《Python数据可视化》教案全套 吕云翔

《Python数据可视化》课程教案（24学时）第1次课2学时授课内容数据可视化概述；数据可视化的发展历史；数据可视化流程；可视化设计工具与原则；Python与数据可视化。教学目的

与要求通过本次课的学习，理解数据可视化的概念与作用；了解可视化的发展历史与趋势；掌握基本可视化流程；理解常见设计原则，并能将问题转化为可视化任务。重点

难点重点：数据可视化流程与设计原则。

难点：可视化任务到图表选择的映射。教学进程

安排数据可视化简介与应用场景（15分钟）

发展历史与经典案例赏析（15分钟）

可视化流程：获取-清洗-编码-呈现-解释（25分钟）

设计原则：一致性、对比、标注与避免误导（25分钟）

课堂小结与答疑（10分钟）课后学习

任务布置1．第1章章后习题。

2．选择一幅“容易误导”的图表，写出改进建议（200字）。主要

参考资料1.《Python数据可视化》课程教材。

2.Matplotlib、Seaborn官方文档（选读）。课后

总结分析总结并逐步深入体会数据可视化概念、流程与设计原则；明确本课程学习方法：多练、多看、多改图。第2次课2学时授课内容Python数据可视化库：Matplotlib简介；安装与环境配置；pyplot接口；基础图形（折线/柱状/散点）；标题/坐标轴/图例；保存导出。教学目的

与要求通过本次课的学习，掌握Matplotlib基本使用方法；能够绘制并美化基础图表；掌握图表保存与导出流程。重点

难点重点：Matplotlib基础图形与常用参数。

难点：坐标轴与样式参数的综合控制。教学进程

安排环境配置与绘图基本流程（15分钟）

折线图与散点图：绘制与标注（25分钟）

柱状图：分组/堆叠基础与对比表达（20分钟）

标题、图例、网格、样式与保存（20分钟）

课堂小结与答疑（10分钟）课后学习

任务布置1．完成“折线图+散点图+柱状图”三类练习，各1张并附代码。

2．思考：何时需要对坐标轴做尺度调整？主要

参考资料1.《Python数据可视化》课程教材。

2.Matplotlib官方文档。课后

总结分析总结Matplotlib绘图关键步骤与常见错误（缺少单位/图例不清/刻度过密），为后续统计可视化打基础。第3次课2学时授课内容Python数据可视化库：Seaborn简介与主题；分布图/关系图/类别图；回归可视化；交互可视化库概览（Plotly/Pyecharts/HoloViews）；词云与网络库概览（Wordcloud/NetworkX/igraph）。教学目的

与要求通过本次课的学习，理解Seaborn在统计可视化中的优势；能使用Seaborn快速完成探索性可视化；了解常见交互与网络/文本可视化库的选择场景。重点

难点重点：Seaborn常用统计图与主题设置。

难点：根据数据类型选择合适的统计图并正确解读。教学进程

安排Seaborn主题与风格设置（15分钟）

分布可视化：直方图/密度图/箱线图（25分钟）

关系可视化：散点/回归/热图示例（25分钟）

交互与扩展库概览：Plotly/Pyecharts/HoloViews（15分钟）

课堂小结与答疑（10分钟）课后学习

任务布置1．使用Seaborn完成一份小型EDA（至少包含分布图+关系图）。

2．第2章章后习题。主要

参考资料1.《Python数据可视化》课程教材。

2.Seaborn官方文档；Plotly/Pyecharts示例（选读）。课后

总结分析总结Seaborn常用图形与适用场景；强调统计含义解读（分位数、相关性不等于因果）。第4次课2学时授课内容Python数据读取与处理：文件读写；对象序列化；CSV读写；数据库操作（概念）；数据清洗；Pandas读取与处理；NumPy与Scikit-learn在数据处理中的应用（概览）。教学目的

与要求通过本次课的学习，掌握常见数据读取方式与清洗流程；能够使用Pandas完成缺失值、异常值与类型转换处理；了解NumPy与Scikit-learn在预处理中的常见用法。重点

