Python数据可视化实战全书教案1-8章全

第1章Python数据可视化概述

教案

课程名称：Python数据可视化实战

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

本章学时：4学时

一、材料清单

(I)Wython数据可视化实战》教材。

(2)配套PPT。

(3)引导性提问。

(4)探究性问题。

(5)拓展性问题。

二、教学目标与基本要求

1.教学目标

随着不同行业的发展，数据呈现“井喷式”增长，所涉及的数量十分巨大，已经从TB

级别跃升到PB级别。因此有必要认识数据及其存储结构。为了清晰有效的传达所要沟通的

信息，发掘数据中蕴藏的价值，进一步介绍了数据可视化的概念以及实现流程，并举例说明

常用的数据可视化图形种类及作用。还介绍了常用的可视化工具和Python数据可视化库。

最后，还介绍了Python数据可视化集成开发环境Jupyter的操作使用方法。

2.基本要求

（I）了解数据。

（2）了解数据可视化以及流程。

（3）熟悉常见的可视化图形种类和作用。

（4）了解常见的数据可视化工具。

（5）了解Pylhon常用的数据可视化工具库。

（6）掌握Windows系统下Anaconda的安装以及Jupyier的使用。

三、问题

1.引导性提问

引导性提问需要教师根据教材内容和学生实际水平，提出问题，启发引导学生去解决问

题，提问，从而达到理解、掌握知识，发展各种能力和提高思想觉悟的目的。

（1）数据是什么？

（2）现实生活中数据怎么存储的？

（3）该如何发现数据蕴藏的规律？

（4）数据可视化又是什么？

（5）如何实现数据可视化？

（6）你所了解的有哪些数据可视化工具？

（7）Python实现数据可视化的常用哪些工具库？

2.探究性问题

探究性问题需要教师深入钻研教材的基础上精心设计，提问的角度或者在引导性提问的

基础上，从重点、难点问题切入，进行插入式提问。或者是对引导式提问中尚未涉及但在课

文中又是重要的问题加以设问。

（I）数据可视化的完整流程是怎样的？

（2）数据可视化的能够应用在那些业务场景？

（3）常见的可视化工具的各有哪些优缺点？

3.拓展性问题

拓展性问题需要教师深刻理解教材的意义，学生的学习动态后，根据学生学习层次，提

出切实可行的关乎实际的可操作问题。亦可以提供拓展资料供学生研习探讨，完成拓展性问

题。

(1)数据可视化基础图形是不是万能的？

(2)数据可视化还有哪些高级图形？

(3)分析本班同学的考试信息可以从哪些角度入手？

四、主要知识点、重点与难点

1.主要知识点

(1)数据和数据可视化的概念、流程与应用场景。

(2)常见可视化图形的种类。

(3)Python常用的数据可视化库。

(4)JupyterNotebook的常用操作功能。

2.重点

(D数据可视化的概念、流程与应用场景。

(2)JupytcrNotebook的常用操作功能。

3.难点

数据可视化的概念与流程。

五、教学过程设计

1.理论教学过程

(1)数据的概念。

(2)数据可视化的流程。

(3)数据可视化的应用场景。

(4)数据可视化的常用工具。

(5)Pylhon数据可视化的优势。

(6)Pylhon数据可视化的常用类库。

(7)JupyterNotebook的基初I功自上

(8)JupyierNotebook的高级功能。

2.实验教学过程

(I)在Windows系统上安装Anaconda□

(2)JupyterNotebook的常用功能。

六、教材与参考资料

1.教材

刘礼培，张良均.Python数据可视化实战［M］.北京：人民邮电出版社.2022.

2.参考资料

U1张良均.Python数扼分析与挖掘实战［M］.北京：机械工业出版社.2019.

|2］张良均.Python与数据挖掘［M］.北京:机械工业出版社.2016.

|3］刘大成.Python数据可视化之matpknlib实践［M］.北京:电子工业出版社,2018.

［4］张杰.Python数据可视化之美:专业图表绘制指南|M|.北京：电子工业出版社.2020.

