《Python數據分析與應用》教學大綱課程名稱：Python數據分析與應用課程類別：必修適用專業：大數據技術類相關專業先修課程：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據時代已經到來，在商業、經濟及其他領域中基于數據和分析去發現問題并做出科學、客觀的決策越來越重要。數據分析技術將幫助企業用戶在合理時間內獲取、管理、處理以及整理海量數據，為企業經營決策提供積極的幫助。數據分析作為一門前沿技術，廣泛應用于物聯網、云計算、移動互聯網等戰略新興產業。有實踐經驗的數據分析人才已經成為了各企業爭奪的熱門。為了推動我國大數據，云計算，人工智能行業的發展，滿足日益增長的數據分析人才需求，特開設Python數據分析與應用課程。課程的基本要求理論上，要求學生掌握數據分析的概念、流程；了解數據分析的應用場景和工具；掌握數據分析常用庫的作用；掌握數值計算、統計分析、數據預處理、數據可視化、模型構建的常用方法。技能上，要求學生掌握使用Python進行數值計算、統計分析、數據預處理、數據可視化、模型構建的操作方法，能將知識點揉入餐飲企業真實示例中，實現學以致用；并能基于TipDM大數據挖掘建模平臺，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、數據安全法等思政要素融匯到教學中，引發學生對新技術、新形勢的思考，促進經濟、行業的進一步發展；培養學生的科學探索、獨立思考、全局意識和思辨能力，以及職業素養、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數據分析概述212項目2糧食產量分析——NumPy數值計算基礎233項目3工業產品產量統計分析——pandas統計分析基礎234項目4電商產品銷售數據預處理——使用pandas進行數據預處理345項目5電商銷售可視化分析——Matplotlib、seaborn、pyecharts數據可視化基礎356項目6線上書籍網站數據可視化分析657項目7線上書籍網站數據綜合分析——使用scikit-learn構建模型458項目8餐飲企業綜合分析359項目9基于TipDM大數據挖掘建模平臺實現客戶流失預測35總計2836教學內容及學時安排理論教學序號章節名稱主要內容教學目標學時1Python數據分析概述掌握數據分析的概念掌握數據分析的流程了解數據分析的應用場景了解數據分析的常用工具了解Python數據分析的優勢了解Python數據分析的常用庫了解Python的Anaconda發行版在Windows操作系統上安裝Anaconda掌握JupyterNotebook的基礎功能掌握JupyterNotebook的高級功能掌握數據分析的概念、流程與應用場景了解Python常用的數據分析庫掌握Windows系統下Anaconda安裝掌握JupyterNotebook的常用功能22糧食產量分析——NumPy數值計算基礎創建數組對象生成隨機數通過索引訪問數組變換數組的形態創建NumPy矩陣掌握ufunc函數讀/寫文件使用數組進行簡單的統計分析掌握NumPy創建多維數組與生成隨機數的方法掌握數組的索引與變換掌握NumPy中數組矩陣的運算及通用函數的基本使用方法掌握NumPy讀寫文件的方法和常用的統計分析的函數23工業產品產量統計分析——pandas統計分析基礎認識pandas庫讀/寫文本文件讀/寫Excel文件讀/寫數據庫數據查看DataFrame的常用屬性查改增刪DataFrame數據描述分析DataFrame數據轉換字符串時間為標準時間提取時間序列數據信息加減時間數據使用groupby方法拆分數據使用agg方法聚合數據使用apply方法聚合數據使用transform方法聚合數據掌握常見的數據讀取方式掌握DataFrame常用屬性與方法掌握基礎時間數據處理方法掌握分組聚合的原理與方法24電商產品銷售數據預處理——使用pandas進行數據預處理堆疊合并數據主鍵合并數據重疊合并數據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據標準差標準化數據小數定標標準化數據啞變量處理類別型數據離散化連續型數據掌握數據合并的原理與方法掌握數據清洗的基本方法掌握基本數據標準化的方法掌握常用的數據轉換方法35電商銷售可視化分析——Matplotlib、seaborn、pyecharts數據可視化基礎掌握pyplot的基礎語法設置pyplot的動態rc參數使用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常用的繪圖參數的調節方法掌握seaborn繪制基礎圖形的方法掌握pyecharts繪制交互式圖形的方法36線上書籍網站數據可視化分析了解線上書籍網