Python数据分析与实践-教学大纲-柳毅

《Python数据分析与实践》课程教学大纲课程编号：XXXXXXXX课程名称：Python数据分析与实践英文名称：PythonDataanalysisandPractice课程类型：专业课 课程要求：选修 学时/学分：48/3（讲课学时：32上机学时：16）适用专业：信息管理与信息系统、电子商务、计算机科学与技术一、课程性质与任务Python是信管、电子商务、计算机科学与技术专业学生进行数据分析所需要掌握基础性语言和分析工具，是未来学生掌握大数据分析技术的学习基础。本课程在教学内容方面着重以Python语言讲解及Python语言数据分析工具包应用为主。通过一系列的Python语言数据分析训练项目，培养学生具有一定的Python语言数据分析理解和应用实践能力。二、课程与其他课程的联系本课程的先修课程为Java语言，后续课程为大数据技术导论和Hadoop在大数据中应用。Java语言是Python语言学习的基础，Python数据分析知识为后续的大数据技术导论和Hadoop在大数据中的应用奠定基础。三、课程教学目标1．学习Python基本编程语言知识，了解Python在互联网和智能商务分析中的应用。2．掌握Python机器学习基础库，具有应用Python语言解决数据分析中实际问题能力。3.掌握网络数据抓取技术，Python数据库应用开发，实现Python数据可视化操作，提高数据收集和数据分析能力。4.掌握Python数据分析能力，具有应用Python解决数据分析项目的实践能力。5.应用Python编程技术进行电子商务企业运营、信息技术创新创业提供技能准备。四、教学内容、基本要求与学时分配序号教学内容教学要求学时教学方式1第一章、Python概述1.Python语言的发展史及特点；2.Python的交互方式、代码文件方式3.Python的集成开发环境4.Python的模块1.了解Python语言特点2.掌握Python语言的交互方式。3.了解Python语言的相关模块2+1讲授/实验2第二章、Python语言基础知识1.输入与输出2.标识符与变量3.数据类型及运算4.分支结构控制语句5.选择结构嵌套语句6.常见的Python函数实验：Python基本语句练习1.掌握Python的输入与输出方法2.掌握数据类型及运算3.掌握分支结构控制语句和选择结构嵌套语句3.了解Python函数2+1讲授/实验3第三章、数据结构与函数设计1.序列2.字典3.集合4.函数的定义实验：数据结构与函数设计练习1.掌握序列中列表与元祖转换2.掌握字典中列表、元组与字典之间的转换3.掌握集合算法4.了解函数的定义2+1讲授/实验4第四章、类与对象1.类的属性2.类的方法3.面向对象和面向过程的编程4.类的继承和组合实验：面向类和对象的编程1.掌握类的属性、方法2.掌握面向对象和面向过程的编程3.了解累的继承和组合2+1讲授/实验5第四章、类的异常处理1.类异常2.Python中的异常类3.捕获与处理异常4.自定义异常类5.with语句、断言实验：类的异常编程1.了解Python的异常处理2.捕获与处理异常的方法3.断言处理、异常捕获与处理2+1讲授/实验6第五章、Python库介绍1.NumPy库2.Pandas库3.Matplotlib库4.SciPy库5.Scikit-learn库1.熟悉Python的NumPy、SciPy、Pandas和Matplotlib各种程序库,使其在数据分析领域的广泛应用。2+1讲授/实验7第六章、网络数据获取1.网页数据的组织形式2.利用urllib处理HTTP协议3.利用BeautifulSoup4解析HTML文档1.了解网页数据的组织形式2.掌握利用urllib处理HTTP协议3.掌握利用BeautifulSoup4解析HTML文档2+1讲授/实验8第七章、Python文件操作1.打开与关闭文件2.读写文件3.文件对话框1.掌握文件读写方法2.掌握文件对话框构建方法2+1讲授/实验9第八章、Python数据可视化1.数据可视化概念框架2.绘制图表3.更多高级图表及定制4.3D可视化图表实验：数据可视化操作1.掌握数据可视化概念框架2.掌握绘制图表方法3.了解高级图表及定制图表操作3+2讲授/实验10第九章、数据库应用开发1.Python数据库2.基于Python的关系型数据库3.基于Python的非关系型数据库4.本地数据库sqlite实验：数据库操作1.了解Python的数据库2.掌握关系型数据库3.掌握菲关系型数据库3+2讲授/实验11第十章、Python机器学习—有监督学习算法1.线性回归算法的设计和实现2.Logistic回归分类器的使用3.朴素贝叶斯分类器算法4.SVM支持向量机算法5.常用KNN算法6.决策树分析类算法的使用7.“生物多样性”的应用案例1.Python有监督机器学习2.Scikit-Learn核心程序库3.SVM支持向量机算法4.常用KNN算法5.决策树分析类算法的使用3+2讲授/实验12第十一章、机器学习—无监督学习算法1.了解无监督机器学习原理2.DBSCAN算法3.K-Means算法4.Apriori算法5.FP-growth算法6.“美丽乡村建设”的应用案例1.了解无监督机器学习原理2.了解聚类相关算法和运用3.了解关联规则相关算法运用3+2讲授/实验13第十二章、房价数据分析项目实践1.了解数据分析项目的基本步骤2.学会观察数据和预处理3.数据探索和可视化4.基于回归方法的房价模型5.学区特征影响因素分析和评估1.理解数据分析项目基本步骤2.数据探索和可视化3.选择和训练模型4.模型调参和评估3+2讲授/实验五、其他教学环节（课外教学环节、要求、目标）1.案例分析针对教学内容，本课程选取具体商业数据作为案例，完成相应的Python语言编程操作，更好的理解知识点。2.上机实验针对教学中Python基本语句练习、面向对象编程、网络数据抓取、文本文件操作、数据库操作、数据可视化操作、Python机器学习—有监督学习算法与无监督学习算法、Python数据分析项目实践进行上机实验，分次计算上机成绩。六、教学方法1.以课堂讲授为主，课堂讨论、学生PPT展示以及启发式的教学方法。2.加强互动教学，采用多媒体教学方式，学生参与案例讨论相结合，提高学生解决实际问题的能力。七、考核及成绩评定方式最终成绩由平时作业成绩、平时测验成绩、期末成绩和小论文成绩等组合而成。各部分所占比例如下：平时作业成绩：20%。以出勤率及课堂情况，主要考核对每堂课核心知识点的理解掌握程度。上机成绩：30%。主要考核数据处理分析能力，以小组作业或个人作业为考核依据。期末考试成绩：50%。主要考核Python数据分析基本理论，Python机器学习数据分析算法、Python数据库技术、数据可视化技术等。书面考试形式：题型为1、填空题，2、选择题，3、判断题，4、简答题，5、程序设计题等。八、教材及参考书目1．教材：[1]Python数据分析与实践(二版)[M]．柳毅、毛峰、刘铁桥主