《《Python数据分析实践》课程标准.docx》由会员分享，可在线阅读，更多相关《《Python数据分析实践》课程标准.docx（6页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、Python数据分析实践课程标准课程类别：（专业拓展课）适用专业：授课单位：计算机学院学分：学时： 64一、课程定位和课程设计（一）课程性质本课程的先导课程是Python程序设计基础。本课程在把 握教学对象对理论知识“必要、适度、够用”的原则下，选 取了 Python数据分析常用技术包括numpy, matploti ib, pandas和sc i k i t-1 earn作为教学内容。（二）人才培养中的作用（正文三号仿宋）数据分析作为一门前沿技术，广泛应用于物联网、云 计算、移动互联网和人工智能等战略新兴产业。有实践经 验的数据分析人才已经成为了各企业争夺的热门。通过在 相关需求专业开设数据
2、分析课程，有助于学生拓展和提高 职业技术技能，提升自身的岗位竞争力。（三）课程设计思路通过使用Python的数据分析工具，包括numpy、matploti ib pandas等，搭建数据分析的开发平台，并通 过一些案例展示进行数据分析的流程和方法。二、课程目标（一）素质目标培养学生掌握Python数据分析技术，能对大数据进行预 处理、分析和可视化等，成为合格甚至优秀的高技能人才，为国家技术发展、技术创新提供技术支撑。（二）能力目标1 ）能够搭建conda和pip的Python数据分析开发环境;2）能够熟悉numpy库语法，掌握基本的数值计算；3）能够熟悉matplot lib进行数据可视化应用
3、；4）能够正确使用pandas进行数据预处理；5）能够使用scikit-learn构建数据分析模型。三、课程内容与要求（一）课程教学内容与教学要求序号章节名称主要内容教学目标学时1Python数据分析概述1 .数据分析的概念和流程2 . Python数据分析的常用类库3 .通过pip和conda方式安装Python 数据分析环境4 . Jupyter Notebook 的使用1 .掌握数据分析的 概念、流程与应用场 景2 . 了解Python常用 的数据分析库3 .掌握 conda 和 pip 方式安装配置数据 分析环境4 .掌握 Jupyter Notebook的常用功能42NumPy数值计
4、 算1 .创建数组对象2 .生成随机数3 .数组的索引与切片4 . Numpy数组常用操作5 .掌握ufunc函数，广播机制6 .读写文件7 .使用数组进行简单的统计分析1 .掌握NumPy创建 多维数组与生成随 机数的方法2 .掌握数组的索引 与切片3 .掌握NumPy中数 组常用操作及通用 函数的基本使用方 法4 .掌握NumPy读写 文件的方法和常用 的统计分析的函数123Matplotlib 数据 可视化1 .掌握pyplot的基础语法2 .设置pyplot的动态rc参数3 ,绘制散点图4 .绘制折线图5 .绘制直方图6 .绘制饼图7 .绘制箱线图1 .掌握pyplot常用 的绘图参数
5、的调节 方法2 .掌握子图的绘制 方法3 ,掌握绘制图形的 保存与展示方法4 .掌握散点图和折 线图的作用与绘制 方法5 .掌握直方图、饼图 和箱线图的作用与 绘制方法84Pandas数据处理1 . Pandas数据结构2 .查看DataFrame的常用属性3 .查改增删DataFrame数据4 .读写文件5 . Pandas统计分析功能6 .多层索引处理7 .时间序列数据处理信息8 .使用groupby方法拆分数据9 .使用agg方法聚合数据10 .使用apply方法聚合数据11 .使用povit_table函数创建透视表12 .使用crosstab函数创建交叉表13 .数据拼接14 .处理
6、缺失值15 .处理异常值16 .处理重复值1 .掌握常见的数据 读取方式2 .掌握 DataFrame 常用属性与方法3 .掌握时间序列数 据处理方法4 .掌握分组聚合的 原理与方法5 .掌握透视表与交 叉表的制作6 .掌握数据预处理 功能246使用 scikit-learn构建特征工程1 .加载datasets模块中的数据集2 .将数据集划分为训练集和测试集3 .使用sklearn转换器进行数据预处 理与降维4 . sklearn的常用评价指标5 .搭建机器学习流水线1 .掌握sklearn转换 器的使用方法2 .掌握sklearn估计 器的使用方法3 .掌握sklearn的常 用评价指标4
7、 .能够搭建机器学 习流水线87数据分析综合 案例1 .智慧职教最热课程数据分析综合 案例2 .二手车数据分析综合案例1 .通过案例掌握数 据分析的处理流程8学时合计64（二）课程学时分配学时分配表序号教学内容学时其中讲授实践其他1Python数据分析概述4222NumPy数值计算12663Matplotlib数据可视化8444Pandas数据分析2412125使用scikit-learn构建特征工程8446数据分析综合案例844学时总计643232四、实践教学（一）课内实践项目（说明实践项目的名称、内容、 目的要求及课时数。）实践教学安排表（以实践项目先后顺序编排）序 号实践项目学 时备注1
8、Python数据分析环境搭建22NumPy数值计算代码实现63Matplotlib数据可视化代码实现44Pandas数据分析代码实现125使用sklearn构建特征工程代码实现46数据分析综合案例代码实现4总计32（二）独立实践项目可以根据学生理解和掌握的具体情况，适当调整课内 教学内容，将模块六数据分析综合案例作为独立实践项目 展开一周的实践教学。五、课程实施（一）教学条件1 .软硬件条件（说明开设本课程需具备的教学环境、 设备条件）要求 winlO 系统:python 环境和 jupyter notebook 开 发环境2 .师资条件（说明校内专任教师、专业团队和企业专 家教学资质的基本要
9、求）要求教师掌握python语言基本功能，熟悉python数 据分析常用工具和方法（二）教学方法建议（采用的教学模式特别是线上线下混合式教学应具体 说明，教学流程、步骤和做法的简单阐述）。通过职教云开课，上课前预习视频，提交作业和在课 中可以通过题库选择对应题目让学生作答，看学生掌握知 识点程度，可以在线做理论测试等。六、教学评价、考核要求（一）课程评价从课程教学内容，学生参与度和讲练 结合，学生实验完成率方面评价课程。（二）考核方式及成绩评定1 .考核评价方式（针对课程培养目标以及工学结合的 学习方式，可采用教师评价、企业评价和学生自评与互评 相结合的方式进行）。考核方式：考勤和课堂实践过程中完成的实验，课堂练习结 果和期末的随堂实验测试和在线测验。形式：上机操作实践2 .总评成绩的组成及评定标准。 本课程为过程性考核课程：考勤20%,课堂/课后练习、实验：40%,期末课堂实验和联 系：40%