Python数据分析与可视化 教学大纲 及 习题答案（吕云翔 ）

《Python数据分析与可视化》课程教学大纲

课程代码：

课程名称：Python数据分析与可视化

开课学期：

学分/学时：3/48

课程类型：

适用专业/开课对象：

先修课程：

开课单位：

团队负责人：责任教授：

执笔人：核准院长：

一、课程的性质、目的与任务

《Python数据分析与可视化》是计算机相关中的一门数据分析入门课程，该

课程介绍了Python语言在数据分析方面的应用，按照数据分析的步骤，从数据预

处理、分析、可视化等方面介绍了数据分析的方式，并通过两个完整的数据分析

实例进行相关知识的学习。主要内容包括Python基础知识介绍、数据预处理、数

据分析基础工具NumPy、处理结构化数据工具Pandas、数据分析与知识发现、

scikit-learn实现数据分析、Matplotlib交互式图表绘制、实例：科比职业生涯进球

分析、实例：世界杯等。

本课程的目的与任务是使学生通过本课程的学习，从数据分析的基础理论知

识入手，按照数据分析的基本流程循序渐进的学习数据分析知识，并使用Python

编程进行实战操作。通过两个完整数据分析实例的学习，帮助学生更好的掌握数

据分析技能，做到理论与实践相结合，方法与应用相结合。本课程除要求学生掌

握数据分析的基础知识和相关Python库使用，更重要的是要求学生掌握理论与实

践结合的学习方式，为更深入地学习打下良好的基础。

二、教学内容及教学基本要求

1.数据分析概述与基本概念（2学时）

了解数据分析的定义和历史背景；了解数据分析的目的和任务；了解数据分

析与数据挖掘的关系；了解机器学习与数据分析的关系；了解数据分析的基本步

骤，即数据收集、数据预处理、数据分析与知识发现和数据后处理，以及每个基

本步骤的概念与内容；了解Python在数据分析领域所具有的优点。

2.Python基础知识（4学时）

了解Python的发展史；了解Python及Pandas、scikit-leam、Matplotlib的安装；

掌握Python的基础知识及Python的一些特性，包括缩进在Python的重要性、Python

包的使用方法、注释的使用方法、Python语法知识；了解Pandas、scikit-learn、

Matplotlib等重要Python库；了解Jupyter交互式数据科学与科学计算开发环境。

3.数据预处理（2学时）

了解数据的集中趋势、离散程度、相关性测量、数据缺失、噪声、离群点等

概念；了解数据质量标准评估的完整性、一致性、准确性和及时性4个要素。了

解数据清洗的概念及方式，包括缺失值的处理、噪声数据的处理、不一致数据的

处理和异常数据的处理；了解数据的特征选择、特征构建和特征提取。

4.NumPy——数据分析基础工具（4学时）

了解NumPy库的作用；掌握多维数组对象ndarray的使用，包括ndarray的创

建、ndarray的索弓|、切片和迭代、ndarray的shape的操作、ndarray的基础操作等。

5.Pandas——处理结构化数据（4学时）

了解Pandas库的作用和特色功能；了解Pandas中Series和DataFrame两种主要

数据结构；掌握Series对象的创建、访问和操作；掌握DataFrame对象的创建、访

问和操作，-掌握基于Pandas的Index对象的访问操作，♦了解Pandas的相关数学统计

和计算工具；了解Pandas的数学聚合和分组运算。

6.数据分析与知识发现（4学时）

了解分类分析的基本概念；了解逻辑回归、线性判别分析、支持向量机、决

策树、K近邻和朴素贝叶斯的相关知识；了解关联分析的基本概念，包括关联规

