Python数据分析与应用 课程标准

苏州工业园区服务外包职业学院《Python大数据分析与应用》课程标准适用专业：Python大数据技术与应用编制单位：编制日期：2024年02月28日教学服务中心制《Python大数据分析与应用》课程标准所属学院金融科技学院所属专业大数据技术课程类型专业必修课课程代码FI1026D学分4学时64合作企业苏州思必驰信息科技有限公司制定人商琦审核人谷瑞批准人谷瑞制定时间2023.2.28修订时间2023.2.28一、课程定位1.课程定位《Python大数据分析与应用》课程是金融科技学院大数据技术与应用专业的必修课程，在学生已经学习了职业技术基础课程和职业基本技能课程的基础上开设，用于培养高职学生计算机编程和经济数据统计分析的基本技能和逻辑思维能力，掌握运用Python编程来解决岗位工作中实际问题的方法和步骤，同时也为学生学习《数据挖掘技术》、《Hadoop大数据技术应用》等后续职业课程打下基础。前期课程：《Python应用程序开发》后续课程：《数据挖掘技术》、《Hadoop大数据技术应用》2.课程设计理念本课程根据专业所涉及到的大数据分析的技能与知识内容，以培养应用人才的能力需求为导向，针对高职学生的认知特点，以实际操作应用为主体，以学生为中心、基于工作过程的驱动式教学方法，课程蕴含的核心技能用若干生动、直观的案例进行导入，形成从简单到复杂的系统化教学方式，突出学生的教学主体作用，使学生掌握常用的经济数据分析方法、大数据分析基础知识，以及建立初步的经济统计与数据分析的思维逻辑。二、课程目标1.知识目标（1）了解数据分析的概念、流程与应用场景；（2）熟悉数据读取、操作、索引、排序的基本方法；（3）理解数据合并、异常值处理、转换、标准化的原理；（4）掌握数据分组、聚合、交叉表的分析的原理；（5）应用折线图、饼图、柱状图、箱线图等手段数据进行分析。2.能力目标（1）具备搭建大数据分析平台能力；（2）具备对异常数据源数据进行数据能力；（3）具备对数据进行预处理能力；（4）具备对数据进行透视分析能力；（5）具备对数据进行可视化分析能力；3.素质目标通过课程教学，逐步提高学生走向社会发展所需要软件开发与应用的综合职业技能和职业素质，培养学生良好的职业认同感与职业价值观，提高团队协作意识，更好地促进高职学生成长成材和终身发展。4.思政目标/劳育目标/美育目标（1）通过训练编程思维，养成良好的解决问题习惯。（2）渗透社会主义核心价值观，树立正确的人生观；（3）通过案例实践，树立正确的职业道德。三、课程设计1.课程设计理念本课程根据专业所涉及到的数学知识与Python数据分析技能，以培养应用人才的能力需求为导向，针对高职学生的认知特点，以实际操作应用为主体，以学生为中心、基于任务驱动式教学方法，课程蕴含的核心技能用若干生动、直观的案例进行导入，形成从简单到复杂的系统化教学方式，突出学生的教学主体作用，使学生掌握基本的编程思维与程序执行逻辑。同时以学生数学思维和计算机求解能力的培养为线索，挖掘各类案例来进行项目设计课程内容、课程资源与授课形式，充分重视学生实践能力和职业能力的培养，充分体现课程教学的职业性、实践性和开放性。序号职业领域工作岗位（群）初始岗位发展岗位1大数据系统研发领域大数据系统研发员大数据系统研发工程师2大数据应用开发领域大数据应用开发员大数据应用开发工程师3数据库应用分析领域大数据分析员大数据分析师4大数据可视化应用领域数据可视化人员数据可视化工程师5大数据安全研发领域数据安全研发人员数据安全研发人才2.课程实施思路本课程遵循“学生主体，教师主导”的教学理念，采用线上线下混合式教学模式，引入企业真实的维修案例，激发学生的学习兴趣。基于大数据企业岗位工作流程，设计了“课前启化、课中内化、课后转化”三个阶段和“知、引、析、探、仿、练、拓”七个环节的教学过程，并在授课中将1+X证书制度和职业资格证书内容加以渗透。同时将思想政治教育和岗位技能积累有机统一，推进“三全育人”，打造“守初心、铸匠魂、强技能”的高效课堂教学模式。课程的理论实践一体化教学过程全部安排在校企共建的设施先进、专门的大数据实训室进行，教学中以学生为中心，教师全程负责讲授知识、答疑解惑、指导学生进行数据分析、数据可视化，充分调动师生双方的积极性，达到教学目标。四、课程结构序号项目/模块任务/主题学时分配理论实践总计1走近数据分析世界任务一走近数据分析世界204任务二搭建数据分析开发环境022碳排放数据统计分析任务一分析碳排放数据结构1116任务二读写碳排放数据文件11任务三操作碳排放数据内容22任务四索引与排序碳排放数据11任务五统计与描述碳排放数据11实训演练：环境监测数据统计分析043乡村振兴数据预处理任务一合并乡村振兴数据1114任务二清洗乡村振兴数据12任务三标准化乡村振兴数据12任务四转换乡村振兴数据11实训演练：乡村振兴信息数据预处理044运动员数据透视分析任务一运动员数据分组1312任务二运动员数据聚合11任务三运动员数据透视11实训演练：中国全运会数据透视分析045财经数据可视化分析任务一经济运行数据图形绘制与参数设置1114任务二经济运行数据特征间分布可视化22任务三经济运行数据特征内分布可视化22实训演练：中国人口统计数据可视化分析046复习与总结复习总结44总计（其中实践教学学时比例为64%）244064五、课程教学要求项目一走近数据分析世界项目/模块名称走近数据分析世界学时：4教学目标知识目标：1.了解数据分析的概念和流程；2.熟悉Python数据分析优势；3.熟悉Python数据分析场景；4.熟练搭建Python数据分析环境；5.掌握Jupyter编辑环境的使用技巧。能力目标：1.理解数据分析的流程；2.熟悉数据分析的业务场景；3.能正确搭建数据分析开发环境。思政素养；1.培养学生具有勇于创新的开拓思维。2.加强数据安全法治意识，培养数据安全技术达人。教学重点理解数据分析的流程、数据分析应用场景教学难点Jupyter编辑环境的搭建与使用任务/主题名称主要教学内容任务一走近数据分析世界1.数据分析的概念与基本流程2.数据分析的场景与常见类库任务二搭建数据分析开发环境1.安装Anaconda集成开发环境2.Jupyter的使用方法和技巧项目二碳排放数据统计分析项目/模块名称碳排放数据统计分析学时：16教学目标知识目标：1.了解Pandas的基本数据结构；2.了解Series和DataFrame异同点；3.熟悉异构数据源数据的读写操作；4.熟悉数据内容的操作方法；5.掌握数据的排序方法；6.掌握数值和类别数据的统计方法。能力目标：1.熟练掌握从数据文件建立DataFrame对象；2.熟练掌握DataFrame对象的增删改查等操作；3.掌握使用DataFrame基本操作探索数据；思政素养：1.倡导绿色生活，保护地球环境。2.助力碳中和，共建地球村。教学重点异构数据源数据的读取、操作与索引教学难点数值型数据的统计分析、类别数据的描述分析任务/主题名称主要教学内容任务一分析碳排放数据结构1.Series一维数据结构2.DataFrame二维数据结构任务二读写碳排放数据文件1.使用Pandas读写csv文件2.使用Pandas读写excel文件3.数据的写入任务三操作碳排放数据内容1.选择查看DataFrame数据2.添加DataFrame数据3.删除DataFrame数据4.修改DataFrame数据任务四索引与排序碳排放数据1.索引数据2.对数据进行排序任务五统计与描述碳排放数据1.数值型数据的统计分析2.类别数据的描述分析实训演练：环境监测数据统计分析1.读取数据集文件，并查看数据结构；2.统计“严重污染”出现的天数；3.统计数据集中PM2.5、PM10、SO2、CO、NO2的最大值、最小值与均值；4.对“污染程度”列使用describe()进行描述。教学方法建议教法：任务驱动法学法：自主探究、小组合作、线上线下混合式教学考核评价方式作业、单元测验、教师考核项目三乡村振兴数据预处理分析项目/模块名称乡村振兴数据预处理分析学时：14教学目标知识目标：1.了解数据预处理的常用方法和步骤；2.掌握数据轴向合并、主键合并基本方法；3.掌握数据缺失值、异常值检测与处理方法；4.掌握数据最大-最小值及零-均值等标准化方法；5.掌握数据离散化处理及哑变量处理方法。能力目标：1.具备选择合适方法预处理数据能力；2.具备选择合适方法合并数据能力；3.具备选择合适方法清洗数据能力；4.具备选择合适方法标准化数据能力；5.具备离散化和哑变量处理能力。思政素养：1.探寻中华文明，领略大好河山；2.梳理红色乡村振兴理念，厚植爱国情怀。教学重点异构数据源的合并、对空值、异常值的检测与处理教学难点数据的标准化、数据的转换任务/主题名称主要教学内容任务一合并乡村振兴数据1.数据的连接与追加2.数据的合并任务二清洗乡村振兴数据1.空值的检测与处理2.异常值的检测与处理任务三标准化乡村振兴数据1.最大-最小值标准化2.零-均值标准化任务四转换乡村振兴数据1.离散化连续数据2.哑变量类别数据实训演练：乡村振兴信息数据预处理1.合并数据集，并将列索引修改为中文表示；2.检测和处理数据集中存在的重复值；3.检测“学习体验”和“学习设备”两列的缺失值，并使用前一个值替代；4.对“学习时间”、“运动时间”两列数据进行最小-最大值标准化；5.对“学习体验”、“社交平台偏好”两列数据进行哑变量处理。