Python数据分析案例实战---教学大纲.docx

《Python数据分析》教学大纲
课程名称：Python数据分析
课程类别：必修
适用专业：大数据技术类相关专业
总学时：64学时（其中理论36学时，实验28学时）
总学分：4.0学分
一、课程的性质
大数据时代已经到来，在商业、经济及其他领域中基于数据和分析去发现问题并做出科 学、客观的决策越来越重要。数据分析技术将帮助企业用户在合理时间内获取、管理、处理 以及整理海量数据，为企业经营决策提供积极的帮助。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。为了推动我国大数据，云计算，人工智能行业的开展，满足日益增长的 数据分析人才需求，特开设Python数据分析与应用课程。
二、课程的任务
通过本课程的学习，使学生学会使用Python进行科学计算、可视化绘图、数据处理， 分析与建模，并详细拆解学习聚类、回归、分类三个企业案例，将理论与实践相结合，为将 来从事数据分析挖掘研究、工作奠定基础。
三、课程学时分配
序号
教学内容
理论学时
实验学时
其它
1
第1章数据分析基础
1-2

2
第2章NumPy模块实现数值计算
3〜4
3

3
第3章Pandas模块实现统计分析
3〜4
4〜5

4
第4章Matplotlib模块实现数据可视化
2〜3
3〜4

5
第5章【案例1】客户价值分析
2〜3
4〜5

6
第6章
2〜3
4〜5

7
第7章【案例3】二手房数据分析预测
系统。
2〜3
5〜6

8
第8章【案例4】智能停车场运营分析
系统。
2~3
6

9
第9章【案例5】影视作品分析
1〜2
4

第10章【案例6】看店宝
2〜3
7

总计
36
28

四、教学内容及学时安排1.理论教学
序 号
章节名称
主要内容
学时
1
数据分析基础
主要介绍什么是数据分析、常用数据分析方法和 工具、数据分析流程和Python数据分析常用模块
2
2
NumPy模块实
现数值计算
NumPy模块中的数组对象、数据类型对象、数组 的基本操作以及常用的运算函数等
2
3
Pandas模块实
现统计分析
pandas的数据结构、文本数据以及数据库的读取 或写入、常用的数据处理操作、数据的分组与聚 合以及数据的预处理工作
2

4
Matplotlib 模块
实现数据可视化
通过Matplotlib模块实现可视化图形的绘制流程， 以及绘制条形图、折线图、散点图等可视化图形
3
5
【案例1】客户价
值分析
通过RFM模型和k-means聚类算法实现客户分类 和客户价值分析
3
6
【案例2】销售收
入预测
通过最小二乘法和线性回归模型
1 inear_model.LinearRegression 实现销售收入分析 与预测
6
7
【案例3】二手房
数据分析预测系
统
通过skleam模块中的线性回归等机器学习算法 实现二手房数据分析预测系统
6
8
【案例4】智能停
车场运营分析系
统
主要通过时间模块与pandas模块实现智能停车 场运营数据的分析，再通过图表的方式实现数据 的可视化
6
9
【案例5】影视作
品分析
主要通过Python的爬虫技术爬取影视作品的评 论，然后通过pandas对数据进行处理，再通过图 表的方式实现数据的可视化
6

【案例6】看店宝
主要通过Python的爬虫技术获取京东商城商品 的相关数据，然后通过数据的分析、比拟、计算 等方式实现京东商城商品的预警
6
2 .实验教学
序号
实验工程名称
实验要求
学时
1
Python数据分 析环境搭建
1 .在 Windows/Linux 系统上安装 Anaconda
2 .掌握Jupyter Notebook的常用功能
1
2
NumPy数值计 算基础
1 .创立NumPy数组对象ndarray
2 .查看ndarray的常用属性
3 .花式索引ndarray
4 .变换ndarray的形态
5 .创立NumPy矩阵并使用；使用常见ufunc
6,使用NumPy读写文件
2
3
Matplotlib 数据 可视化基础
1 ,掌握pyplot的基本绘图语法
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
2
4
pandas统计分 析基础
1 •读写数据库数据
2 .读写文本文件
3 .读写Excel文件
4 .查看DataFrame的常用属性
5 .查改增删DataFrame数据
6 .描述分析DataFrame数据
7 .转换字符串时间为标准时间
8 .提取时间序列数据信息
9 .加减时间数据
10 .使用groupby方法拆分数据
11 .使用agg, apply, transform方法聚合数据
12 .制作透视表
13 .制作交叉表
4
5
pandas数据预 处理
1 .堆叠、主键、重叠合并数据
2 .检测与处理重复值，缺失值，异常值
3 .离差标准化、标准差标准化
4,小数定标标准化数据；哑变量处理类别型数据
5 .离散化连续型数据
4
6
skleam模型构 建
1 .加载datasets模块自带数据集
2 .划分数据集
3 .使用sklearn转换器进行数据预处理与降维
4 .构建与评价聚类模型
5 .构建与评价分类模型
6 .构建与评价回归模型
4
7
航空公司客户 价值分析
1 .处理数据缺失值与异常值
2 .构建航空客户价值分析的关键特征
3 .标准化LRFMC 5个特征
4 .构建K-Means聚类模型
5 .评价K-Means聚类模型
4
8
财政收入预测 分析
1 .分析财政收入数据特征的相关性
2 .使用Lasso回归选取财政收入预测的关键特征
3

3 .使用灰色预测和SVR构建财政收入预测模型
4 .评价SVR模型

9
家用热水器用 户行为分析与 事件识别
1 .删除冗余特征
2 .划分用水事件
3 .确定单次用水事件的时长阈值
4 .构建用水行为特征
5 .筛选候选洗浴事件
6,构建BP神经网络模型
7 .评价BP神经网络模型
4
学时合计
28

五、考核方式
突出学生解决实际问题的能力，加强过程性考核。课程考核的成绩构成=平时作业 （10%） +课堂参与（20%） +期末考核（70%）,期末考试建议采用开卷形式，试题应包 括基本概念、绘图、分组聚合、数据合并、数据清洗、数据变换、模型构建等局部，题型可 采用判断题、选择、简答、应用题等方式。
六、教材与参考资料1.教材
王浩，袁琴，张明慧,Python数据分析案例实战[M]. 北京：人民邮电出版社.2020.