则定义、指标定义和关联规则挖掘定义；了解关联分析的Apriori算法、FP-Tree

算法、PrefixSpan算法；了解聚类分析的概念；了解K均值算法和DBSCAN；了

解回归分析的基本概念和常用方法。

7.scikit-learn---实现数据的分析（4学时）

了解SciPy和scikit-leam的作用；掌握scikit-learn的分类方法、回归方法和聚

类方法，分类方法包括Logistic回归、SVM、最近邻分类器、决策树、随机梯度

下降、高斯过程分类、神经网络分类和朴素贝叶斯，回归方法包括最小二乘法、

岭回归、Lasso、贝叶斯岭回归、决策树回归、高斯过程回归和最近邻回归，聚

类方法包括K-means、AffinitypropagationsMean-shiftxSpectralclusterings

Hierarchicalclustering、DBSCAN和Birch。

8.Matplotlib——交互式图表绘制（4学时）

了解Matplotlib的作用；掌握Matplotlib中的基本布局对象的建立；掌握修改

图表样式、修改装饰项和添加注释的方法；掌握基础图表的绘制，包括直方图、

散点图、柱状图、折线图和表格；了解使用Matplot3D绘制三维图形的方法；了

解Matplotlib与Jupyter结合使用的方法。

9.数据分析实例（4学时）

通过“用户流失的预警”和“机器人走迷宫的最优路径”两个数据分析实例

的分析，了解完整的数据分析实例的分析流程；了解实例中对数据的预处理、分

析和绘图的过程；掌握综合运用所学知识，进行完整数据分析的能力。

10.实验（16学时）

教学说明及教学基本要求见《Python数据分析与可视化》实验教学大纲。

三、教学方法

本课程教学方法以教师为主导的启发式讲授教学法为主，讨论（提问）式教

学为辅，结合课外学习的教学方法。实验以学生动手实验为主，教师的启发式讲

授教学法为辅，并结合讨论（提问）式教学，以及结合课外学习的教学方法。

1.本课程概念较多，因此教学形式以讲授方式为主。本课程拟采用多媒体PPT

的教学方法，增加课堂信息，浅显通俗地对概念、定义和原理进行解释，增加教

学的直观性，教学过程中注意各个知识点的关联性，以使学生更好地理解课程内

容。

2.对课程中关键性概念、设计思想方面的问题可辅以课堂讨论的形式。

3.为加强和落实动手能力的培养，每章课后应安排作业，帮助学生学习和应用。

四、课内外教学环节及基本要求

本课程共48个学时，其中理论32个学时，讲授16周（每周2学时）；实

验16个学时，讲授8周（每周2学时）。

课外学习要求：

1.做好课前预习，预习时以教材为主，了解相关的概念、定义、原理。预习中

认真思考，以便带着问题主动地听课。

2.课后要复习，有余力的学生复习时还应阅读参考资料，认真整理课堂听课笔

记。

3.要求学生课外自主学习，学生课外阅读的参考资料以本大纲所列参考资料为

主。

五、考核内容及方式

本课程成绩由平时成绩和期末考核成绩组合而成，课程成绩以百分制计算,

分配比例如下:

1.平时成绩占30%,主要考查作业的完成程度，理论课和实验课的出勤率,

实验课的考试结果。其中作业占10%,实验占15%,出勤率占5%。

2.期末成绩占70%,采用考试的考核方式。考试采用闭卷形式，题型为选

择题、正确/错误题、填空题、简答题，以及应用题。

六、持续改进

本课程根据学生作业、课堂讨论、平时考核情况和学生、教学督导等反馈,

及时对教学中不足之处进行改进，并在下一轮课程教学中改进。

七、建议教材及参考资料

建议教材：

[1]吕云翔等.Python数据分析与可视化基础与应用[M].北京：机械工业出版社,

2022.