教学方法建议教法：任务驱动法学法：自主探究、小组合作、线上线下混合式教学考核评价方式作业、单元测验、教师考核项目四运动员数据透视分析项目/模块名称运动员数据透视分析学时：12教学目标知识目标：1.掌握数据分组与聚合的基本流程；2.数掌握据分组的原理与方法；3.掌握数据聚合的原理与方法；4.掌握数据透视的原理与方法。能力目标：1.具备使用groupby按不同的规则分组的能力；2.具备选择agg、appy、transform等不同函数聚合数据能力；3.具备选择pivot_table、crosstable等不同函数透视数据能力；4.具备综合应用各种函数从多个维度进行数据分析能力。思政目标：1.发扬奥运精神，加快建设体育强国步伐；2.坚定文化自信，讲好中国故事。教学重点数据的分组、数据的聚合操作教学难点数据的透视方法任务/主题名称主要教学内容任务一运动员数据分组1.单列数据分组2.多列数据分组任务二运动员数据聚合1.agg函数聚合数据2.apply函数聚合数据任务三运动员数据透视1.pivot_table透视数据2.crosstab聚合数据实训演练：中国全运会数据透视分析1.读取数据集，将数据集中字段名称修改为字段说明中的中文名称；2.统计篮球男女运动员的年龄、身高、体重的平均值；3.统计篮球男运动员的年龄、身高、体重的极差；4.计算每个运动员的体质指数（BMI）；5.输出体质指数异常的篮球男运动员的数量；6.按省份、性别透视每个省参赛运动员数量。教学方法建议教法：任务驱动法学法：自主探究、小组合作、线上线下混合式教学考核评价方式作业、单元测验、教师考核项目五经济运行数据可视化分析项目/模块名称经济运行数据可视化分析学时：14教学目标知识目标：1.掌握matplotlib可视化流程及常用属性设置；2.掌握折线图和散点图特征间数据可视化方法；3.掌握柱状、饼图、箱线图特征内数据可视化方法；4.掌握多维数据可视化方法。能力目标：1.具备使用matplotlib设置图形参数能力；2.具备选择折线图、散点图分析特征间关系能力；3.具备选择柱状图、饼图、箱线图分析特征内关系能力；4.具备从多个维度可视化分析数据能力。思政素质：1.感悟经济发展巨大成就，树立伟大的爱国情怀；2.践行新发展理念，坚定不移走高质量发展之路。教学重点可视化图形绘制、可视化参数设置教学难点特征间数据分布可视化、特征内数据分布可视化任务/主题名称主要教学内容任务一经济运行数据图形绘制与参数设置1.图形绘制与参数设置2.子图的设置任务二经济运行数据特征间分布可视化1.绘制折线图2.绘制散点图任务三经济运行数据特征内分布可视化1.绘制饼图2.绘制柱状图实训演练：中国人口统计数据可视化分析1.使用折线图分析2000-2021年男性人口和女性人口的变化趋势；2.使用散点图分析2000-2021年城镇人口和乡村人口的变化趋势；3.使用柱状图描述2021年少儿抚养比、老年抚养比与出生率和死亡率；4.使用饼图分析2021年2021年各个年龄层次所占比例。教学方法建议教法：任务驱动法学法：自主探究、小组合作、线上线下混合式教学考核评价方式作业、单元测验、教师考核六、教学实施建议1.教学实施改革思路在教学过程中，采用项目驱动式教学方法，选取一些真实项目（或学生创新项目）为载体构建学习情境，培养学生的职业素质和技能。以课程内容讲解为中心，结合生动形象的例题解析，结构严密，构思精巧，通过直观的图形动画动态传播演示效果，达到提高学生的综合思维、创新意识和创新技能。用一些生动和简单的案例导入为基础，激发学生的学习兴趣，造就学生的成就动机。在教学过程中，采用讲练合一的教学方法，教师示范和学生操作实训互动，学生提问与教师解答、指导有机结合，让学生在“教”与“学”过程中，掌握知识和技能。在教学过程中，可采用启发式教学法来培养学生的分析问题和解决问题的能力在教学过程中，可采用讨论法来激发学生的探索欲和创新性，发挥学生学习的自主性，为学生提供职业生涯发展的空间，努力培养学生获取、分析和处理信息的能力。在教学过程中，可以采用分组式教学法，锻炼学生的协作能力，培养学生的团队意识。对于实践教学的考核采用现场演示、当堂考核等方法，切实改善实践教学效率和教学效果。2.课程资源建设与应用建议加强常用课程资源的开发，建立多媒体课程资源的数据库，努力实现跨学校多媒体资源的共享，以提高课程资源利用效率。积极开发和利用网络课程资源，充分利用诸如课程网站、电子书籍、电子期刊、数据库、数字图书馆、教育网站和电子论坛、网上教程、网上大数据竞赛等网上信息资源，使教学从单一媒体向多种媒体转变；教学活动从信息的单向传递向双向交换转变；学生单独学习向合作学习转变。同时应积极创