数据结构以及数据分析与处理。

4. 数据可视化学习目标

掌握Seaborn模块的使用，数据自身的统计特征、不同类别的数据之间的关联特征、不同类别属性的数据横向对比特征、数据与评估模型之间关系特征。

课程目标与毕业要求指标点高支撑的对应关系表

3

课程教学设计

课程目标与教学内容和教学方法的对应关系表

4

教学进度安排

第1章 绪论 课时数：1学时

◎ 讲授内容：Python基本情况、“生态圈”、语言的特色、应用、人才需求与学习建议。

◎ 教学方法： 讲课、视频展示，从广度上了解Python现状和前景。

◎ 学生学习任务： 查看Python历史、版本情况、人才需求情况。

◎ 课外学习要求： 查看Python官方网站，近几年PyCon顶级会议发表技术。

第2章 Python开发环境与工具 课时数：2学时

◎ 讲授内容： Python版本、安装、帮助系统、虚拟环境、pip工具、集成开发环境。

◎ 教学方法： 教学演示，视频展示。

◎ 学生学习任务： 掌握Python 安装，pip工具管理模块，帮助文件的使用。重点掌握pip工具的使用。

◎ 课外学习要求： 掌握Python系统搭建，Anaconda工具使用。

第3章 Python的基本概念 课时数：2学时

◎ 讲授内容： Python源程序的组成、注释、关键词、标识符、内置的常量、函数、模块与名字空间、包。重点掌握模块、名字空间、包的概念。

◎ 教学方法： 讲课、演示、线上学习。

◎ 学生学习任务： 按照章节内容学习，掌握讲授内容。

◎ 课外学习任务： 掌握程序基础相关概念，理清概念之间关系，绘制思维导图。

第4章 基本数据类型与运算符 课时数：4学时

◎ 讲授内容： 数字、序列、集合、映射数据类型及运算符以及常用的模块。重点掌握序列、集合、映射数据类型的使用。

◎ 教学方法： 讲课、演示、线上学习。

◎ 学生学习任务： 按照章节内容学习，掌握讲授内容。

◎ 课外学习任务： 结合数据结构算法应用序列、集合、映射数据类型解决问题。

第5章 程序流控制 与异常处理 课时数：5学时

◎ 讲授内容： 程序控制流、if、while、for、break、continue、pass语句，异常、assert、with语句。重点掌握with语句、try与except捕获。

◎ 教学方法： 讲课、演示、线上学习。

◎ 学生学习任务： 按照章节内容学习，掌握讲授内容。

◎ 课外学习任务： 自学自定义异常与使用。

第6章 函数及其高级应用 课时数：6学时

◎ 讲授内容： 函数的定义、docsString、参数传递、可变参数、变量作用域、lambda函数、 装饰器、闭包、迭代器、生成器、eval 、exec函数。重点与难点lambda函数、装饰器、闭包、迭代器、生成器。

◎ 教学方法： 讲课、演示、线上学习。

◎ 学生学习任务： 按照章节内容学习，掌握讲授内容。

◎ 课外学习任务： 拓展掌握生成器、理解大数据机器学习对海量数据的处理。

第7章 文件与输入输出 课时数：4学时

◎ 讲授内容： 文件的打开与关闭、异常捕获与处理、shelve、pickle、JSON对象数据的存取。重点掌握文件与特定文件格式的读写。

◎ 教学方法： 讲课、演示、线上学习。

◎ 学生学习任务： 按照章节内容学习，掌握讲授内容。

◎ 课外学习任务： 自学对数据库MySQL、SQLite数据库的访问。

第8章 网站数据的获取 课时数：4学时

◎ 讲授内容： Requests-html简介、网页的获取、网页的解析与元素查找、网页爬虫案例。重点掌握requests-html爬虫设计。

◎ 教学方法： 讲课、演示、线上学习。

◎学生学习任务： 按照章节内容学习，掌握讲授内容。

◎ 课外学习任务： 了解网络爬虫涉及的法律法规和伦理道德。

第9章 文本数据的处理 课时数：6学时

◎ 讲授内容： 正则表达式简介、Python正则表达式、re模块、文本数据处理、中文文本分词、词云wordCloud、中文情感分析snownlp。重点掌握re模块使用。

