python数据分析与挖掘 教学大纲.docx

《python数据分析与挖掘 教学大纲.docx》由会员分享，可在线阅读，更多相关《python数据分析与挖掘 教学大纲.docx（5页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、数据分析与挖掘课程名称：数据分析与挖掘建议课时数：80 （其中实践课时数：40 ）适用专业： 大数据技术与应用一、前言（-）课程的定位.课程性质：本课程是大数据技术与应用的一门专业核心课程，属于专业必修课程。1 .课程功能：本课程通过对数据中所蕴含的价值进行挖掘，保证生产正常运行，提升 经营水平和生产运作效率，具体来说，培养学生数据导入、数据清洗、数据整理、数据分 析和数据可视化等方面的能力。2 .相关课程：本课程是数据采集和存储课程的为后置课程，同时也是大数据实训 课程的前置课程。（二）设计思路该课程是依据“大数据技术与应用专业工作任务与职业能力分析表”中数据的过程控 制与工作工程设置的。其

2、总体设计思路是，打破以知识传授为主要特征的传统学科课程模 式，转变为以工作任务为中心组织课程内容，并让学生在完成具体工程的过程中学会完成 相应工作任务，并构建相关理论知识，开展职业能力。以就业为导向以能力为本位，对数 据导入、数据处理、数据分析、数据可视化等方面进行任务与职业能力分析，通过案例教 学、讨论教学、模拟仿真等多种教学方法和手段，培养学生具备基本的职业能力。工程设计以餐饮数据工程的数据为线索，以数据流的运行为主线，设计数据导入、数 据去空去重、数据合并、时间序列处理、常用指标分析、交叉表分析、相关分析工程案例, 通过工程分解和任内练习，学生能理解数据分析中各类数据格式的作用，理解数据

3、清洗的 含义，理解适用于数据分析各种图形的画法。该门课程的总学时为80课时，5个学分。二、课程目标 掌握各类数据文件的格式特点； 掌握各类数据格式的意义和特点； 理解数据去空去重的含义及处理方法； 理解时间序列处理方法； 理解数据的各种统计指标的作用； 理解适用于数据的相关性及其使用方法。 理解各种图形的画法。（二）技能目标 能够利用pandas导入数据、筛选数据； 能够利用pandas对数据进行预处理，比方去除空值和重复值、时间序列处理; 能够利用统计指标对预处理后的数据进行简单分析； 能够运用一些合适的图形挖掘出数据的规律。（三）素养目标 培养学生具备吃苦耐、老实守信的精神； 培养学生团结

4、协作、认真负责的意识； 培养学生善于表达、善于沟通的素养。三、课程内容和要求序号工作任务知识要求技能要求学时1掌握Python 的基本用法1. 掌握循环语句基本用法；2. 掌握判断语句基本用法；3. 理解列表概念及其属性；4. 理解字符串概念及属性；5. 理解字典概念及其属性；6. 理解函数的定义方法。1. 能够利用循环和判断语句编写 代码；2. 能够修改、删除、增加、查找 列表元素；3. 能够利用字典的键查询值；4. 能够定义递归函数和匿名函数 并进行调用。162Pandas数据 预处理1.2.3.4.5.了角隼 Series 和 DataFrame 的概念；了解数据的去空和去重的 意义；理

5、解数据的空值填充的作 用；理解数据横向合并和纵向 拼接的概念；理解时间序列的各种方 法。1.2.3.4.5.6.能够利用二维数据构建 DataFrame；能够利用pandas导入txt和 excel数据；能够利用pandas去空和去重； 能够利用pandas填充空值；能够将不同的数据合并为一个 数据；能够从时间中提取出年、月、 日、星期等信息。161.理解排名与排序方法；1.能够利用pandas对数据按照一 列或多列进行排序；3Pandas数据 分析2.3.理解统计指标的意义；理解分组和分段的意义；2.能够利用pandas计算平均值、 中位数等统计指标。124.理解数据交叉分析作用；3.能够利

6、用pandas对数据进行分5.理解相关分析。4.组统计；能够计算相关系数。1.能够对matplotlib进行基本参4Matplotlib 数据可视化1.2.理解matplotlib各种参数 的作用；理解各种统计图表作用。2.数设置；能够利用matplotlib绘制散点 图、直方图、柱形图、折线图 等图形。121.理解利用 pandas matplotlib5综合训练1.理解数据分析的一般步骤分析餐饮数据、超市数据、房产 数据。20其他考核评价4总课时80四、实施建议（一）教材选用与编写建议教材编写须以本课程标准为依据，要充分表达工程课程设计思想，呈现案例引入、项 目化教学的模式。采用由浅入深的

7、层次结构组织教材内容，做到内容新颖，以实例为先导, 注重在应用中学习。选用中国铁道出版社出版的数据分析与应用作为教材。（二）教学建议（1） “教、学、做” 一体化教学，加强对学生实际职业能力的培养。注重以任务引领型 案例或工程作业来诱发学生兴趣，使教学更加贴近实践。(2)通过选用典型活动工程，由教师提出要求或示范，组织学生进行活动，培养学生的 统计软件操作能力及解决问题的能力。(3)以小组为单位完成教学工程，着重培养沟通能力和团队合作精神。课程工程由团队 合作完成，并计入总评。(三)教学条件专业教师要求：具备讲师(工程师)及以上职称，有扎实的工程设计理论基础，掌握 较强的实践能力与经验的人员。

8、实训装备要求：要有能满足上述工程开发的相关软件环境(python+pandas库 +matplolib库+sklearn库)，并要有一定数量(50台以上)的计算机，实训场地要有多媒 体教学设备。(四)课程资源(1)多媒体资料：提供给学生与学习情境内容相关的PPT课件、图片、视频等，直观 上增强学生的职业感受，具有助教和助学特点。(2)注重幻灯片、投影片等多媒体仿真软件等常用课程资源和现代化教学资源的开发 和利用，激发学生的学习兴趣，促进学生对知识的理解和掌握。同时，建议加强常用课程 资源的开发，建立多媒体课程资源的数据库，努力实现跨学校多媒体资源共享，提高课程 资源利用效率。(3)教学活动从信

9、息的单向传递向双向交换转变，学生单独学习向合作学习转变。(五)教学评价(1)加强实践性教学环节的考核，采用过程考核和结果考核并重的考核方法。(2)考核方面包括：考勤情况、学习态度、学生作业、实验结果、技能操作熟练程度。五、其它说明考核类型考核方式分值考核要求过程考核 60%日常表现30教师以学生平时表现为依据打分，包括出勤、课堂表现、课堂 练习等。书面作业20课程授课过程中，布置2次书面作业，每次作业10分，根据 作业情况给出相应的分数。上机作业30安排4次上机实验，每次上机作业10分，根据情况给出相应 的分数。理论上机考试20在网络教学平台进彳亍考试，共20个单项选择题，每题1分。作品考核40%自选主题，制作 数据分析报告1004-5一组，每组主选主题（房产、餐饮、电商），利用各种统 计方法进行统计，并利用pandas和matplotlib分析数据，撰 写数据分析报告。专业负责人:专业负责人:附1课程负责人:学术审定人:系（院、部）主任:制定（修订）时间: