《Python數據分析與應用：從數據獲取到可視化（第2版）》課程教學大綱（課程英文名稱）課程編號：學分：x學分課時：50課時（其中：講課32課時上機18課時）先修課程：Python語言程序設計適用專業：計算機相關專業課程的性質與目標數據分析是一門面向有Python基礎人群的進階課程，該課程通過理實結合的模式，循序漸進講解了Python數據分析的相關知識，包括科學計算庫NumPy、數據分析庫pandas、數據預處理、分組與聚合、數據可視化、時間序列分析和文本數據分析等內容。另外，本課程加入了一章機器學習入門的內容，通過本課程的學習，不僅可以讓學生掌握Python數據分析的核心知識，還可以拓展了解機器學習的入門知識。課程設計思路和教學要求課程設計理念：本課程注重知識的全面性和系統性，重視學習方法的傳授。本課程配置了豐富的章節案例，可以強化學生對知識的運用，力求讓學生打下一個牢靠的基本功，具備舉一反三和獨立解決實際問題的能力。課程設計思路：本課程遵循知識點先易后難的順序安排章節，采用“理論知識+要點分析+示例演示+章節案例”的講解形式，既有理論知識的介紹，又提供了充足的任務實踐，保證學生在理解核心知識的前提下可以真正地學有所得。在講解晦澀難懂的知識點時，會有形象的場景舉例或者示意圖，幫助學生更好地理解與吸收知識。本課程最后還開發了一個實用性強的綜合項目，通過項目將所學知識串連起來運用，培養學生分析問題和解決問題的能力。操作系統：Windows7以上開發工具：Anaconda32022.10課程的主要內容及基本要求第1章數據分析概述學習單元第1章數據分析概述課時3學習目標了解數據分析產生的背景，能夠簡述數據分析產生的背景了解數據分析的概念及層次，能夠說出數據分析的概念以及數據分析的4個層次了解數據分析的應用領域，能夠列舉至少3個數據分析的應用領域熟悉數據分析的流程，能夠歸納數據分析的基本流程了解Python做數據分析的優勢，能夠說出Python在數據分析方面有哪些優勢了解Anaconda工具，能夠說出Anaconda工具的特點掌握Anaconda的安裝與使用，能夠獨立在計算機中安裝Anaconda工具，并通過Anaconda工具安裝、更新、卸載包掌握JupyterNotebook的啟用方式，能夠通過Anaconda或命令的方式啟用JupyterNotebook工具熟悉JupyterNotebook的界面，能夠歸納Python腳本文件窗口各組成部分包含的主要功能掌握JupyterNotebook的使用方式，能夠使用JupyterNotebook工具編寫與運行代碼熟悉常見的數據分析庫，能夠歸納每個數據分析庫的功能學習內容知識點掌握程度重點難點數據分析產生的背景了解什么是數據分析了解數據分析的應用場景了解數據分析的流程熟悉為什么選擇Python做數據分析熟悉Anaconda概述了解Anaconda的安裝掌握√通過Anaconda管理包掌握√啟動Anaconda自帶的JupyterNotebook掌握JupyterNotebook界面詳解熟悉JupyterNotebook的基本使用掌握√√常見的數據分析庫熟悉第2章科學計算庫NumPy學習單元第2章科學計算庫NumPy課時7學習目標了解NumPy數組的相關概念，能夠說出什么是NumPy數組、維度、軸和秩熟悉NumPy數組的屬性，能夠歸納ndim和shape屬性的作用掌握數據的創建方式，能夠靈活創建一維數組和二維數組掌握數組的數據類型，能夠查看與轉換數組的數據類型掌握數組的索引和切片操作，能夠靈活地通過不同形式的索引獲取數組元素掌握數組的算術運算，能夠實現數組與數組或數組與標量的算術運算掌握數組的通用函數，能夠熟練地使用一元通用函數和二元通用函數進行數學運算掌握數組的重塑操作，能夠通過reshape()方法實現數組的重塑操作掌握數組的轉置操作，能夠通過T屬性或transpose()方法實現數組的轉置操作掌握數組的其他操作，能夠實現數組的條件邏輯、統計運算、排序操作熟悉線性代數模塊，能夠通過linalg模塊的功能完成矩陣操作掌握隨機數模塊，能夠通過random模塊的功能生成包含隨機數的數組學習內容知識點掌握程度重點難點NumPy數組的相關概念了解NumPy數組的屬性熟悉創建數組掌握√查看數據類型掌握轉換數據類型掌握數組的索引方式熟悉整數索引和切片掌握√花式索引掌握√布爾索引掌握√形狀相同的數組間的算