Python数据分析与应用全书教案.docx

Python数据分析与应用：从数据获取到可视化全书教学设计完整版课程名称： Python数据分析 授课年级： 2018年级 授课学期： 2018学年第一学期 教师姓名： 某某老师 2018年09月09日课题名称第1章 数据分析概述计划学时2学时内容分析近些年，随着网络信息技术与云计算技术的快速发展,网络数据得到了爆发性地增长，人们每天都充斥在庞大的数据群体中，这一切标志着人们进入了大数据时代。在大数据环境的作用下，能够从数据里面发现并挖掘有价值的信息变得愈发重要，数据分析技术应运而生。数据分析可以通过计算机工具和数学知识处理数据，并从中发现规律性的信息，以做出具有针对性的决策。教学目标及基本要求1、 了解数据分析的背景及应用场景2、 掌握什么是数据分析以及数据分析的流程3、 会创建Python环境，使用Anconda管理Python包4、 会使用Jupyter Notebook5、 认识常见的数据分析工具教学重点1、 掌握什么是数据分析以数据分析的流程2、 会创建Python环境，使用Anconda管理Python包3、 会使用Jupyter Notebook教学难点1、 会创建Python环境，使用Anconda管理Python包2、 会简单使用Jupyter Notebook教学方式教学采用教师课堂讲授为主，使用教学PPT讲解教学过程第一课时（了解数据分析的背景及应用场景、掌握什么是数据分析以及数据分析的流程，会创建Python环境、使用Anconda管理Python包）一、创设情境，导入数据分析应用场景（1） 教师通过提问学生问题，引出数据分析应用场景。教师提问学生问题，例如问题是：大家知道哪些场合用到了数据分析？它们对数据进行怎样的分析？教师进行总结：在营销、医疗、零售等方面都会经常使用数据分析，通过对大量的数据进行分析得出数据的具体特征。（2） 什么是数据分析？数据分析是指从大量看似杂乱无章的数据中提炼出有用的数据，以找出研究对象的内在规律。（3） 明确本节课的学习目标，让学生带着目标去听课。l 要求学生了解数据分析的背景和应用场景l 要求学生熟悉数据分析的基本流程l 要求学生熟悉Anconda的安装和管理Python包二、进行重点知识的讲解（1） 教师根据课件，讲述数据分析的背景和应用场景。当产生海量的数据后，使用数据分析可以从中获取潜藏的有价值信息，在营销、医疗、零售等方面经常使用数据分析对数据进行潜在价值的挖掘。（2） 教师根据课件，讲述数据分析的流程。数据分析是基于商业目的，有目的地进行收集、整理、加工和分析数据，提炼出有价值的信息，整个过程大致可以分为：1.明确目的和思路、2.收据收集、3.数据处理、4.数据分析、5.数据展现。（3） 教师根据课件，介绍Anconda的安装及使用。Anconda是一个可以便捷获取和管理包，同时对环境可以统一管理的发行版本，它包含了conda、Python在内的超过180个科学包及其依赖项。三、归纳总结，布置作业/随堂练习（1）回顾上课前的学习目标，并对本节课的重要知识点进行总结。带领学生总结本课内容：了解数据分析的背景及应用场景、掌握什么是数据分析以及数据分析的流程、会安装使用Anconda。（2） 教师安排学生课上完成章节课后习题，并针对一些难以理解的题目进行讲解。（3）使用博学谷系统下发课后作业。第二课时（Jupyter Notebook的使用、认识常见的数据分析工具）一、回顾上节课的内容，继续讲解本课时的Anconda的使用（1） 教师对学生们的疑问进行统一答疑。（2） 教师根据课件，讲解Jupyter Notebook的使用。在上一节中已经讲解了如何Anconda，接下来，我们可以使用Anconda中自带的Jupyter Notebook进行数据分析操作。（3） 教师根据课件，讲解其他常见的数据分析工具。Python本身的数据分析功能并不强，需要安装一些第三方的扩展库来增强它的能力。