站數據可視化分析的背景認識可視化分析線上網站書籍數據可視化分析的步驟與流程掌握線上網站書籍數據可視化分析的步驟與流程掌握線上書籍網站數據可視化分析67線上書籍網站數據綜合分析——使用scikit-learn構建模型加載datasets模塊中的數據集將數據集劃分為訓練集和測試集使用sklearn轉換器進行數據預處理與降維使用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餐飲企業綜合分析了解餐飲企業客戶流失預測背景認識餐飲企業綜合分析熟悉餐飲企業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大數據挖掘建模平臺實現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【數據連接】模塊的功能了解【數據集】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據源配置數據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數據分析概述在Windows系統上安裝Anaconda掌握JupyterNotebook的常用功能12糧食產量分析——NumPy數值計算基礎創建years數組和grain_yield數組生成模擬糧食作物播種面積數據將years數組和grain_yield數組轉換為二維數組創建包含糧食產量數據的矩陣計算糧食產量的年增長量讀取糧食產量年度數據.CSV文件對糧食產量數據進行統計分析33工業產品產量統計分析——pandas統計分析基礎讀寫文本文件讀寫Excel文件讀寫數據庫數據讀取工業產品產量數據查看DataFrame的常用屬性查改增刪DataFrame數據描述分析DataFrame數據查看工業產品產量數據的整體情況對工業產品產量數據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據信息加減時間數據轉換時間字符串為標準時間計算各工業產品2023年的總產量使用groupby方法拆分數據使用agg，apply，transform方法聚合數據計算工業產品月產量統計量計算工業產品年產量增長率分析工業產品年產量變化趨勢34電商產品銷售數據預處理——使用pandas進行數據預處理堆疊、主鍵、重疊合并數據合并訂單信息數據和商品信息數據檢測與處理重復值，缺失值，異常值檢測與處理電商產品銷售數據重復值檢測與處理電商產品銷售數據缺失值檢測與處理電商產品銷售數據異常值離差標準化、標準差標準化小數定標標準化數據對商品售出價格進行標準差標準化啞變量處理類別型數據離散化連續型數據對性別、銷售渠道、平臺類型數據進行啞變量處理對年齡和價格數據進行離散化45電商銷售可視化分析——Matplotlib、seaborn、pyecharts數據可視化基礎掌握pyplot的基本繪圖語法設置pyplot的動態rc參數分析不同性別用戶數量分布情況分析用戶年齡分布情況分析每月訂單數量變化趨勢熟悉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、用戶地區與訂單數量的關系商品類別詞云圖56線上書籍網站數據可視化分析檢測與處理缺失值檢測重復值變換數據的格式繪制Top5出版社分布餅圖繪制圖書價格區間分布柱狀圖繪制各評論數量關系熱力圖繪制2014年-2023年書籍數量和書籍評分3D散點圖撰寫線上網站書籍數據可視化分析報告57線上書籍網站數據綜合分析——使用scikit-learn構建模型加載datasets模塊自帶數據集劃分數據集使用sklearn轉換器進行數據預處理與降維加載線上網站書籍數據對聚類特征進行預處理構建與評價聚類模型構建線上網站書籍數據聚類模型評估線上網站書籍數據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站書籍分類模型評估線上網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餐飲企業綜合分析探索數據查看與處理餐飲企業數據中的重復值、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大數據挖掘建模平臺實現客戶流失預測配置客戶流失預測案例的數據源基于TipDM數據挖掘建模平臺對餐飲企業數據進行預處理基于TipDM數據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（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、數據合并、數據清洗、數據變換、模型構建等部分，題型可采用判斷題、選