《Python数据分析与可视化》实验教学大纲

教学内容及教学基本要求

LPython的安装与使用（2学时）

了解Python的安装方法；了解Python在本课程中起到的作用；掌握Python的

基础知识，如Python包的使用方法、注释的使用方法、Python语法知识等；掌握

使用Python编写并运行简单程序的能力。

2.NumPy的使用（2学时）

了解NumPy的基本功能和安装方式；掌握多维数组对象ndarray的使用方式；

了解ndarray对象的重要属性；了解创建ndarray对象的方法；了解ndarray的索引、

切片和迭代；了解ndarray的shape的操作；了解对ndarray中的数据进行元素级运

算的方法。

3.Pandas的使用（2学时）

了解Pandas库的基本功能和安装方式噂握Pandas库的使用方式，■了解Pandas

中Series和DataFrame两种主要数据结构及它们的创建、访问和操作方式；了解

Pandas的Index对象；了解Pandas的统计函数和窗口函数；了解Pandas的数学聚合

和分组运算。

4.scikit-learn的使用（4学时）

了解scikit-learn的基本功能和安装方式，•掌握scikit-leam库的使用方式；了解

scikit-learn实现数据分析的方法，如Logistic回归、SVM、最近邻分类器等分类方

法，最小二乘法、岭回归、Lasso、贝叶斯岭回归、决策树回归等回归方法和K-means、

AffinitypropagationxMean-shift等聚类方法。

5.Matplotlib的使用（2学时）

了解Matplotlib的基本功能和安装方式；掌握Matplotlib库的使用方式；了解

Figure对象；掌握修改图表样式、修改装饰项和添加注释的方法；掌握基础图表

的绘制方法；了解使用Matplot3D绘制三维图形的方法；

6.数据分析实例：美国加利福尼亚房价的预测分析（2学时）

7.数据分析实例：基于Python+ElasticSearch的搜索附近小区房价（2学时）

第一章

L阐述统计分析与数据挖掘的特点。

传统的统计分析是在已定假设、先验约束的内情况下，对数据进行整理筛选

和加工，由此得到一些信息。

数据挖掘是将信息需要进一步处理以获得认知，继而转为有效的预测和决策。

统计分析是把数据变成信息的工具，数据挖掘是把信息变成认知的工具。

2、数据分析的基本步骤包括哪些？

（1）数据收集；

(2)数据预处理；

(3)数据分析与知识发现；

(4)数据后处理。

3、相比R语言、MATLAB、SAS、SPSS等语言或工具，Python有哪

些优点？

(1)Python是面向生产的;

(2)强大的第三方库的支持；

(3)Python的胶水语言特性。

第二章

选择题

1、python之父是下列哪位？(A)

A、吉多范罗苏姆

B、丹尼斯里奇

C、詹姆斯高林思

D、克里夫默勒

2、python的缩进功能有什么作用？(C)

A、增加代码可读性

B、方便放置各类符号

C、决定程序的结构

D、方便修改程序

3、python的单行注释通过什么符号完成？(B)

A、双斜杠(//)