我们的课程用到的库包括NumPy、Pandsa、Matplotlib、Seaborn、NLTK等。（4） 明确学习目标l 要求学生会使用Jupyter Notebookl 要求学生熟悉其他的数据分析工具二、进行重点知识的讲解（1） 教师根据课件，讲述如何启动Jupyter Notebook。（2） 教师根据课件，对Jupyter Notebook进行界面介绍。（3） 教师根据课件，介绍Jupyter Notebook的基本使用。（4） 教师根据课件，其他常见的数据分析工具。三、归纳总结，布置作业/随堂练习(1) 回顾上课前的学习目标，并对本节课的重要知识点进行总结。教师提问学生本节课需要掌握的知识点，包括Jupyter Notebook的使用、其他数据分析工具，并对学生的回答进行补充和总结。(2) 教师安排学生课上完成章节课后习题，并针对一些难以理解的题目进行讲解。(3) 使用博学谷系统下发课后作业。思考题和习题见教材第1章配套的习题教学后记Python数据分析与应用：从数据获取到可视化教学设计课程名称： Python数据分析 授课年级： 2018年级 授课学期： 2018学年第一学期 教师姓名： 某某老师 2018年09月09日课题名称第2章 科学计算库NumPy计划学时5学时内容分析NumPy作为高性能科学计算和数据分析的基础包，它是本书介绍的其它重要数据分析工具的基础，掌握NumPy的功能及其用法，将有助于后续其他数据分析工具的学习。教学目标及基本要求6、 认识NumPy数组对象，会创建NumPy数组7、 熟悉ndarray对象的数据类型，并会转换数据类型8、 掌握数组运算方式9、 掌握数组的索引和切片10、 会使用数组进行数据处理11、 熟悉线性代数模块和随机数模块的使用教学重点4、 认识NumPy数组对象，会创建NumPy数组5、 创建NumPy数组6、 ndarray对象的数据类型7、 整数索引和切片的基本使用8、 布尔型索引的基本使用9、 数组的转置和轴对称10、 将条件逻辑转为数组运算11、 检索数组元素12、 随机数模块教学难点3、 花式索引的基本使用4、 布尔索引的基本使用5、 将条件逻辑转为数组运算教学方式教学采用教师课堂讲授为主，使用教学PPT讲解教学过程第一课时（认识NumPy数组对象，创建NumPy数组、ndarray对象的数据类型）一、 创设情境，引入Numpy（1）教师通过介绍科学计算库，引出NumPy数组对象通过对NumPy的介绍，引出NumPy数组对象ndarray。同时介绍ndarray对象中常用的属性，如ndarray.shape（2）教师根据课件，讲解如何创建NumPy数组。对数组对象进行介绍完之后，带领学生使用array()、zeros()、ones()、empty()、arange()函数实现创建NumPy数组。（3）教师根据课件，介绍ndarray对象的数据类型。使用name属性获取ndarray对象的数据类型，然后罗列出NumPy中的数据类型，最后讲解使用astype()方法转换类型 （4）明确学习目标l 要求学生了解NumPy的数组ndarray对象l 要求学生掌握如何创建NumPy数组l 要求学生掌握如何查看数据类型及转换数据类型二、 进行重点知识的讲解(1) 认识NumPy数组对象NumPy中最重要的一个特点就是其N维数组对象，即ndarray对象，该对象具有矢量算术能力和复杂的广播能力，可以执行一些科学计算。不同于Python标准库，ndarray对象拥有对高维数组的处理能力，这也是数值计算中缺一不可的重要特性。(2) 使用不同的方法创建NumPy数组首先使用array()函数创建第一个NumPy数组，并对该数据进行简单讲解，接着分别使用zeros()、ones()、empty()、arange()函数创建NumPy数组。(3) ndarray对象的数据类型在创建NumPy数组之后，使用name属性查看数组对象的数据类型，并演示使用astype()方法将该对象的数据类型进行转换。