第2章数据的读取与处理

教案

课程名称：Pylhon数据可视化实战

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

本章学时：8学时

七、材料清单

（6）Wython数据可视化实战》教材。

（7）配套PPT。

（8）引导性提问。

（9）探究性问题。

（10）拓展性问题。

八、教学目标与基本要求

3.教学目标

以某商场销售流水记录表数据为例子，介绍数据分析的数据处理过程，即数据的读取、

校验数据、清洗数据、数据合并。数据读取主要介绍SV数据文件、VAUCI数据文件和数据库

数据的读取理。校验数据主要介绍一致性校验、缺失值校验、异常值校验。清洗数据介绍了

重复值、缺失值和异常值的常见处理方法。数据合并介绍将多个数据源中的数据合并存放到

一个数据存储的过程。

4.基本要求

（1）掌握不同数据类型的读取方法。

（2）掌握数据检验方法。

（3）掌握数据清洗常见方法。

（4）掌握数据合并常见方法。

九、问题

5.引导性提问

引导性提问需要教师根据教材内容和学生实际水平，提出问题，启发引导学生去解决问

题，提问，从而达到理解、掌握知识，发展各种能力和提高思想觉悟的目的。

（1）数据质量不高的情况下如何提高数据质量？

（2）数据处理包含哪些内容？

（3）数据处理各个步骤是否有先后？

6•探究性问题

探究性问题需要教师深入钻研教材的基础上精心设计，提问的角度或者在引导性提问的

基础上，从重点、难点问题切入，进行插入式提问。或者是对■引导式提问中尚未涉及但在课

文中又是重要的问题加以设问。

<|）重复值是否一定要做清洗？

<2）时间数据中存在哪些信息？

<3）数据处理的目的是什么？

<4）对异常值不同的处理方式对可视化结果有无影响？

7.拓展性问题

拓展性问题需要教师深刻理解教材的意义，学生的学习动态后，根据学生学习层次，提

出切实可行的关乎实际的可操作问题。亦可以提供拓展资料供学生研习探讨，完成拓展性问

题。

（4）还有那些常见格式的数据文件？

（5）其它格式的数据文件如何读取？

（6）数据文件很大时，如何进行数据处理？

十、主要知识点、重点与难点

8.主要知识点

(5)数据读取和保存的基本方法。

(6)数据校验的原理和方法。

(7)数据清洗的基本方法。

(8)数据合并的原理和方法。

9.重点

(3)数据读取。

(4)数据清洗。

(5)数据合并。

10.难点

(1)数据清洗。

(2)数据合并。

十一、教学过程设计

11.理论教学过程

(9)读取和保存CSV文件数据。

(10)读取和保存Excel文件数据。

(II)读取和保存mysql数据库数据。

(12)数据的一致性校验。

(13)缺失值校验。

(14)异常值校验。

(15)重复值的处理。

(16)缺失值的处理。

(17)异常值的处理。

（18）堆叠合并数据。

（19）主键合并数据。

（20）重堆叠合并数据。

12.实验教学过程

（3）CSV数据文件的读取。

（4）合并数据。

（5）重复数据的校验和处理。

（6）异常数据的校验和处理。

（7）缺失值的校验和处理。

（8）处理后的数据保存。

十二、教材与参考资料

13.教材

刘礼培,张良均.Python数据可视化实战［M］.北京:人民邮电出版社.2021.

14.参考资料

11］张良均.Python数扼分析与挖掘实战［M］.北京：机械工业出版社.2019.

［2］张良均.Python与数据挖掘［M］.北京：机械工业出版社.2016.

|3］刘大成.Pylhon数据可视化之matplotlib实践［M］.北京：电子工业出版社，2018.

|4|张杰.Python数据可视化之美：专业图表绘制指南［M］.北京：电子工业出版社.2020

第3章Matplotlib数据可视化基础

教案

课程名称：Python数据可视化实战

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

本章学时：10学时

十三、材料清单

（IDWython数据可视化实战》教材。

（12）配套PPT。

（13）引导性提问。

（14）探究性问题。

（15）拓展性问题。

十四、教学目标与基本要求

15.教学目标

阐述Malplotlib库的基础语法与常用参数，并以2000—2019年各年龄段人口数据为例，

介绍分析特征间关系的散点图的绘制方法，分析特征间趋势关系的折线图的绘制方法，分析

特征内部数据分布情况的饼图、条形图和柱形图的绘制方法，分析特征内部数据分散情况的

箱线图的绘制方法。

16.基本要求

（7）掌握pyploi模块常用的绘图参数的调节方法。

（8）掌握散点图和排线图的绘制方法。

（9）掌握饼图的绘制方法。

（10）掌握柱形图与条形图的绘制方法。

（11）掌握箱线图的绘制方法。

十五、问题

17.引导性提问

引导性提问需要教师根据教材内容和学生实际水平，提出问题，启发引导学生去解决问

题，提问，从而达到理解、掌握知识，发展各种能力和提高思想觉悟的目的。

（8）为什么要对数据进行可视化？

（9）使用Malploilib库可以画什么图形？

（10）如何通过绘图来分析特征间的关系？

18.探究性问题

探究性问题需要教师深入钻研教材的基础上精心设计，提问的角度或者在引导性提问的

基础上，从重点、难点问题切入，进行插入式提问。或者是对■引导式提问中尚未涉及但在课

文中又是重要的问题加以设问。

（4）绘图分析特征间关系的完整流程是怎样的？

（5）调整rc参数会影响图形的哪些属性？

（6）对十年间的各年龄段人口数据可视化可以从哪些角度入手？

19.拓展性问题

拓展性问题需要教师深刻理解教材的意义，学生的学习动态后，根据学生学习层次，提

出切实可行的关乎实际的可操作问题。亦可以提供拓展资料供学生研习探讨，完成拓展性问

题。

（7）怎样确保对数据的可视化具有现实意义？

（8）Python的Matplotl.b库相比其他语言的可视化库有哪些优势？

（9）Matplotlib可视化能够应用在现实的那些场景？

十六、主要知识点、重点与难点

20.主要知识点

(9)Matplotlib数据可视化的概念、流程与应用场景。

(10)画布与子图的使用。

(11)pyplot模块中各种图形的绘制方法。

(12)绘图使用的动态rc参数。

21.重点

(6)Matplotlib数据可视化的概念、流程与应用场景。

(7)pyplot模块常用绘图参数的调节方法。

(8)对实际案例进行数据可视化。

22.难点

(1)Matplotlib数据可视化的概念、流程与应用场景。

(2)对实际案例进行数据可视化。

十七、教学过程设计

23.理论教学过程

(21)Python数据可视化的常用类库

(22)Matplotlib数据可视化的概念。

(23)Matplollib数据可视化的流程。

(24)Python数据可视化的优势。

(25)数据可视化的应用场景。

24.实验教学过程

(9)使用Matplotlib绘制常用图形。

(10)图形的动态rc参数调整。

(11)对2000~2019年我国总人口数据进行数据可视化.

十八、教材与参考资料

25.教材

刘礼培，张良均.Python数据可视化实战［M).北京：人民邮电出版社.2022.

26.参考资料

［1］张良均.Python数捱分析与挖掘实战［M］.北京：机械工业出版社.2019.

［2］张良均.Python与数据挖掘［M］.北京：机械工业出版社.2016.

［3］刘大成.Python数据可视化之malplotlib实践［M］.北京：电子工业出版社.201g.

⑷张杰.Python数据可视化之美:专业图表绘制指南［M］.北京：电子工业出版社.2020.

第4章seaborn绘制进阶图形

教案

课程名称：Python数据可视化实战

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

本章学时：8学时

十九、材料清单

(16)«Python数据可视化实战》教材。

(17)配套PPT。

(18)引导性提问。

(19)探究性问题。

(20)拓展性问题。

二十、教学目标与基本要求

27.教学目标

seaborn库是在Matplollib库的基础上进行了更高级的API封装，能同时兼容NumPy、

SciPy与statsmodels等库，从而使得作图更加容易。本章将介绍seaborn库的绘图基础、绘

图风格和调色板，结合案例由浅入深介绍利用seaborn库绘制关系图、分类图和回归图的方

法。

28.基本要求

(12)了解seaborn绘图中的基础图形。

(13)了解seaborn绘图中的绘图风格。

(14)熟悉seaborn的调色板。

(15)熟悉常见关系图的种类

(16)掌握绘制关系图的方法。

(17)熟悉常见分类图的种类。

(18)掌握绘制分类图的方法

(19)掌握绘制回归图的种类。

(20)熟悉绘制回归图的方法。

二十一、问题

29.引导性提问

引导性提问需要教师根据教材内容和学生实际水平，提出问题，启发引导学生去解决问

题，提问，从而达到理解、掌握知识，发展各种能力和提高思想觉悟的目的。

(11)seaborn库能够绘制哪些图？

(12)Pylhon语言传统的绘图有哪些不足？

(13)如何根据不同的业务进行定制图形？

(14)你了解的还有哪些绘图工具？

30.探究性问题

探究性问题需要教师深入钻研教材的基础上精心设计，提问的角度或者在引导性提问的

基础上，从重点、难点问题切入，进行插入式提问。或者是对引导式提问中尚未涉及但在课

文中又是重要的问题加以设问。

(7)Python绘图可视化的完整流程是怎样的？

(8)如何使用seaborn库进行绘图？

(9)如何使用Pandas店进行绘图？

(10)如何进行定制化的绘图？例如线条外观、颜色等

31.拓展性问题

拓展性问题需要教师深刻理解教材的意义，学生的学习动态后，根据学生学习层次，提

出切实可行的关乎实际的可操作问题。亦可以提供拓展资料供学生研习探讨，完成拓展性问

题。

(10)通过使用seaborn绘图，和传统绘图有哪些差异？

(IDseaborn绘图对多分类特征数据进行可是哈有哪些优势？

(12)通过可视化图，可以看出数据的分布反应出什么特点？

二十二、主要知识点、重点与难点

32.主要知识点

(13)seaborn绘图的主题样式、元素缩放、边框控制。

(14)seaborn的定向、连续、离散调色板的设置。

（15）绘制常见关系图，例如：散点图、折线图、热力图。

（16）绘制分类图，例如：条形图、箱线图。

（17）绘制回归图。例如：线性回归。

33.重点

（9）绘制关系图。

（10）绘制分类图。

（II）绘制回归图

34.难点

（1）searnorn的主题样式、元素缩放、边框控制。

（2）seaborn的调色板配置。

二十三、教学过程设计

35.理论教学过程

（26）回顾基本绘图流程。

（27）复习传统的PythonMathplotlib的可视化绘制.

（28）弓I入seaborn库。

（29）了解seaborn基本语法。

（30）演示seaborn的简单入门。

（31）介绍seaborn基础图形绘制。

（32）实验调色板和主题样式，演示seaborn绘图优化。

（33）结合波士顿房价数据案例，使用seaborn绘制关系图。

（34）结合人力资源离职数据案例，使用seaborn绘制分类图。

<35）结合波士顿房价数据案例，使用seaborn绘制回归图。

36.实验教学过程

（12）打开JupyicrNotebook或Pycharm。

（13）新建实验文件。

（14）导入所需库

（15）加载空气指数数据

（16）调用seaborn函数

（17）绘制可视化图形

（18）保存图形

二十四、教材与参考资料

37.教材

刘礼培，张良均.Python数据可视化实战[M].北京：人民邮电出版社.2022.

38.参考资料

[1]张良均.Python数据分析与挖掘实战[M].北京；机械工业出版社.2019.

[2]张良均.Python与数据挖掘[M].北京：机械工业出版社.2016.

[3]刘大成.Python数据可视化之maiploilib实践[M].北京：电子工业出版社，2018.

[4]张杰.Py〔hon数据可视化之美:专业图表绘制指南[M].北京：电子工业出版社.2020.

[1]张良均.Python数据分析与挖掘实战[M].北京；机械工业出版社.2015.

[2]张良均.Python与数据挖掘[M].北京：机械工业出版社.2016.