術運算掌握√形狀不同的數組間的算術運算掌握√√數組與標量的算術運算掌握通用函數掌握數組的重塑掌握數組的轉置掌握√條件邏輯掌握統計運算掌握數組元素排序掌握檢索數組元素是否滿足條件掌握查找數組的唯一元素掌握判斷元素是否在其他數組中掌握線性代數模塊熟悉√隨機數模塊掌握案例：計算股票收益率和波動率掌握第3章數據分析庫pandas基礎學習單元第3章數據分析庫pandas基礎課時6學習目標掌握Series的結構和創建方式，能夠通過Series類的構造方法創建Series類的對象掌握DataFrame的結構和創建方式，能夠通過DataFrame類的構造方法創建DataFrame類的對象熟悉索引對象的類型和特點，能夠歸納索引對象的類型和特點掌握重置索引的方式，能夠通過reindex()方法重置Series或DataFrame類對象的索引掌握索引與切片的基本用法，能夠通過索引或切片獲取Series或DataFrame的數據掌握loc和iloc屬性的基本用法，能夠使用loc和iloc屬性獲取Series或DataFrame的數據掌握讀寫數據的方式，能夠熟練地讀取網頁表格的數據，以及讀寫CSV文件、TXT文件、Excel文件、數據庫掌握數據的排序方式，能夠根據索引或值對Series或DataFrame進行排序掌握pandas的算術運算，能夠通過算術運算符或算術方法對DataFrame中的數據進行算術運算掌握pandas的統計計算，能夠通過統計方法對DataFrame中的數據進行統計計算掌握pandas的統計描述，能夠通過describe()方法描述DataFrame類的對象的統計指標掌握分層索引的相關操作，能夠熟練地創建有分層索引的DataFrame，并使用分層索引獲取數據學習內容知識點掌握程度重點難點Series掌握√DataFrame掌握√索引對象了解重置索引掌握通過索引和切片獲取數據掌握√通過loc和iloc屬性獲取數據掌握√讀寫CSV和TXT文件的數據掌握√讀寫Excel文件的數據掌握√讀取網頁表格的數據掌握讀寫數據庫掌握√按索引排序掌握按值排序掌握算術運算與數據對齊掌握統計計算掌握統計描述掌握創建分層索引掌握創建有分層索引的對象掌握使用分層索引獲取數據掌握√交換索引層級的順序熟悉√分層索引排序熟悉√案例：陜西高考分數線統計分析掌握第4章數據預處理學習單元第4章數據預處理課時6學習目標掌握缺失值的檢測方式，能夠通過isnull()和notnull()函數檢測數據中是否存在缺失值掌握缺失值的處理方式，能夠通過dropna()或fillna()方法刪除缺失值或填充缺失值掌握重復值的檢測方式，能夠通過duplicated()方法檢測數據中是否存在重復值掌握重復值的處理方式，能夠通過drop_duplicates()方法刪除重復值熟悉異常值的檢測方式，能夠通過3σ原則和箱形圖檢測數據中是否存在異常值掌握異常值的處理方式，能夠通過replace()方法替換數據中的異常值熟悉數據類型的轉換方式，能夠通過astype()方法或to_numberic()函數轉換數據類型掌握數據合并的相關操作，能夠根據需求選擇適合的方案實現數據合并的操作掌握數據重塑的相關操作，能夠根據需求選擇適合的方案實現數據重塑的相關操作掌握數據轉換的相關操作，能夠根據需求選擇適合的方案實現數據轉換的相關操作學習內容知識點掌握程度重點難點缺失值的檢測掌握√缺失值的處理掌握√重復值的檢測掌握√重復值的處理掌握√異常值的檢測熟悉√異常值的處理掌握轉換數據類型掌握堆疊合并掌握√主鍵合并掌握√√根據索引合并掌握合并重疊數據熟悉重塑分層索引掌握軸向旋轉掌握面元劃分掌握√啞變量處理熟悉√案例：預處理二手房數據掌握第5章數據聚合和分組運算學習單元第5章數據聚合和分組運算課時4學習目標了解分組與聚合的原理，能夠說出分組與聚合的原理掌握分組方法的使用，能夠通過groupby()方法按照不同的拆分標準對數據進行分組掌握分組信息的查看方式，能夠通過多種方式查看分組的信息熟悉內置統計方法的使用，能夠通過統計方法聚合數據掌握agg()方法的使用，能夠通過agg()方法聚合數據掌握transform()方法的使用，能夠通過transform()方法轉換數據掌握apply()方法的使用，能夠通過apply()方法聚合數據學習內容知識點掌握程度重點難點分組與聚合的原理了解通過groupby()對數據進行分組掌握√查看分