三、归纳总结，布置课后作业 (1) 回顾上课前的学习目标，并且对本节课需要掌握的知识点进行总结。教师带领学生总结本节课的内容，包括什么数组对象、创建NumPy的方法、ndarray的数据类型。(2) 布置随堂练习，检查学生掌握情况。根据博学谷和随堂练习资源，给学生布置随堂练习，检测学生的掌握程度，并对学生出现的问题进行解决。 (3) 使用博学谷系统下发课后作业。第二课时（数组运算、ndarray的索引和切片）一、 回顾上节课讲解的知识，继续讲解本节课的知识（1） 教师讲解上一课时的课后作业。（2） 回顾上节课所学习的知识，由上一课时的知识点引出本课时内容。在上一节中介绍了如何创建NumPy数组、如何查看数据类型以及转换数据类型。接下来，引出对NumPy数组进行更深入的讲解，数组的运算和nadarray的索引和切片操作。（3） 明确学习目标l 要求学生熟悉数组运算的规则l 要求学生掌握ndarray索引和切片的操作二、 进行重点知识的讲解(1) 教师根据课件，讲述数组运算常见的操作。在数组运算中常见的操作有矢量化运算、数组广播、数组与标量间的运算。(2) 教师根据课件，讲述矢量化运算的规则。在NumPy中，大小相等的数组之间的任何算术运算都会应用到元素级，即只用于位置相同的元素之间，所得的运算结果组成一个新的数组。(3) 教师根据课件，讲述数组广播的规则。数组在进行矢量化的运算时，要求数组的形状是相等的。当形状不相等的数组执行算术计算的时候，就会 出现广播机制，该机制会对数组进行扩展，使数组的shape属性值一样，这样就可以进行矢量化运算。(4) 教师根据课件，讲述数组与标量间的运算规则。大小相等的数组之间的任何算术运算都会将运算应用到元素级，同样，数组与标量的算术运算也会将那个标量值传播到各个元素。(5) 讲解ndarray的索引和切片并引出整数索引和切片的基本使用。ndarray对象支持索引和切片操作，并通过简单的示例演示ndarray对象使用整数索引和切片。(6) 教师根据课件，讲述花式索引的基本使用。花式索引是NumPy的一个术语，是指用整数数组或列表进行索引，然后再将数组或列表中的每个元素作为下标进行取值。(7) 教师根据课件，讲述布尔型索引的基本使用。布尔型索引值的是将一个布尔数组作为数组索引，返回的数据是布尔数组中True对应位置的值。三、归纳总结，布置课后作业 （1）回顾课前学习目标，对本节课的内容进行总结。教师带领学生总结本节课要掌握的内容：数组运算的几种规则，ndarray的索引和切片操作。（2）布置随堂练习，检查学生学习状况。根据博学谷和随堂练习资源，给学生布置随堂练习，根据学生的完成情况，了解学习的学习理解状况，根据学生反映的问题，进行解答。（3）使用博学谷系统下发课后作业。第三课时（数组的转置和轴对称、NumPy通用函数、利用NumPy数组进行数据处理）一、 回顾上节课讲解的知识，继续讲解本节课的知识(1) 教师讲解上一课时的课后作业。(2) 回顾上节课所学的知识，由上一课时知识点引出本课时内容。回顾上节中的数组运算与ndarray的索引和切片，在本节中将会讲解数组的转置和轴对称、NumPy通用函数、利用NumPy数组进行数据处理。(3) 明确学习目标。l 要求学生掌握数组转置和轴对称l 要求学生熟悉NumPy的通用函数l 要求学生掌握利用NumPy数组进行数据处理二、 进行重点知识的讲解（1） 教师通过示例演示数组的转置和轴对称。数组的转置是指将数组中的每个元素按照一定的规则进行位置变换。（2） 教师通过示例演示NumPy通用函数。示例举出几个常用的函数进行演示，并对教材中罗列的函数进行简单说明。（3） 教师通过示例演示，NumPy常用的数据处理操作。NumPy中常用的数据处理操作有将条件逻辑转为数组运算（where()函数）、数组统计计算（sum、max.）