第5章pyecharts交互式绘图

教案

课程名称：Python数据可视化实战

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

本章学时：8学时

二十五、材料清单

(21)Wython数据可视化实战》教材。

(22)配套PPT。

(23)引导性提问。

(24)探究性问题。

(25)拓展性问题。

二十六、教学目标与基本要求

39.教学目标

以实际数据为例子，介绍利用pyecharts绘制交互式图形，即pyecharts配置项介绍，绘

制交互式基础图形、绘制交互式高级图形以及绘制组合图形。pyecharts配置项主要介绍了初

始配置项、常用的全局配置项和系列配置项。绘制交互式基础图形主要介绍了条形图、散点

图、折线图、箱线图、3D散点图和饼图的绘制。绘制交互式高级图形介绍了层叠多图、漏

斗图、热力图、词石图、美系图和桑基图的绘制。绘制组合图形介绍并行多图、顺序多图以

及时间线轮播多图的绘制。

40.基本要求

(5)了解pyecharts库绘图的基础知识。

(6)掌握交互式基础图形的绘制方法。

(7)掌握交互式高级图形的绘制方法。

(8)掌握组合图形的绘制方法。

二十七、问题

41.引导性提问

引导性提问需要教师根据教材内容和学生实际水平•，提出问题，启发引导学生去解决问

题，提问，从而达到理解、掌握知识，发展各种能力和提高思想觉悟的目的。

（4）交互式图形的概念？

<5）常见的交互式图形类型？

（6）各类图形的意义和邳用场景？

42.探究性问题

探究性问题需要教师深入钻研教材的基础上精心设计，提问的角度或者在引导性提问的

基础上，从重点、难点问题切入，进行插入式提问。或者是对引导式提问中尚未涉及但在课

文中又是重要的问题加以设问。

（5）常见的配置项有那此？

<6）条形图可以反应数据的什么特征？

（7）折线图适用什么样的场景？

<8）如何体现随时间变化的条形图、饼图等？

43.拓展性问题

拓展性问题需要教师深刻理解教材的意义.学生的学习动态后，根据学生学习层次,提

出切实可行的关乎实际的可操作问题。亦可以提供拓展资料供学生研习探讨，完成拓展性问

题。

（13）各类型图形的数据项的使用方法？

（14）地理图标如何绘制？

（15）绘制后的交互式图形如何嵌入到html文件中？

二十八、主要知识点、重点与难点

44.主要知识点

(18)pyecharls配置项的介绍。

(19)交互式基础图形的绘制方法。

(20)交互式高级图形的绘制方法。

(21)组合图形的绘制方法。

45.重点

(12)交互式基础图形的绘制。

(13)交互式高级图形的绘制。

(14)组合图形的绘制。

46.难点

(3)pyecharts配置项。

(4)组合图形的绘制。

二十九、教学过程设计

47.理论教学过程

(36)初始配置项.

(37)系列配置项。

(38)全局配置项。

(39)绘制条形图。

(40)绘制散点图。

(41)绘制折线图。

(42)绘制箱线图。

(43)绘制3D散点图。

(44)绘制饼图。

(45)绘制层叠多图。

(46)绘制漏斗图。

（47）绘制热力图。

（48）绘制词云图。

（49）绘制关系图。

（50）绘制桑基图。

（51）绘制并行多图

（52）绘制顺序多图'

（53）绘制时间线轮播多图

48.实验教学过程

（19）读取数据。

（20）绘制条形图。

（21）绘制折线图。

<22）绘制饼图。

（23）绘制并行多图。

（24）绘制时间线轮播多图

三十、教材与参考资料

49.教材

刘礼培，张良均.Python数据可视化实战[M].北京：人民邮电出版社.2022.

50.参考资料

[1]张良均.Python数据分析与挖掘实战[M].北京:机械工业出版社.2019.

[2]张良均.Python与数据挖掘[M].北京：机械工业出版社.2016.

[3]刘大成.Python数据可视化之matplotlib实践[M].北京:电子工业出版社,2018.

[4]张杰.Python数据可视化之美:专业图表绘制指南[M].北京：电子工业出版社.2020.