B、井号（#）

C、三引号（“‘）

D、双分号（；；）

4、以下选项中,Python数据分析方向的库是？（C）

A、PIL

B、Django

C、pandas

D、flask

5、以下选项中,Python网络爬虫方向的库是？（D）

A、numpy

B、openpyxl

C、PyQt5

D、scrapy

对错题

1、winpython会写入windows注册表（F）

2、python与大多数程序设计语言的语法非常相近（T）

3、Python的缩进是一种增加代码可读性的措施（F）

4、PANDAS是一个构建在Numpy之上的高性能数据分析库（T）

5、Jupyter是一个交互式的数据科学与科学计算开发环境（T）

填空题

python中的多行注释使用三引号/，’’表示。

2、pandas能对数据进行排序、分组、归并等操作。

3、Scikit_learn包括多种分类、回归、聚类、降维、模型选择和预处

理的算法。

4、Matplotlib是一个绘图库。

5、将Ipython项目中与其程序设计语言无关的部分独立出来形成的

新项目是Jupyter。

第三章

选择题

1、下列不是集中趋势的主要测度的是？（D）

A、均值

B、中位数

C、众数

D、方差

2、下列不是离散程度的主要测度的是？（D）

A、极差

B、方差

C、标准差

D、中位数

3、下列不属于数据质量的评估标准的是？（C）

A、完整性

B、一致性

C、可控性

D、及时性

4、下列不属于噪声数据处理方法的是你？（B）

A、分箱技术

B、同化技术

C、聚类技术

D、回归技术

5、下列不属于特征提取方法的是？（B）

A、主成分分析

B、多重判别分析

C、独立成分分析

D、线性判别分析

对错题

1、数据库中不含缺失值的变量被称为完全变量（T）

2、噪声是指被观测变量的随机误差或标准差（F）

3、一致性是指数据是否合乎规范，数据内的数据是否保持一致的格

式（T）

4、及时性是指数据产生到可以查看的时间间隔，也叫数据的延时时

长（T）

5、特征构建是指从预处理的数据中人工构建新的特征（F）

填空题

1、数据分析需要特别关注集中趋势、离散程度两点。

2、一般可以通过数据统计中的记录值和唯一值两个值来评估数据质

量的完整性。

3、数据质量是数据分析结果的有效性和准确性的前提保证。

4、异常数据如果没哟规律可循几乎不可能被还原，只能将其过滤。

5、特征提取是在原始特征的基础上，自动构建新的特征，将源石特

征转换为一组更具物理意义、统计意义或者核的特征。

第四章

选择题：

1、关于NumPy说法不正确正确的是（D）

A、NumPy是Python处理数组和矢量运算的库。

B、NumPy是高性能计算的基础。

C、NumPy是数据分析的基础。

D、Pandas^scikit-learn和Matplotlib是NumPy的基础

2、关于ndarray对象说法不正确正确的是（D）

A、Ndarray对象指的是多维数组对象。

B、Ndarray对象是NumPy中很重要的对象。

C、Ndarray保存的是同一类型的对象。

D、Ndarray的访问方式不同于列表。

3、下列哪些不是描述ndarray对象的属性（C）

A、shape

B、ndim

C、array

D、size

4、创建单位矩阵，对角线元素为L其余为0需要用到下列哪个函数（D）

A、ones

B、onesJike

C、emptyJike

D、eye、identity

5、对下列函数说法正确的是（B）

Axreshape会修改原adarray对象

B、reveal不会修改原adarray对象

C、T会修改原adarray对象

D、resize不会修改原adarray对象

判断题

1、floatl6为半精度浮点数。（对）

2、floatl28为双精度浮点数（错）扩展精度

3、complexl28（cl6）使用两个双精度浮点数表示的复数。（对）

4、empty指定shape,,创建新数组，且填充为0（错）不填充

5、size指ndarray对象的维度。（错）元素个数

填空题

1、代码中用指代NumPy。

2、查询某个ndarray对象的dtype属性，会返回一个（dtype）类型的对象。

3、T函数返回原ndarray对象的（转置）

4、布尔值的字节长度为（1）

5、ndim指ndarray对象的（维度）□

第五章

一、单选题

1.以下哪一个Series对象不同()A

Adisc={'1':1,'2':2,'3':3}

obj_c=Series(disc,index=['l','2','3'])

Bdisc={'1':1,'2':2,'3':3}

obj_c=Series(disc,index=[1,2,3])

Cdisc={'a':1,'b':2,'c':3}

obj_c=Series(disc,index=['l','2','3'])

Ddisc={'a':1,'b':2,'c':3}

objc=Series(disc,index=[1,2,3])

2.以下哪一项不是DataFrame对象的属性()D

Acolumns

Bindex

Cvalues

Dlength

3.以下哪一项可以对DataFrame对象进行行的删除（）A

Adrop,axis=0

Bdrop,axis=l

Cdel

Dpop

4.Index对象中，以下哪一项针对时间间隔数据（）D

AInt641ndex

BMultilndex

CDatetimeindex

DPeriodindex

5."groupby”包括”3个阶段（）A

Asplit-apply-combine

Bsplit-combine-app1y

Ccombine-app1y-sp1it

Dcombine-split-app1y

二、判断题

1.Index对象可以修改。

False

2.pandas提供了缺失值处理功能。

True

3.Index对象支持并、差、交的操作。

True

4.在创建Series对象时并没有指定索引，pandas自动创建一个1-n的序列作为索引。

False

5.panadas提供的cov函数，能够自动进行数据对齐的操作。

True

三、填空题

1.pandas两种基本的数据结构为________和________。

(SeriesDataFrame)

2.

In[1]:obja=Series([1,2,3,4])

In⑵:obj_a.

Out[2]:Int64Index([0,1,2,3])

In[3]:obj_a.