、数组排序（sort()方法）、检索数组元素（all()、any()函数）、唯一化及其他集合逻辑（unique()函数）三、归纳总结，布置课后作业 （1）回顾数组的转置和轴对称、NumPy的通用函数以及使用NumPy数组进行数据处理，最后本节课的内容进行总结。（2）使用博学谷系统下发课后作业。第四课时（线性代数模块、随机数模块）一、 回顾上节课讲解的知识，继续讲解本节课的知识（1） 教师讲解上一课时的课后作业。（2） 回顾上节课所学的知识，由上一课时知识点引出本课时内容。回顾上节中的数组转置和轴对称、NumPy通用函数以及使用NumPy数组进行数据处理。（3） 明确学习目标。l 要求学生熟悉线性代数模块l 要求学生掌握随机数模块二、 进行重点知识的讲解(1) 教师通过示例演示线性代数模块。线性代数是数学运算中的一个重要工具，它在图形信号处理、音频信号处理中起非常重要的作用。numpy.linalg模块中有一组标准的矩阵分解运算已经诸如逆和行列式之类的东西。(2) 教师通过示例演示随机数模块的使用。与Python的random模块相比，NumPy的random模块功能更多，它增加了一些可以高效生成多种概率分布的样本值的函数。三、归纳总结，布置课后作业 （1）对本节课的内容进行总结。（2）使用博学谷系统下发课后作业。第五课时（上机练习）上机练习主要针对本章中需要重点掌握的知识点，以及在程序中容易出错的内容进行练习，通过上机练习可以考察同学对知识点的掌握情况，对代码的熟练程度。上机一：（练习教材中示例代码）形式：单独完成上机二：（完成案例酒鬼漫步）形式：单独完成思考题和习题见教材第2章配套的习题教学后记Python数据分析与应用：从数据获取到可视化教学设计课程名称： Python数据分析 授课年级： 2018年级 授课学期： 2018学年第一学期 教师姓名： 某某老师 2018年09月09日课题名称第3章 Python常用语句计划学时7 课时内容分析Pandas是一个基于NumPy的Python库，专门为了解决数据分析任务而创建的，它不仅纳入了大量的库和一些标准的数据模型，而且提供了高效操作大型数据集所需的工具，被广泛地应用到很多领域中，包括经济、统计、分析等学术和商业领域。教学目标及基本要求1、 Pandas的数据结构分析2、 Pandas索引操作及高级索引3、 算术运算与数据对齐4、 数据排序5、 统计计算与描述6、 层次化索引7、 读写操作8、 案例北京高考分数线统计分析教学重点1、 Pandas的数据结构分析2、 Pandas索引操作及高级索引3、 算术运算与数据对齐4、 数据排序5、 统计计算与描述6、 层次化索引7、 读写操作教学难点1、 Pandas的数据结构分析2、 Pandas索引操作及高级索引3、 层次化索引4、 读写操作教学方式教学采用教师课堂讲授为主，使用教学PPT讲解教学过程第一课时（Series，DataFrame，索引对象）一、创设情境，导入Pandas（1） 教师介绍新的数据分析工具Pandas，并引出Pandas索引操作。Pandas是一个基于NumPy的Python库，专门为了解决数据分析任务而创建的，它不仅纳入了大量的库和一些标准的数据模型，而且提供了高效操作大型数据集所需的工具，被广泛的应用到很多领域中，包括经济、统计、分析等学术和商业领域。（2） 教师根据课件，介绍Pandas中常用的两种数据结构。在Pandas中常用的两种数据结构分别是Series和DataFrame，Series是一种一维的数据结构，而DataFrame是一种二维的数据结构。（3） 教师根据课件，介绍Pandas索引对象。Pandas中的索引都是Index类对象，又称为索引对象，该对象是不可以进行修改的，以保障数据的安全。（4） 明确学习目标l 要求学生掌握Seriesl 要求学生掌握DataFramel 要求学生熟悉索引对象二、进行重点知识的讲解（1） 教师根据课件，介绍SeriesSeries是一个一维数组对象，它能够保存任何类型的数据，比如整数、字符串、浮点数等，主要由一组数据与之相关的索引两部分构成。