难点重点：Pandas数据读取、清洗与聚合。

难点：缺失/异常处理策略与业务含义匹配。教学进程

安排数据读取：CSV与基础文件读写（20分钟）

数据清洗：缺失/异常/重复/类型转换（25分钟）

Pandas处理：筛选、分组聚合、透视（30分钟）

预处理概览：NumPy/Scikit-learn常见接口（10分钟）

课堂小结与答疑（5分钟）课后学习

任务布置1．完成一份“脏数据”清洗并输出清洗报告（步骤+关键代码）。

2．第3章章后习题。主要

参考资料1.《Python数据可视化》课程教材。

2.Pandas官方文档（选读）。课后

总结分析总结“可视化之前先数据治理”的重要性；强调可复现与记录（日志/注释/版本）。第5次课2学时授课内容Python时间数据可视化：连续型时间数据与离散型时间数据；阶梯图、折线图、南丁格尔玫瑰图、热图、脊线图；时间序列标注与滚动统计（扩展）。教学目的

与要求通过本次课的学习，理解时间数据的特点；掌握典型时间可视化方法，并能根据问题选择合适的图表表达趋势、周期与密度。重点

难点重点：时间序列趋势与周期性表达。

难点：时间粒度选择与多图对比设计。教学进程

安排时间数据类型与粒度选择（15分钟）

连续时间：折线图/阶梯图与事件标注（30分钟）

周期/密度：热图与脊线图思路（25分钟）

离散时间：柱形/点线图与对比（15分钟）

课堂小结与答疑（5分钟）课后学习

任务布置1．用给定数据绘制1张时间趋势图并标注异常点。

2．第4章章后习题。主要

参考资料1.《Python数据可视化》课程教材。

2.Matplotlib/Seaborn时间序列示例（选读）。课后

总结分析总结时间序列可视化常见误区（刻度拥挤、未标注单位/时区），形成“趋势+对比+注释”的表达习惯。第6次课2学时授课内容Python关系数据可视化：关系数据的关联性与分布性；散点图、散点矩阵、气泡图；茎叶图、直方图、密度图；分组与分面展示。教学目的

与要求通过本次课的学习，掌握变量关系的表达方法；能够用相关图表发现相关性、聚类与离群点；掌握分布性图表的选择与解读。重点

难点重点：散点/散点矩阵/热力图等关系表达。

难点：从图中识别模式并给出可解释结论。教学进程

安排关系数据概念：相关/分布/离群（10分钟）

关联性：散点图/气泡图/回归线（30分钟）

散点矩阵：多变量两两关系快速浏览（20分钟）

分布性：直方图/密度图/茎叶图（25分钟）

课堂小结与答疑（5分钟）课后学习

任务布置1．使用散点矩阵+相关热图描述一组变量关系，并写出结论。

2．第5章章后习题。主要

参考资料1.《Python数据可视化》课程教材。

2.Seaborn关系图文档（选读）。课后

总结分析总结关系图与分布图的互补：先看趋势，再看分布；强调“相关≠因果”的表述规范。第7次课2学时授课内容Python比例数据可视化：部分与整体；饼图、环形图、堆叠柱形图、矩形树图、和弦图、旭日图；时空比例数据可视化的思路。教学目的

与要求通过本次课的学习，掌握构成与层级结构的可视化方法；能够根据类别数量与层级深度选择合适图表，并避免比例表达误导。重点

难点重点：构成对比与层级结构图表选择。

难点：多类别/多层级情况下的可读性优化。教学进程

安排比例数据场景与常见误导（15分钟）

饼图/环形图：适用边界与标注（20分钟）

堆叠柱：构成随类别/时间变化（20分钟）

层级与关系：树图/旭日图/和弦图思路（30分钟）

课堂小结与答疑（5分钟）课后学习

任务布置1．同一份构成数据分别用堆叠柱与树图表达，并比较优缺点。

2．第6章章后习题。主要

参考资料1.《Python数据可视化》课程教材。

2.Pyecharts/ECharts示例（选读）。课后

总结分析总结比例图表达要点：突出对比、避免3D、标注清晰；形成“图表选择理由”的写作习惯。第8次课2学时授课内容Python文本数据可视化：文本数据获取与提取；网络爬虫提取文本（概念）；标签云；主题河流；词语树与短语网络。教学目的