Out[3]:array([1,2,3,4])

(indexvalues)

3.loc函数接收Index对象的，iloc函数接收Index对象的。

(标签位置)

4.可以通过GroupBy对象的_______函数实现自定义函数；________函数会将数据对象分

成多个组，然后对每个组调用传入的函数，最后将其组合到一起。

(aggapply)

5.对象产生的是定长窗口；对象产生的是扩展窗口；对象产生

的是指数加权窗口。

(RollingExpandingEWM)

第六章

一、单选题

1.以下哪一项不属于非线性分类模型()A

A逻辑回归

B支持向量机

C决策树

Dk近邻

2.以下哪一项属于懒惰学习()D

A逻辑回归

B支持向量机

C决策树

Dk近邻

3.以下哪一项算法用于序列数据中频繁序列的挖掘()I)

ADijstra

BApriori

CFP-Tree

DPrefixSpan

4.支持度用概率公式表示为()

AP(B|A)

BP(AnB)

CP(B)

DP(B|A)/P(B)

5.是把一组数据按照相似性和差异性分为几个类别()

A分类分析

B关联分析

C聚类分析

D回归分析

二、判断题

1.k近邻算法的训练时间开销为0。

True

2.线性判别分析，针对训练集，将其投影到一条直线上，使得同类样本点尽可能接近，异

类样本点尽量远离。

True

3.同一个问题和样本产生的决策树一定相同。

False

4.回归分析的目的在于了解变量间是否相关、相关方向和相关强度，并建立数学模型来进

行预测。

True

5.DBSCAN聚类速度快且能够有效处理噪声和发现任意形状的空间聚类。

True

三、填空题

1.贝叶斯公式：

(p(y|x)=(p(x|y)p(y))/(p(x)))

2.关联规则挖掘分为一和一。

(生成频繁项集生成强规则)

3.Apriori算法定律1：如果一个集合是频繁项集，则它的所有都是频繁项集；

Apriori算法定律2：如果一个集合不是频繁项集，则它的所有.都不是频繁项集。

(子集超集)

4.关联规则分析中，如果穷举项集的所有组合，并测试每个组合是否满足条件。那么对于

一个元素个数为n的项集，所需要的时间复杂度为。

(0(2n))

5.列举典型的无监督学习：和一。

(关联分析聚类分析)

第七章

一、单选题

1、在支持向量机分类方法中，在拟合以后，可以通过以下哪一个参数获取支持向量的索引

()B

Asupport_vectorsBsupport_

Cn_supportD以上均不是

2、下列能够实现多元分类的是()I)