（2） 教师根据课件，介绍DataFrameDataFrame是一个二维数组对象，它每列的数据可以是不同的数据类型，与Series的结构相似，DataFrame的结构也是由索引和数据组成的，不同的是，DataFrame的索引不仅有行索引，还有列索引。（3） 教师根据课件，介绍索引对象Pandas中的索引对象都是Index类对象，又称为索引对象，该对象是不可以进行修改的，以保障数据的安全。三、归纳总结，布置作业/随堂练习（1） 回顾上课前的学习目标，并对本节课的内容进行总结。 教师总结本节课需要掌握的知识点，包括Series、DataFrame、索引对象。（2） 使用博学谷系统下发课后作业。第二课时（重置索引、索引操作、算术运算与数据对齐）一、回顾上节课的内容，继续讲解本课时的索引操作和算术运算与数据对齐（5） 教师对学生们的疑问进行统一答疑。（6） 通过示例代码，回顾总结上节课内容，继续讲解本节内容。（7） 明确学习目标l 要求学生掌握重置索引l 要求学生掌握索引操作l 要求学生熟悉算术运算与数据对齐二、进行重点知识的讲解（5） 教师根据课件，讲述重置索引操作。Pandas中提供了一个重要的方法是reindex()，该方法的作用是原索引和新索引进行匹配，也就是说，新索引含有原索引的数据，而原索引数据按照新索引排序。如果新索引中没有原索引数据，那么程序不仅不会报错，而且会添加新的索引，并将值填充为NaN或者使用fill_value()填充其他值。（6） 教师根据课件，讲述Series和DataFrame其他的索引操作。通过索引位置获取数据、通过索引名称获取数据、使用切片获取数据、获取不连续数据。（7） 教师根据课件，讲述算术运算与数据对齐。Pandas执行算术运算时，会先按照索引进行对齐，对齐以后进行相应的运算，没有对齐的位置会用NaN进行补齐。其中，Series是按行索引对齐的，DataFrmae是按行索引、列索引对齐的。三、归纳总结，布置作业（1） 回顾学习目标，对本节课的内容进行总结。教师带领学生总结本节课需要掌握的内容，包括重置索引和索引操作。（2） 布置随堂练习，检查学生掌握情况。 根据博学谷和随堂练习资源，给学生布置随堂练习，检测学生的掌握程度，并对学生出现的问题进行解决。 （3） 使用博学谷系统下发课后作业。第三课时（按索引排序、按值排序、常用的统计计算、统计描述）一、回顾上节课内容，继续讲解本节课的内容（1） 教师对学生们的疑问进行统一答疑。（2） 回顾总结上节课内容，讲解数据排序和统计计算与描述知识。在上节课中，介绍了Pandas的索引操作和算术运算与数据对齐，接下来，将介绍数据排序和统计计算与描述。（3） 明确学习目标l 要求学生掌握按索引排序l 要求学生掌握按值排序l 要求学生熟悉常用的统计计算l 要求学生熟悉统计描述二、进行重点知识的讲解（1） 教师根据课件，讲述数据排序按索引排序。Pandas中按索引排序使用的sort_index()方法，该方法可以用行索引或者列索引进行排序。（2） 教师根据课件，讲述数据排序按值排序。Pandas中按值排序使用的sort_values()方法。（3） 教师根据课件，讲述常用的统计描述计算。通过几个简单的示例演示常用的统计描述方法，如max、min、sum等。（4） 教师根据课件，讲述统计描述。如果希望一次性输出多个统计指标，比如平均值、最大值、最小值、求和等，则我们可以调用describe()方法实现，而不用再单独地逐个调用相应的统计方法。三、归纳总结，布置作业(1) 回顾学习目标，对本节课的内容进行总结教师带领学生总结数据排序的方法。(2) 布置随堂练习，检查学生掌握情况。 根据博学谷和随堂练习资源，给学生布置随堂练习，检测学生的掌握程度，并对学生出现的问题进行解决。(3) 使用博学谷系统下发课后作业。第四课时（认识层次化索引、层次化索引操作、读写文本文件）一、回顾上节课内容，讲解本节内容(1) 教师讲解上节课作业，并对学生的疑问进行统一答疑。