Python数据可视化实战-教学大纲

1、Python数据可视化实战教学大纲课程名称：Python 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 28 学时，实验 36 学时） 总学分：4.0 学分一、课程的性质Python 数据可视化实战课程。二、课程的任务Python 可视化库：Matplotlib、seabornpyecharts TipDM 业案例，将理论与实践相结合，为将来从事数据可视化分析研究、工作奠定基础。三、课程学时分配序号序号教学内容理论学时实验学时其它1第 1 章 Python 数据可视化概述222第 2 章 数据的读取与处理443第 3 章Matplotlib 数据可视化基础644第

2、4 章searborn 绘制进阶图形445第 5 章pyecharts 交互式绘图446第 6 章广电大数据可视化项目实战267第 7 章新零售智能销售数据可视化实26战8第 8 章基于TipDM 大数据挖掘平台实46现广电大数据可视化项目总计现广电大数据可视化项目总计26361. 理论教学序序号章节名称主要内容教学目标学时掌握数据和数据可视化的概念掌握数据可视化的流程了解项目分析报告掌握常用的数据可视化图形Python 优势1Python 数据可视化概述6. Python 可视化的常用类库熟悉 PythonJupyter在 Anaconda集成开发工具的掌握数据和数据可视场景Python 据

3、可视化库Windows 系统下Anaconda 安装Jupyter Notebook的常用功能2操作系统上安装掌握 Jupyter Notebook 的基础功能Jupyter Notebook 的高级功能数据的读取2与处理Matplotlib3基础seaborn 绘制4进阶图形pyecharts 交绘制CSV 数据Excel 文件数据读取数据库数据校验数据清洗数据合并数据pyplot的基础语法pyplot rc 参数绘制散点图绘制折线图绘制饼图绘制柱形图绘制箱线图seaborn 绘图基础绘制散点图绘制折线图绘制热力图绘制矩阵网格图绘制关系网格组合图绘制条形图绘制单变量分布图绘制分类散点图绘制增

4、强箱线图绘制分类网格组合图绘制线性回归拟合图绘制线性回归网络组合图pyecharts 初始配置项pyecharts 系列配置项pyecharts 全局配置项绘制交互式基础图形绘制交互式高级图形绘制组合图形CSVExcel 数据和数据库数据的读取与保存的方法掌握一致性、缺失值和异常值的校验掌握重复值、缺失值4和异常值的处理方法原理和方法掌握 pyplot 图参数的调节方法掌握子图的绘制方法与展示方法掌握散点图和折线图6的作用与绘制方法法了解 searborn 库中的基础图形熟悉 searborn 的主题风格、调色配置掌握关系图的绘制方4法法法pyecharts 配置项pyecharts 置项和全

5、局配置项掌握交互式基础图形4的绘制方法的绘制方法绘制方法广电大数据实战新零售智能视化实战大数据挖掘建模平台实8现广电大数据可视化项目项目背景与目标读取与处理广播电视数据绘制可视化图形撰写项目分析报告总结与建议标读取与处理新零售智能数据绘制可视化图形撰写项目分析报告平台简介实现guan数据源的配置数据清洗数据分析与可视化学 时 合 计的背景和目标熟悉项目流程洗方法掌握绘制用户分析2图、频道分析图、时长分付方式分析图的绘制方法撰写数据可视化分析的步骤和流程洗、规约数据的方法掌握从销售、库存用 2户等单个方面进行数据可视化方法撰写数据分析报告的方法TipDM 掘建模平台的相关概念和特点TipDM 据

6、挖掘建模平台配置广电大数据可视化项目的总体流程TipDM大数据挖掘建模平台获取数4据的方法TipDM 据挖掘建模平台进行数据筛选、分组聚合等操作法TipDM 大数据挖掘建模平台进行绘 绘制饼图等操作282.实验教学序号实验项目名称1Python 视化环境搭建数据的读取与2处理Matplotlib 数据3可视化基础seaborn 绘制进4阶图形pyecharts 交互5式图形的绘制广电大数据可6视化项目实战新零售智能销7售数据可视化实战实验要求学时Windows/LinuxAnaconda掌握Jupyter Notebook的常用功能2csv数据Excel文件数据读取数据库数据4校验数据清洗数据

7、合并数据pyplot的基本绘图语法pyplotrc参数绘制散点图绘制折线图4绘制直方图绘制饼图绘制箱线图读写数据库数据绘制散点图绘制折线图绘制热力图绘制矩阵网格图绘制关系网格组合图绘制条形图4绘制单变量分布图绘制分类散点图绘制增强箱线图绘制分类网格组合图绘制线性回归拟合图绘制线性回归网络组合图绘制交互式基础图形绘制交互式高级图形4绘制并行多图、顺序多图、时间线轮播多图读取数据文件清洗数据绘制用户分析图6绘制频道分析图绘制时长分析图绘制用户支付方式分析图读取数据文件清洗数据6规约数据绘制销售分析图绘制销售分析图绘制库存分析图绘制用户分析图8基于 TipDM 大数据挖掘建模平台实现广电大数据可视化项目1. 平台数据配置：实训库、数据连接、系统算法、个人算法数据清洗：字符切分、数据筛选、异常数据处理数据分析与可视化6学 时 合 计36五、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，试题应包括部分，题型可采用判断题、