ASVCBNuSVC

C高斯过程分类D以上均是

3、下列说法不正确的是()A

Ascikit-learn实现的linear_model.Lasso类使用了坐标上升算法来拟合系数

Blinear_model.BayesianRidge类实现了贝叶斯岭回归，能够在回归问题的估计过程中引

入参数正规化

Cgaussian_process.GaussianProcessRegressor类实现了一个用于回归问题的高斯过

程

D与最近邻分类一样，scikit-learn也实现了两种邻回归，KNeighborsRegressor与

RadiusNeighborsRegressor分别基于每个查询点的k个最近邻、每个查询点的固定半径内

的“邻居”数量实现

4、下列关于k均值下列说法不正确的是()C

A两种k均值算法在使用时都需要通过n_clusters参数指定聚类的个数。

B给足够多的时间，k均值算法总能够收敛，但可能得到的是局部最小值。

C在使用cluster.KMeans时，通过njobs参数能指定该模型使用的处理器个数。若为正

值，则使用“n_jobs”个处理器，-3代表使用全部处理器，-2代表除了两个处理器以外全

部使用，T代表除了某个处理器以外全部使用。

Dcluster.MiniBatchKMeans类实现了k均值的算法的小批量变体

5、下列关于聚类说法不正确的是()C

A在谱聚类中，可以设置assignjabels参数以使用不同的分配策略。

B在层次聚类中使用n_clusters参数可以指定聚类个数，linkage参数用于指定合并的

策略，可选用wardcomplete,average

CDBSCAN的核心概念是CoreSamples,即位于高密度区域的样本，其中较小的min_samples

或者较大的esp表示形成聚类的密度较高。

D在BIRCH中，有两个重要的参数：branching_factor（分支因子）和threshold（阈值），

分支因子限制了一个节点中的子集群的数量，阈值限制了新加入的样本和存在于现有子集群

中样本的最大距离。

二、对错题

1、在逻辑回归中，saga求解器基于随机平均梯度下降算法，其在大数据集上的收敛速度更

快。（）

错

2、在最近邻分类方法中，KNeighborsClassifier是基于每个查询点的固定半径r内的邻居

数量实现，其中r是用户指定的浮点数。（）

是k,是数量，是整数，错

3、MultinomialNB>BernoulliNB、GaussianNB还提供了partial_fit方法,该方法能够动

态地解决加载大数据集的问题。与fit使用方法相同，操作比较简单。，错，与fit使用方

法不同

4、岭回归从本质上来说也是最小二乘法，只不过是通过对系数的大小施加惩罚来改进。对

5、Mean-Shift算法不是高度可扩展的，因为在执行算法期间需要执行多个最近邻搜索。因

为当质心较少时，会停止迭代，所以此算法不收敛，错，是收敛的

三、填空题

1、scikit-learn是SciPy中一个非常著名的分支，scikitTearn所支持的算法、模型均

是经过广泛验证的。在本章的学习中，主要介绍了、、

等3大类。

2、在随机梯度下降分类方法中，lineajmodel.SGDClassifier类实现了简单的随机梯度下

降分类，可以通过loss函数来设置损失函数，要软件间隔对应向量机、平滑Hinge或逻辑

回归，loss的值应分别选用、、。

3、目前，MLPClassifier只支持____________函数，通过运行方法进行概率估计,

MLP算法使用的是传播的方式。

4、Scikit-learn支持高斯朴素贝叶斯、多项分布朴素贝叶斯与伯努利朴素贝叶斯算法，分

别由____________、、实现。

5、AffinintyPropagation类中，若要设置相似度度量方式，设置阻尼因子，设置向量，代

表对各个点的偏好应该要分别设置____________、、

等参数。

答案：

1、分类方法；回归方法；聚类方法

2、hinge；modified_huber；log

3、交叉：W损失函数；predict_proba；反向传播

4、naivebayes.GaussianNB>naivebayes.MultinomialNB>naivebayes.BernoulliNB

5、Affinity^damping、preference

第八章

一、单选题

1、在使用savefile函数将生成的函数图像保存为图片时，可以使用下列哪个参数来指定图

片清晰度()A

AdpiBbboxinches

CtightDaxes

2如下图所示，In[3]表示的意思是：()B

In[1]:importmatplotlib.pyplotaspit

In[2]:fig=plt.figure()

In[3]:axes=plt.subplot(2,2,1)

axes=plt.subplot(2,2,3)

In(4]:fig.suptitle(*Exampleofmultiplesubplots*)

In[5]:pit.show()

Afigure对象中的subplot布局为2X2,选中了索引为1的subplot

Bfigure对象中的subplot布局为2X1,同时分别选中了索引为1和3的subplot

Cfigure对象中的subplot布局为2X3,选中了索引为1的subplot

Dfigure对象中的subplot布局为2X2,选中了索引为3的subplot

3、代码“axes,plot(t,s,color='k',linestyle='-'"的意思是()A

A以t为横轴,s为纵轴，画函数图像,线条类型为虚线

B以s为横轴,t为纵轴，画函数图像,线条类型为虚线

C以t为横轴,s为纵轴，画函数图像,线条类型为实线

D以s为横轴,t为纵轴，画函数图像,线条类型为实线

4、如下图所示，请问哪一行代码创建了两个柱状图()B

In【1】：importmatplotlib.pyplotaspit

importnumpyasnp

In[2]:figraxes=plt.subplots()

In[3]:data_m=(40,120,20,100,30,200)

data_f«(60,180,30,150,20,50)

In[4]:index=np.arange(6)

width-0.4

In[5]:axes.bar(index,data_m,width,color3'c*,label^^en*)

,35

axes.bar(index+width,data_f,width,color=*bflabel*women*)

In[6]:axes.set_xticks(index+width/2)

axes.set_xticklabels(('Taxi*r'Metro*,•Walk*,*Bus\,Bicycle*,•Driving

axes.legend()

In[7]:pit.show()

AIn[4]BIn⑸

BIn⑹DIn[7]

5、在柱状图设计中，为了设置颜色的透明度可以设置哪个函数的哪个参数()D

Aaxes,barhwidthBaxes,barhalpha

Caxes,barwidthDaxes,baralpha

二、对错题

1、一个figure对象只能建立一个axes,一个axes中能够建立多个subplot()

错误

2、minortick比majortick更短，而且显示具体的坐标值()

错误

3、为了让直方图的条纹面积为1