第6章广电大数据可视化项目实战

教案

课程名称：Python数据可视化实战

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

本章学时：8学时

三十一、材料清单

（26）《Python数据可视化实战》教材。

（27）配套PPT。

<28）引导性提问。

（29）探究性问题。

（30）拓展性问题。

三十二、教学目标与基本要求

51.教学目标

随着经济的不断发展，人民的生活水平显著提高，对生活品质的要求也在不断提高。广

播电视网、互联网、通信网实现“三网融合”，产生了大量的用户状态数据、收视行为信息

数据、订单数据、缴费数据等。木项目结合广播电视行业的实际情况，基于广播电视数据，

包括用户的收视行为信息数据和收费数据，介绍了数据清洗的方法，并从用户分析、频道分

析、时长分析、周时长分析和用户支付方式分析5个方面对广播电视数据进行可视化分析,

从而根据可视化结果，撰写项目分析报告。

52.基本要求

（21）了解广播电视行业的市场现状。

（22）了解熟悉广电数据可视化项目的流程与步骤。

（23）掌握数据清洗方法，包括对收视行为、账单、收费、订单和用户状态数据进行

处理。

（24）掌握数据可视化分析方法，包括对用户、频道、时长、周时长、支付方式等进

行分析。

（25）掌握并撰写项目分析报告的方法。

三十三、问题

53.引导性提问

引导性提问需要教师根据教材内容和学生实际水平，提出问题，启发引导学生去解决问

题，提问，从而达到理解、掌握知识，发展各种能力和提高思想觉悟的目的。

（15）人们不仅可以使用传统的电视机观看电视节目，而且可以通过网络观看电视节

目，这样使得运营商、用户、网络之间产生了哪些交互关系？

（16）广大市民提供有线数字电视、互联网接入服务、高清互动电视、移动数字电视、

手机电视、信息内容集成等多样化、跨平台的信息服务。信息教据的收集过程具体是什么？

（17）如何将丰富的电视产品与用户个性化需求实现最优匹配？

（18）现实生活中存在哪些数据分析技术？

（19）如何对用户分析、频道分析、时长分析、周时长分析和用户支付方式分析？

54.探究性问题

探究性问题需要教师深入钻研教材的基础上精心设计，提问的角度或者在引导性提问的

基础上，从重点、难点问题切入，进行插入式提问。或者是对引导式提问中尚未涉及但在课

文中又是重要的问题加以设问。

（ID广电大数据基础信息、订单数据、工单数据、账单数据有什么关联？

（12）如何对清洗不规则字段数据？

（13）如何给客户呈现了解更清晰的展示项目的结果和项A分析报告？

55.拓展性问题

拓展性问题需要教师深刻理解教材的意义，学生的学习动态后，根据学生学习层次，提

出切实可行的关乎实际的可操作问题。亦可以提供拓展资料供学生研习探讨，完成拓展性问

题。

（16）用户对电视产品的需求不同，在挑选搜寻想要的信息过程中，如何规避用户的

流失？

（17）通过对广电大数据可视化分析，能发现什么潜在问题？

（18）结合广电大数据分析结果，如何给运营方提供有效的策略？

三十四、主要知识点、重点与难点

56.主要知识点

（22）了解项目业务场景。

（23）熟悉数据情况。

（24）熟悉项目可视化流程。

（25）读取操作数据。

（26）绘制可视化图形

（27）分析结果

（28）总结报告

57.重点

（15）业务数据清洗处理。

（16）绘制可视化图形。

58.难点

广电大数据可视化分析。

三十五、教学过程设计

59.理论教学过程

（54）广电大数据业务场景介绍，了解项目背景。

（55）熟悉整合项目可视化分析流程。

（56）熟悉数据情况，注备清晰数据。

（57）启动jupylcr开发工具，导入所需库

（58）读取有效字段数据。

（59）绘制可视化图形。

（60）分析结果。

（61）撰写可视化分析报告。

60.实验教学过程

（25）了解学生考试成绩需求，熟悉项目场景，分析字段意义。

（26）读取数据

（27）绘制可视化图形

（28）分析结果

（29）总结建议

三十六、教材与参考资料

61.教材

刘礼培，张良均.Pyihon数据可视化实战[M].北京：人民邮电出版社.2022.

62.参考资料

[1]张良均.Python数据分析与挖掘实战[M].北京：机械工业出版社.2019.

[2]张良均.Python与数据挖掘[M].北京：机械工业出版社.2016.

⑶刘大成.Python数据可视化之malploilib实践[M].北京：电子工业出版社，2018.

⑷张杰.Pylhon数据可视化之美：专业图表绘制指南[M].北京：电子工业出版社.2020.

第7章新零售智能销售数据可视化实战

教案

课程名称：Python数据可视化实战

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

本章学时：8学时

三十七、材料清单

(31)《Python数据可视化实战》教材。

(32)配套PPT。

(33)引导性提问。

(31)探究性问题L

(35)拓展性问题。

三十八、教学目标与基本要求

63.教学目标

以某公司在广东省投放了大量的新零售智能销售设备的销售数据为原始数据，介绍处理

数据和利用pyecharts绘制交互式图形以及撰写数据分析报告的全过程，即了解项目的背景

与目标，读取与处理新零售智能销售设备的销售数据、绘可视化图形以及撰写项目分析报告。

了解项目的背景与目标主要介绍了项目背景，熟悉数据情况以及项目分析流程。读取与处理

新零售智能销售设备的销售数据主要介绍了读取数据、清洗数据和规约数据。绘制可视化图

形介绍了销售分析图形、库存分析图形和用户分析图形的绘制。项目分析报告主要介绍了项

目分析的思路、分析结果以及总结和建议。

64.基本要求

（9）了解新零售智能销售设备市场现状.