(2) 回顾上节课的内容，讲解本节课新的知识点。本节课主要的新内容有认识层次化索引，层次化索引操作，以及读写文本文件。(3) 明确学习目标l 要求学生熟悉层次化索引l 要求学生掌握层次化索引的操作l 要求学生掌握读写文本文件操作二、进行重点知识的讲解（1）教师通过图例引出什么层次化索引。当Pandas的Series或DataFrame对象只有一层索引时，可称其为单层索引，而层次化索引则可以理解为单层索引的延伸，即在一个轴方向上具有多层索引。根据示例，讲解创建层次化索引的几种方法（from_tuples()、from_arrays()、from_product()）。（2）教师根据课件，讲解层次化索引的操作？常用的层次化索引操作有选取子集操作、交换分层顺序、排序分层。 （3）教师讲解完层次化索引的知识，讲解Pandas读写数据操作。在对数据分析时，通常不会将需要分析的数据写入到程序中，而是以文件或数据库的形式保存，所以接下来介绍Pandas中的读写操作。在本节中主要讲解Pandas的读写文本的操作to_csv、read_csv、read_table三、归纳总结，布置作业 （1）回顾学习目标，对本节课的内容进行总结。 教师带领学生总结本节课的内容，内容包括了解层次化索引、掌握层次化索引的操作、以及文本文件的读写操作。 （2）使用博学谷系统下发随堂练习，检测学生对课堂内容的掌握情况。第五课时（读写Excel文件、读取HTML表格数据、读写数据库）一、回顾上节课内容，讲解本节内容(1) 教师讲解上节课作业，并对学生的疑问进行统一答疑。(2) 回顾上节课的内容，继续讲解读写数据的其他操作。本节课主要的新内容有读写Excel文件、读取HTML表格数据、读写数据库、案例实现。(3) 明确学习目标l 要求学生掌握读写Excel文件l 要求学生掌握读取HTML表格数据l 要求学生掌握读写数据库二、进行重点知识的讲解（1）教师通过介绍excel文件的格式，引出使用Pandas读写Excel文件。Pandas中提供了对Excel文件进行读写操作的方法，分别为to_excel()和read_excel()。（2）教师根据课件，讲解读取HTML表格数据。通过以网上某个表格数据进行实时读取引出使用read_html()读取表格数据。 （3）教师根据课件，讲解读写数据库数据。对于存储在数据库中的数据，Pandas提供了read_sql()函数用来读取，同时也提供了用于写入数据库的to_sql()方法，教材中以mysql为例演示使用to_sql和read_sql 读取数据库数据。三、归纳总结，布置作业 （1）回顾学习目标，对本节课的内容进行总结。 教师带领学生总结本节课的内容，内容包括掌握读写Excel、读取HTML表格数据、读写数据库。 （2）使用博学谷系统下发随堂练习，检测学生对课堂内容的掌握情况。第六课时（上机练习）上机练习主要针对本章中需要重点掌握的知识点，以及在程序中容易出错的内容进行练习，通过上机练习可以考察同学对知识点的掌握情况，对代码的熟练程度。上机一：（ 练习教材中的示例代码）形式：单独完成第七课时（上机练习）上机练习主要针对本章中需要重点掌握的知识点，以及在程序中容易出错的内容进行练习，通过上机练习可以考察同学对知识点的掌握情况，对代码的熟练程度。上机一：（练习教材中的示例代码）形式：单独完成上机二：（完成案例北京高考分数线统计分析）形式：单独完成思考题和习题见教材第3章配套的习题教学后记Python数据分析与应用：从数据获取到可视化教学设计课程名称： Python数据分析 授课年级： 2018年级 授课学期： 2018学年第一学期 教师姓名： 某某老师 2018年09月09日课题名称第4章 数据预处理计划学时6 课时内容分析前期采集到的数据，或多或少都存在一些瑕疵和不足，比如数据缺失、极端值、数据格式不统一等问题。