組信息掌握通過統計方法聚合數據熟悉通過agg()聚合數據掌握√√數據轉換掌握√√數據應用掌握案例：籃球運動員信息分析掌握第6章數據可視化學習單元第6章數據可視化課時6學習目標了解數據可視化，能夠說出可視化的概念以及意義熟悉常見的圖表類型，能夠說出圖表的特點以及適用場景熟悉圖表的基本組成元素，能夠說出每個組成元素的用途掌握Matplotlib庫的基本使用，能夠使用Matplotlib庫繪制常見的圖表掌握Seaborn庫的基本使用，能夠使用Seaborn庫繪制常見的圖表掌握Pyecharts庫的基本使用，能夠使用Pyecharts庫繪制常見的圖表學習內容知識點掌握程度重點難點什么是數據可視化了解常見的圖表類型了解圖表的輔助元素熟悉使用Matplotlib繪制折線圖掌握√使用Matplotlib繪制柱形圖掌握√使用Matplotlib繪制直方圖掌握√使用Matplotlib繪制散點圖掌握√可視化數據的分布掌握用分類數據繪圖掌握√Pyecharts簡介熟悉使用Pyecharts繪制柱形圖掌握√√使用Pyecharts繪制詞云圖掌握√√使用Pyecharts繪制氣泡圖掌握使用Pyecharts繪制圓環圖掌握案例：電影數據分析掌握第7章時間序列分析學習單元第7章時間序列分析課時5學習目標了解時間序列，能夠說出時間序列、時間戳、時間差、時期的概念掌握時間序列的基本操作，能夠創建時間序列并獲取其子集掌握固定頻率的時間序列，能夠創建固定頻率的時間序列掌握時期的相關操作，能夠創建帶時期索引的對象，并轉換時期的頻率掌握重采樣的方法，能夠通過resample()方法實現降采樣和升采樣掌握滑動窗口，能夠使用rolling()方法實現滑動窗口學習內容知識點掌握程度重點難點時間序列概述了解創建帶時間戳的時間序列掌握√獲取時間序列子集掌握√創建固定頻率的時間序列掌握√時間序列的頻率與偏移量掌握√時間序列的移動掌握創建帶時期索引的對象掌握時期的頻率轉換掌握重采樣方法熟悉降采樣掌握升采樣掌握滑動窗口掌握√案例：某城市報警記錄分析掌握第8章文本數據分析學習單元第8章文本數據分析課時5學習目標了解NLTK與jieba庫，能夠說明NLTK與jieba庫的用途掌握NLTK語料庫的安裝，能夠在計算機中成功安裝NLTK語料庫熟悉文本預處理的流程，能夠歸納出文本預處理的基本流程掌握分詞的方式，能夠通過NLTK與jieba庫對文本進行分詞掌握詞性標注的方式，能夠通過pos_tag()函數對英文文本進行分詞標注掌握詞形歸一化操作，能夠通過nltk.stem模塊實現詞形歸一化的操作掌握刪除停用詞操作，能夠通過stopwords模塊實現刪除停用詞的操作熟悉文本情感分析，能夠通過多種方式實現簡單的文本情感分析熟悉文本相似度，可以結合NLTK與余弦相似度實現簡單的文本相似度分析熟悉文本分類，可以結合NLTK與樸素貝葉斯算法實現簡單的文本分類分析學習內容知識點掌握程度重點難點認識NLTK與jieba了解安裝jieba和NLTK語料庫熟悉文本預處理基本流程熟悉分詞掌握√詞性標注掌握√詞形歸一化掌握√刪除停用詞掌握√文本情感分析掌握√文本相似度熟悉√文本分類熟悉√案例：商品評論分析掌握第9章機器學習入門學習單元第9章機器學習入門課時5學習目標了解機器學習，能夠說出什么是機器學習熟悉機器學習的基本概念，能夠歸納機器學習涉及的基本概念了解機器學習算法的分類，能夠區分監督學習、無監督學習和強化學習了解機器學習解決問題的流程，能夠說出機器學習解決問題的流程熟悉機器學習庫scikit-learn，能夠列舉至少3個scikit-learn的模塊和數據集掌握KNN算法，能夠使用scikit-learn的API實現KNN算法學習內容知識點掌握程度重點難點什么是機器學習了解機器學習的基本概念熟悉機器學習算法的分類了解機器學習解決問題的流程了解認識機器學習庫scikit-learn熟悉KNN算法的思想掌握√使用sklearn實現KNN算法掌握√超參數掌握√√網格搜索與交叉驗證掌握√歸一化掌握√使用sklearn實現歸一化掌握√案例：預測簽到位置掌握第10章實戰演練——租房數據統計分析學習單元第10章實戰演練——租房數據統計分析課時3學習目標掌握Pandas讀寫功能，能夠熟練地從文件中讀取數據掌握重復值的檢測與處理方式，能夠檢測與刪除重復值掌握數據類型的轉換方式，能夠根據需要轉換數據的類型掌握Matplotlib的基