与要求通过本次课的学习，理解文本数据处理与可视化的一般流程；掌握词频统计与词云展示；了解主题演变与文本关系可视化的基本方法。重点

难点重点：文本预处理与词频/词云可视化。

难点：中文分词与噪声词处理、结果解释。教学进程

安排文本数据流程：获取-清洗-分词-统计（20分钟）

词云与条形图：词频展示与对比（25分钟）

主题河流：主题随时间演变的表达思路（20分钟）

文本关系：词语树/短语网络示例（20分钟）

课堂小结与答疑（5分钟）课后学习

任务布置1．对一份评论文本完成分词、停用词处理与词云展示。

2．第7章章后习题。主要

参考资料1.《Python数据可视化》课程教材。

2.Wordcloud库文档（选读）。课后

总结分析总结文本可视化更依赖预处理质量；强调停用词、同义词合并与隐私合规。第9次课2学时授课内容Python复杂数据可视化：高维多元数据；空间映射法与图标法（概念）；三维曲面图与三维等高线图；复杂图表可读性优化。教学目的

与要求通过本次课的学习，理解复杂/高维数据可视化难点；了解常用方法（映射、降维、三维表达）；掌握三维图表的基本绘制与解读要点。重点

难点重点：复杂数据的多编码表达与三维图基础。

难点：三维图的可解释性与避免误读。教学进程

安排复杂数据概念与可视化难点（15分钟）

高维映射：颜色/大小/形状编码（25分钟）

三维曲面图与等高线：绘制与解读（35分钟）

复杂图表优化：标注、视角、交互（选讲）（10分钟）

课堂小结与答疑（5分钟）课后学习

任务布置1．使用多编码（颜色/大小）完成一张多维散点图并写解读。

2．第8章章后习题。主要

参考资料1.《Python数据可视化》课程教材。

2.Matplotlib3D绘图示例（选读）。课后

总结分析总结复杂可视化“少即是多”的原则：减少装饰、突出结构；在必要时引入交互辅助理解。第10次课2学时授课内容Python数据可视化案例：世界杯数据分析（数据理解、清洗、探索性分析、关键指标可视化、结论表达）。教学目的

与要求通过本次课的学习，掌握端到端案例流程：从问题定义到图表选择与结论表达；能够完成一份可复现的案例分析。重点

难点重点：案例问题拆解与关键图表选择。

难点：将分析结论以“故事化”方式表达。教学进程

安排案例数据介绍与问题定义（15分钟）

数据清洗与特征构建（示例）（25分钟）

关键可视化：趋势/对比/构成（2-3张）（35分钟）

结论撰写与图表讲解（10分钟）

课堂小结与答疑（5分钟）课后学习

任务布置1．完成世界杯案例的EDA并提交不少于3张关键图（含代码）。主要

参考资料1.《Python数据可视化》课程教材（案例章节）。

2.Pandas/Seaborn示例（选读）。课后

总结分析总结案例分析套路：提出问题→验证假设→用图说话→复盘改进；强调可复现（数据来源、环境、代码）。第11次课2学时授课内容Python数据可视化案例：利用手机购物评论分析手机特征（文本清洗、词频统计、主题/情感（选）、文本关系网络展示）。教学目的

与要求通过本次课的学习，掌握文本数据案例的处理流程；能够从评论中提取特征并用图表表达观点。重点

难点重点：文本清洗、特征提取与可视化表达。

难点：噪声数据处理与结论可靠性论证。教学进程

安排案例数据与分析目标说明（10分钟）

文本清洗与分词、停用词处理（30分钟）

可视化：词频条形/词云/主题演变（选）（30分钟）

文本关系：共现网络或短语网络（选）（15分钟）

课堂小结与答疑（5分钟）课后学习

任务布置1．完成评论案例：提交词频Top20图+词云，并写出2条发现。主要

参考资料1.《Python数据可视化》课程教材（案例章节）。

2.Wordcloud/NetworkX文档（选读）。课后

总结分析总结文本案例常见陷阱：分词不准、停用词不足、样本偏差；强调用多种图互相验证。第12次课2学时授课内容Python数据可视化案例：科比投篮分析（时空分布、命中率热区、对比分析）；课程综合复习与作品展示规范。教学目的