因此，在数据分析之前需要对数据进行预处理，包括数据的清洗、合并、重塑与转换。Pandas中专门提供了用于数据预处理的很多函数与方法，用于替换异常数据、合并数据、重塑数据等。教学目标及基本要求1、 掌握数据清洗2、 掌握数据合并3、 掌握数据重塑4、 掌握重命名轴索引5、 熟悉离散化连续数据6、 了解哑变量处理类别型数据7、 完成案例预处理部分地区信息教学重点1、 掌握数据清洗2、 掌握数据合并3、 掌握数据重塑4、 掌握重命名轴索引5、 完成案例预处理部分地区信息教学难点1、 掌握数据清洗2、 掌握数据合并3、 掌握数据重塑4、 掌握重命名轴索引教学方式教学采用教师课堂讲授为主，使用教学PPT讲解教学过程第一课时（空值和缺失的处理、重复值的处理、异常值的处理）一、创设情境，导入为什么要使用数据清洗（5） 教师通过生活中的举例，引出数据清洗的知识。例如问卷调查信息，在获取这些数据后并不能立即用于分析，而是需要将这些数据进行一些清洗操作。（6） 数据清洗常用的操作常的数据清洗操作包括空值和缺失值处理、重复值的处理、异常值的处理等。（7） 明确学习目标l 要求学生掌握空值和缺失值的处理。l 要求学生掌握重复值的处理l 要求学生掌握异常值的处理二、进行重点知识的讲解（4） 教师根据课件，讲述空值和缺失值的处理。Pandas提供了一些用于检查或处理空值和缺失值的函数，其中，使用isnull()和notnull()函数可以判断数据集中是否存在空值和缺失值，对于缺失数据可以使用dropna()和fillna()方法对缺失值进行删除和填充。（5） 教师根据课件，讲述重复值的处理。Pandas提供了两个函数专门用来处理数据中的重复值，分别为duplicate()和drop_duplicates()。其中，前者用于标记是否有重复值，后者用于删除重复值，它们的判断标准是一样的，即只要两条数据中所有条目的值完全相等，就判断为重复值。（6） 教师根据课件，讲述异常值的处理。异常值指样本中的个别值，其数值明显偏离它所属样本的其余观测值，这些数值是不合理的或错误的。要想确认一组数据中是否有异常值，常用的检测方法有3原则和箱形图，对于检测出的异常值可以使用replace方法进行替换。三、归纳总结，布置作业/随堂练习（3） 回顾上课前的学习目标，并对本节课的内容进行总结。 教师总结本节课需要掌握的知识点，包括空值和缺失值的处理、重复值的处理、异常值的处理。（4） 使用博学谷系统下发课后作业。第二课时（更改数据类型、轴向堆叠合并、主键合并数据）一、回顾上节课的内容，继续讲解本课时的知识（8） 教师对学生们的疑问进行统一答疑。（9） 回顾总结上节课内容，继续介绍本课时的内容。上节课介绍了数据清洗的内容，接下来，本节课继续介绍数据清洗内容以及数据合并操作。（10） 明确学习目标l 要求学生掌握更改数据类型的方法l 要求学生掌握轴向堆叠合并l 要求学生掌握主键合并数据二、进行重点知识的讲解（8） 为什么要更改数据类型？在处理数据时，可能会遇到数据类型不一致的问题，例如通过爬虫采集到的数据都是整型的数据，在使用数据的时希望保留两位小数点，这时需要将这些数据的类型转换为浮点型。针对这种问题，既可以在创建Pandas对象明确指定数据类型，也可以使用astype和to_numberic进行转换。（9） 教师根据课件，讲解数据合并轴向堆叠数据的操作。在对数据进行整合时，经常会用到数据合并。接下来，介绍常用的几种数据合并操作。concat()函数可以沿着一条轴将多个对象进行堆叠，其使用方式类似数据库中的数据表合并。（10） 教师根据课件，讲解数据合并主键合并数据的操作。主键合并类似于关系数据库库的连接方式，它是根据一个或多个键将不同的DataFrmae对象连接起来，大多数是将两个DataFrame对象中的列作为合并键，Pandas主键合并方式使用merge()函数实现。三、归纳总结，布置作业（2） 回顾学习目标，对本节课的内容进行总结。教师带领学生总结本节课需要掌握的内容，包括更改数据类型、轴向堆叠数据、主键合并数据。