（10）熟悉新零售智能俏售数据可视化项目的流程与步骤。

（II）掌握获取新零售智能销售数据的方法。

（12）掌握对原始数据进行清洗、规约的方法。

（13）掌握对新零售智能销售数据进行可视化分析的方法。

（14）掌握撰写项目分析报告的方法。

三十九、问题

65.引导性提问

引导性提问需要教师根据教材内容和学生实际水平，提出问题，启发引导学生去解决问

题，提问，从而达到理解、掌握知识，发展各种能力和提高思想觉悟的目的。

（7）实际问题数据的获取方式？

（8）实际数据可否直接应用于数据可视化？

<9）数据分析报告包含那些要素？

66.探究性问题

探究性问题需要教师深入钻研教材的基础上精心设计，提问的角度或者在引导性提问的

基础上，从重点、难点问题切入，进行插入式提问。或者是对引导式提问中尚未涉及但在课

文中又是重要的问题加以设问O

<9）常见的数据清洗的方法？

（10）数据规约的目的？

（II）从那些角度对销售数据进行可视化？

67.拓展性问题

拓展性问题需要教师深刻理解教材的意义，学生的学习动态后，根据学生学习层次，提

出切实可行的关乎实际的可操作问题。亦可以提供拓展资料供学生研习探讨，完成拓展性问

题。

（19）根据不同的目的如何选择绘制可视化图形的类型？

（20）可以从那些方面分析数据？

（21）不同角度的分析对现实问题有什么启示？

（22）分析的目的不同对数据可视化有什么样的影响？

四十、主要知识点、重点与难点

68.主要知识点

（29）新零售智能销售数据的背景与目标。

（30）读取与处理新零售智能数据。

（31）绘制可视化图形。

（32）撰写项目分析报告。

69.重点

（17）读取与处理新零售智能数据。

（18）绘制可视化图形。

（19）撰写项目分析报告。

70.难点

（5）处理新零售智能数据。

（6）绘制可视化图形。

四教学过程设计

71.理论教学过程

（62）了解项目背景。

（63）熟悉数据情况。

（64）熟悉项目流程。

（65）读取数据。

（66）清洗数据。

（67）规约数据。

（68）绘制销售分析图。

（69）绘制库存分析图。

（70）绘制用户分析图。

（71）分析思路。

（72）分析结果。

（73）总结和建议。

72.实验教学过程

（30）读取数据。

（31）数据的预处理与规约。

（32）数据的统计处理。

（33）绘制生鲜类商品和一般商品每天销售金额的折线图。

（34）按月绘制各大类商品销售金额的占比饼图。

（35）绘制促销商品和邪促销商品销售金额的周环比增长率柱状图。

（36）根据消费情况，分别为累计消费前10的顾客画像.

（37）撰写项目分析报告

四十二、教材与参考资料

73.教材

刘礼培,张良均.Pylhon数据可视化实战［M］.北京：人民邮电出版社.2021.

74.参考资料

［1］张良均.Python数据分析与挖掘实战［MJ.北京：机械工业出版社.2019.

12］张良均.Python与数据挖掘［M］.北京：机械工业出版社.2016.

［3］刘大成Python数据可视化之matplotlib实践［M］.北京：电子工业出版社,2018.

［4］张杰.Python数据可视化之美:专业图表绘制指南［M］.北京：电子工业出版社.2020.

第8章基于TipDM大数据挖掘建模平台

实现广电大数据可视化项目

教案

课程名称：Python数据可视化实战

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

本章学时：10学时

四十三、材料清单

(36)《Python数据可视化实战》教材。

(37)配套PPT。

(38)引导性提问。

(39)探究性问题。

(40)拓展性问题。

四十四、教学目标与基本要求

75.教学目标

根据目前大数据分析发展状况，在TipDM大数据挖掘建模平台上配置广电大数据可视

化项目的实训，从获取数据到数据可视化，向读者展示平台流程化的工作思维，使读者加深

对数据可视化流程的理解。同时，平分去编程、拖曳式的操作，方便了没有Python编程基

础的读者轻松构建数据可视化流程，从而达到数据可视化分析的目的。

76.基本要求

（26）了解TipDM大数据挖掘建模平台的相关概念和特点。

（27）熟悉