与要求通过本次课的学习，综合运用时间/空间/比例/关系图表完成案例分析；回顾课程核心方法，明确期末项目/作业规范。重点

难点重点：空间/热区可视化与综合表达。

难点：多图组合布局与结论表达的连贯性。教学进程

安排案例数据与指标说明（出手位置/命中率）（15分钟）

可视化：投篮点分布与热区（热力/六边形/栅格思路）（35分钟）

对比分析：不同区域/赛季/对手（选）（25分钟）

课程复习：图表选择与设计原则回顾（10分钟）

作品展示规范与答疑（5分钟）课后学习

任务布置1．完成科比投篮案例的1页可视化报告（图表+文字说明）。

2．整理个人代码模板与笔记，准备测评。主要

参考资料1.《Python数据可视化》课程教材（案例章节）。

2.Matplotlib/Seaborn/Plotly综合示例（选读）。课后

总结分析总结全课程知识结构：流程、库、专题方法与案例；强调“清晰表达、可复现、可解释”的作品标准。《Python数据可视化》实验教案（8学时）第1次课2学时授课内容实验：Python的数据读取与处理；文件读写与对象序列化；CSV读写；（选）数据库基础操作；数据清洗；Pandas表格数据读取与处理；NumPy与Scikit-learn在预处理中的应用（概览）。教学目的

与要求通过本次课的学习，动手掌握常见数据读取方式与清洗流程；能够使用Pandas完成缺失值、异常值与类型转换；理解数据预处理对可视化与建模的影响，并能输出可复现的处理结果。重点

难点重点：Pandas读取/清洗/聚合与数据类型处理。

难点：缺失/异常处理策略选择与业务含义解释。教学进程

安排实验环境准备与数据集说明（10分钟）

文件读写与CSV读取：read_csv/to_csv（20分钟）

数据清洗：缺失/重复/异常/类型转换（30分钟）

Pandas处理：筛选、分组聚合、透视与重塑（40分钟）

预处理概览：NumPy/Scikit-learn（标准化/编码）（15分钟）

课堂小结与答疑（5分钟）课后学习

任务布置1．完成一份“脏数据”清洗实验：输出清洗前后对比与关键代码。

2．提交：处理后的数据文件（CSV）+实验报告（1页）。主要

参考资料1.《Python数据可视化》实验教材。

2.Pandas官方文档（选读）。课后

总结分析总结数据读取与清洗的通用步骤；强调“可复现”与“记录处理假设”（缺失值含义、异常阈值）。第2次课2学时授课内容实验：Python数据可视化库使用（Ⅰ）——Matplotlib基础图形；折线图/散点图/柱状图；坐标轴/标题/图例；标注与保存导出。教学目的

与要求通过本次课的学习，能够使用Matplotlib完成基础图表绘制与美化；掌握常用参数（标题、标签、图例、网格、刻度）；能将图表保存为图片并用于报告。重点

难点重点：Matplotlib基础图形与标注。

难点：坐标轴刻度与多图信息表达（避免拥挤与误导）。教学进程

安排快速回顾Matplotlib绘图流程（plt.figure/plot）（15分钟）

折线图：趋势展示与事件标注（25分钟）

散点图：关系展示与点样式设置（20分钟）

柱状图：类别对比与排序/数值标注（25分钟）

保存导出与排版建议（dpi/尺寸/中文字体）（15分钟）

课堂小结与答疑（10分钟）课后学习

任务布置1．完成三类基础图（折线/散点/柱状）各1张，要求含标题、轴标签、图例与数据来源注释。

2．提交：代码文件（.ipynb/.py）+图表图片（3张）。主要

参考资料1.《Python数据可视化》实验教材。

2.Matplotlib官方文档。课后

总结分析总结“图表要回答什么问题”；强调单位、范围、标注、配色一致性，避免坐标轴截断造成误导。第3次课2学时授课内容实验：Python数据可视化库使用（Ⅱ）——Seaborn统计可视化；分布图（直方/密度/箱线）；关系图（回归/热图）；小型EDA组合图。教学目的

与要求通过本次课的学习，掌握Seaborn常用统计图形；能够快速完成探索性数据分析（EDA）的可视化组合，并正确解读分布、离群点与相关关系。重点

难点重点：Seaborn分布图、关系图与主题风格。

难点：统计图含义解读（分位数、相关性）与图表选择。教学进程

安排Seaborn主题与风格设置（set_theme）（15分钟）

分布图：histplot/kdeplot/boxplot（30分钟）

关系图：scatterplot/regplot与分组比较（25分钟）

相关热图：corr+heatmap与解读（