《数据分析和可视化》教学大纲

《数据分析和可视化》教学大纲课程编号：06220221英文名称：Dataanalysisandvisualization学分：1学时：总学时48学时，其中理论16学时，实验32学时先修课程：高等数学、智能电子商务、Python程序设计基础课程类别：专业必修课程授课对象：大数据管理与应用专业学生教学单位：商学院修读学期：第3学期一、课程描述和目标《数据分析与可视化》是大数据管理与应用专业的必修课，是一门重要的专业基础课程。通过《数据分析与可视化》课程的学习，培养学生对信息数据的处理、分析以及可视化表达的能力。能够使用NumPy对数据进行处理和科学计算;能够使用Pandas对数据进行筛选、缺省值处理、数据合并等操作;能够使用Matplotlib实现折线图、条形图、散点图、子图以及饼图等将数据可视化展示。课程目标：1．专业知识方面。学习与掌握数据分析知识，掌握数据分析技能。2．专业能力方面。熟练使用Python编程进行实战操作，通过完整数据分析实例地学习，更好地掌握数据分析技能，做到理论与实践相结合，方法与应用相结合。3．综合能力和素质方面。使用数据分析和可视化工具完成专业级别的数据处理、分析和可视化功能，解决学习和实践中遇到的问题，为更深入地学习打下良好地基础，打造可持续的竞争力。强化学生在数据分析中的基本技巧与能力，有效表达自己思想与意愿的能力，倾听与理解他人需求和意愿的能力，适应工作与人机环境变化的能力。二、课程目标对毕业要求的支撑关系毕业要求指标点课程目标权重专业素养：2-1课程目标1M实践应用能力：3-1、3-2课程目标2、3H人文道德素养：1-3课程目标3M三、教学内容、基本要求与学时分配序号教学内容基本要求及重、难点（含德育要求）学时教学方式对应课程目标1数据分析概述与基本概念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集中讲授课程目标1、22Python基础知识了解Python的发展史；了解Python及Panda、scikit-learn、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。2集中讲授课程目标1、2、33数据预处理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。2集中讲授课程目标1、24NumPy——数据分析基础工具了解NumPy库的作用；掌握多维数组对象ndarray的使用，包括ndarray的创建、ndarray的索引、切片和迭代、ndarray的shape的操作、ndarray的基础操作等。2集中讲授、案例讨论课程目标1、2、35Pandas——处理结构化数据了解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。2集中讲授、案例讨论课程目标1、2、36数据分析与知识发现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-Tree2集中讲授、案例讨论课程目标1、27Matplotlib——交互式图表绘制了解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。4集中讲授课程目标1、2合计16实验项目如下：序号实验项目实验内容与要求学时类型对应课程目标1数据分析相关工具的安装与使用了解数据分析相关工具的基本功能与使用方式。4演示课程目标1、22数据的提取与处理掌握数据库数据的方法，并进行校验、清洗数据等操作。4综合课程目标1、23数据可视化显示基础处理熟悉设置动态参数的设置，掌握各种基础图形绘制。4综合课程目1、2、34进阶图形绘制运用Python绘制进阶图形绘制4综合课程目标1、2、35交互式图形绘制绘制交互式基础图形绘制交互式高级图形4综合课程目标1、2、36实战：实际案例数据分析使用NumPy进行数据分析使用Matplotlib实现数据可视化4综合课程目标1、2、37实战：实际案例数据分析使用Pandas进行数据分析使用Pandas实现数据可视化4综合课程目标1、2、38实战：综合案例数据分析综合使用数据可视化方法进行实例分析4综合课程目标1、2、3合计32四、课程教学方法本课程侧重学生个人学习能力的培养，采用项目式教学模式，通过任务式实施，对任务进行分解，最终进行集成后形成一个具体的综合项目。教学方法和手段上，为了充分调动学生学习的积极性和参与性，采用多媒体教学，图像，实验等多种手段综合运用，让学生从丰富的感官体验中感受和接收知识内容。五、学业评价和课程考核（一）考核方式及具体要求1.课程成绩构成与要求课程考核注重形成性和终结性评价相结合，考核内容主要由平时成绩、期末考核组成，均按百分制计分，其中平时成绩占40%、主要考查作业完成程度，理论课与实验课的出勤率，实验课结果，期末考核成绩占60%。2.课程目标达成考核与评价序号教学环节课程目标1（分值）课程目标2（分值）课程目标3（分值）合计1平时作业201010402期末考试30201060课程目标对应分值503020100（二）考核与评价标准1.平时成绩考核与评价标准分值观测点90-100分70-89分60-69分0-59分平时成绩按时到课，90%以上的作业内容齐全，基本知识点理解、掌握到位。实验过程中能够利用软件进行数据分析并得出相应的正确结果。按时到课，70%以上的作业内容齐全，基本知识点理解、掌握较到位。实验过程中能够较好利用软件进行数据分析并得出相应的结果，结果基本正确。基本按时到课，60%以上的作业内容齐全，基本知识点理解、掌握基本到位。实验过程中能利用软件进行数据分析并得出相应的结果。旷课率较高，50%以下的作业内容齐全，基本知识点理解、掌握有偏差。实验过程中不能利用软件进行数据分析并得出相应的结果。2.期末试卷考核与评价标准根据课程目标及教学内容，设计期末考核试题，综合检验学生对课程相关知识的掌握、综合应用及解决复杂问题的能力，根据考试题目设计相应评分标准。六、教材与参考书（一）推荐教材[1]吕云翔、李伊琳（编），Python数据分析与可视化，北京：人民邮电出版社，2021年01月。[2]魏伟一、李晓红