（3） 布置随堂练习，检查学生掌握情况。 根据博学谷和随堂练习资源，给学生布置随堂练习，检测学生的掌握程度，并对学生出现的问题进行解决。 （4） 使用博学谷系统下发课后作业。第三课时（根据行索引合并数据、合并重叠数据、重塑层次化索引）一、回顾上节课内容，继续讲解数据合并内容以及数据重塑中的重塑层次化索引（4） 教师对学生们的疑问进行统一答疑。（5） 回顾总结上节课内容，继续介绍数据合并的知识以及数据重塑的知识。在上节课中，介绍了更改数据类型的方法以及数据合并的两种方法。（6） 明确学习目标l 要求学生掌握根据行索引合并数据、l 要求学生掌握合并重叠数据l 要求学生掌握重塑层次化索引二、进行重点知识的讲解（5） 教师通过示例代码，讲述join()方法的使用。join()方法能够通过索引或指定列来连接DataFrame。（6） 教师通过示例代码，讲述combine_first()方法的使用。在处理数据的过程中，当一个DataFrame对象中出现了缺失数据，而这些缺失数据我们希望使用其它DataFrame对象中的数据填充，这时可以通过combine_first()方法为缺失数据填充。（7） 教师通过示例代码，讲述stack()和unstack()方法的使用。Pandas中重塑层次化索引操作主要是stack()和unstack()，前者表示将数据的列“旋转”为行，后者表示将数据的行“旋转”为列。三、归纳总结，布置作业(1) 回顾学习目标，对本节课的内容进行总结教师带领学生总结join()、combine_first()、stack()、unstack()的使用方法。(2) 布置随堂练习，检查学生掌握情况。 根据博学谷和随堂练习资源，给学生布置随堂练习，检测学生的掌握程度，并对学生出现的问题进行解决。(3) 使用博学谷系统下发课后作业。第四课时（轴向旋转、重命名轴索引、离散化连续数据、哑变量处理类别数据）一、回顾上节课内容，继续讲解本节课的内容（1） 教师讲解上节课有难度的作业，并对学生的疑问进行统一答疑。（2） 回顾上节课的内容，继续介绍数据重塑的操作以及数据转换的部分操作。在上节课中，介绍了数据合并和数据重塑的操作，接下来，继续介绍数据重塑的操作以及数据转换的操作。（3） 明确学习目标l 要求学生掌握轴向旋转操作l 要求学生掌握重名轴索引的操作l 要求学生熟悉离散化连续数据l 要求学生了解哑变量处理类别数据二、进行重点知识的讲解(1) 教师通过教材中的示例，引出轴向旋转的操作。在Pandas中pivot()方法会根据给定的行索引或列索引重新组织一个DataFrame对象。(2) 教师通过设定需求，引出重命名轴索引的使用。Pandas中提供一个rename()方法来重名列索引或行索引。(3) 教师通过教材中的示例，引出离散化连续数据。有时候我们会碰到这样的需求，例如，将有关年龄的数据进行离散化（分桶）或拆分为“面元”，直白来说，就是将年龄分成几个区间。 Pandas 的cut()函数能够实现离散化操作。(4) 教师根据课件，讲解哑变量处理类别型数据。哑变量又称虚拟变量、名义变量，从名称上看就知道，它是人为虚设的变量，用来反映某个变量的不同类别。使用哑变量处理类别转换，事实上就是将分类变量转换为哑变量矩阵或指标矩阵，矩阵的值通常用“0”或“1”表示。三、归纳总结，布置作业 （1）回顾学习目标，对本节课的内容进行总结。教师带领学生总结数据重塑和数据转换操作。 （2）使用博学谷系统下发随堂练习，检测学生对课堂内容的掌握情况。第五课时（上机练习）上机练习主要针对本章中需要重点掌握的知识点，以及在程序中容易出错的内容进行练习，通过上机练习可以考察同学对知识点的掌握情况，对代码的熟练程度。上机一：（练习教材中的示例代码）形式：单独完成第六课时（上机练习）上机练习主要针对本章中需要重点掌握的知识点，以及在程序中容易出错的内容进行练习，通过上机练习可以考察同学对知识点的掌握情况，