◎ 教学方法： 讲课、演示、线上学习。

◎ 学生学习任务： 按照章节内容学习，掌握讲授内容。

◎ 课外学习任务： 根据关键词，自动调用搜索引擎、自动爬取搜索结果。

第10章 Numpy与数学算 课时数：2学时

◎ 讲授内容： Numpy的数据类型、数组的创建、切片和索引、遍历、数组的操作、运算、输入输出。重点掌握Numpy数组处理与运算。

◎ 教学方法： 讲课、演示、线上学习。

◎ 学生学习任务： 按照章节内容学习，掌握讲授内容。

◎ 课外学习任务： Numpy矩阵运算。

第11章 Pandas数据分析 课时数：6学时

◎ 讲授内容： Pandas介绍、Series类、DataFrame 类、数据分析常用函数。

◎ 教学方法： 讲课、演示、线上学习。

◎ 学生学习任务： 按照章节内容学习，掌握讲授内容。

◎ 课外学习任务： 根据教务处转专业公示名单，自动统计分析各专业流动情况。

第12章 数据可视化 课时数：6 学时

◎ 讲授内容： 数据可视化的目的、Seaborn简介、一维数据的分布可视化、二维数据的分布可视化、数据关系可视化、分类对比数据可视化、回归模型可视化、热力图等。

◎ 教学方法： 讲课、演示、线上学习。

◎ 学生学习任务： 按照章节内容学习，掌握讲授内容。

◎ 课外学习任务： 根据任意数据集内容，利用Seaborn通过可视化方法分析数据。

5

考核方案

课程目标、考核内容和评价依据对应表

6

课程资源

2. Python官方网站www.python.org .

在线资源https://www.zhihuishu.com/

7

修读要求

1. 课程学习应遵守纪律，符合学术诚信要求。

2. 课堂与课后作业按时提交，并要达到要求。

作业使用Jupyter Notebook格式

课程用书

《Python与数据分析及可视化（微课视频版）》

作者：李鲁群、李晓丰、张波

定价：49.8元

扫码优惠购书

内容简介

本书主要介绍Python语言基础、数据分析和数据可视化等内容。全书共12章，分别为绪论、Python开发环境与工具、Python的基本概念、基本数据类型与运算符、程序流控制与异常处理、函数及其高级应用、文件与输入输出、网站数据的获取、文本数据的处理、NumPy与数学运算、Pandas数据分析和数据可视化。本书注重介绍核心概念与应用，相关内容通过图表形式呈现给读者，并配有多个示例，便于读者学习与总结。

本书可以作为高校相关课程的教材或Python程序开发学习者的自学参考书，也非常适合作为机器学习实践的先导课程的参考书。

扫码京东优惠购书

目录

向上滑动阅览

第1章绪论

1.1Python语言简介

1.2Python的“生态圈”

1.3Python语言的特色

1.4Python语言的应用

1.5Python开发人才需求

1.6Python的学习建议

1.7本书的知识体系结构

1.8本章小结

1.9习题

第2章Python开发环境与工具

2.1Python的版本介绍

2.2Python系统的安装

2.3Python帮助系统

2.4Python虚拟开发环境

2.5Python包管理工具pip

2.6Anaconda Python集成安装工具

2.7Python集成开发环境

2.8本章小结

2.9习题

第3章Python的基本概念

3.1Python相关的文件

3.2Python语言的关键字

3.3Python的标识符

3.4Python的内置常量

3.5Python的内置函数

3.6Python的名字空间

3.7Python的模块

3.8Python的包

3.9本章小结

3.10习题

第4章基本数据类型与运算符

4.1Python基本数据类型

4.2数字类型

4.3序列类型

4.4文本序列类型 str

4.5二进制序列类型

4.6集合类型

4.7映射类型

4.8collections模块

4.9itertools模块

4.10本章小结

4.11习题

第5章程序流控制与异常处理

5.1Python程序控制流

5.2if条件语句

5.3Python循环语句

5.4异常

5.5断言的用法

5.6with语句

5.7综合案例

5.8本章小结

5.9习题

第6章函数及其高级应用

6.1函数

6.2变量的作用域

6.3lambda表达式

6.4行函数

6.5序列相关函数

6.6函数的高级应用

6.7eval函数

6.8exec函数

6.9本章小结

6.10习题

第7章文件与输入输出

7.1Python的输入输出

7.2Python文件的操作

7.3shelve对象数据的存取

7.4pickle对象数据的存取

7.5JSON对象数据的存取

7.6操作系统相关文件操作

7.7本章小结

7.8习题

第8章网站数据的获取

8.1RequestsHTML简介

8.2网页爬虫案例

8.3本章小结

8.4习题

第9章文本数据的处理

9.1正则表达式简介

9.2正则表达式的组成

9.3Python正则表达式

9.4文本数据处理

9.5中文情感分析

9.6本章小结

9.7习题

第10章NumPy与数学运算

10.1为什么要用NumPy

10.2NumPy简介

10.3NumPy的核心内容

10.4ndarray对象

10.5ndarray、array的区别与联系

10.6ndarray对象的输入输出

10.7ndarray对象的属性

10.8ndarray对象的结构变形

10.9ndarray对象元素的操作

10.10ndarray对象的运算

10.11ndarray对象相关通用函数

10.12本章小结

10.13习题

第11章Pandas数据分析

11.1为什么需要学习Pandas

11.2Pandas介绍

11.3Series

11.4DataFrame

11.5本章小结

11.6习题

第12章数据可视化

12.1为什么要数据可视化

12.2数据可视化揭示的几类数据特征关系

12.3Seaborn简介

12.4绘图准备工作

12.5数据准备工作

12.6一维数据的分布可视化

12.7二维数据的分布可视化

12.8数据关系可视化

12.9用分类对比数据可视化

12.10回归模型可视化

12.11本章小结

12.12习题

参考资料及课外阅读

精彩样章

返回搜狐，查看更多