Py数据基础及实战11

打造基于产教融合的就业育人综合服务平台打造基于产教融合的就业育人综合服务平台第3章数据探索教案课程名称：Python数据分析与挖掘实战课程类别：必修（专业核心课）适用专业：数据科学与大数据技术、人工智能、计算机科学与技术、统计学、信息管理与信息系统等相关专业总学时：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：6学时（理论3学时，实验3学时）材料清单《Python数据分析与挖掘实战（第2版）（微课版）》教材。配套PPT。引导性提问。探究性问题。拓展性问题。教学目标与基本要求教学目标本章从数据校验和数据特征分析两个角度讲解数据探索的方法。数据校验部分涵盖一致性校验（时间校验与字段信息校验）、缺失值校验（产生原因、影响及Python校验方法）、异常值校验（简单统计量分析、3σ原则与IQR准则、箱形图分析）和数据漂移校验（核心类型、主要成因与常用检测方法）；数据特征分析部分涵盖描述性统计分析、分布分析、对比分析、周期性分析、贡献度分析和相关性分析。使学生掌握数据探索的核心方法与工具，能够对实际数据集进行系统性探索分析。基本要求了解一致性校验的常用方法。掌握缺失值校验的常用方法。掌握异常值校验的常用方法。了解数据漂移校验的核心类型、主要成因与常用检测方法。掌握数据特征分析的方法。了解ydata-profiling工具在探索性数据分析中的应用。问题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、理解并掌握知识、发展各种能力和提高思想觉悟。数据校验在数据挖掘流程中处于什么位置？它与数据预处理有什么区别？缺失值校验中，完全随机缺失和完全非随机缺失的区别是什么？3σ原则和IQR准则检测异常值时，各自的适用条件是什么？描述性统计分析中的集中趋势和离中趋势各有哪些常用的度量指标？相关性分析中，Pearson相关系数和Spearman相关系数的适用场景有何不同？探究性问题探究性问题需教师在深入钻研教材的基础上精心设计，从重点、难点问题切入进行插入式提问，或对引导性提问中尚未涉及但重要的内容加以设问。数据漂移校验中的目标漂移、特征漂移和概念漂移分别对应什么场景？在实际项目中如何综合运用统计检验法和模型性能关联分析法进行检测？贡献度分析（帕累托分析）在商业决策中有哪些典型应用？如何利用Python绘制帕累托图并确定关键的20%因素？ydata-profiling工具相比手动调用describe()等方法进行描述性统计分析，在效率和深度上有哪些提升？拓展性问题拓展性问题需教师深刻理解教材意义、掌握学生学习动态后，根据不同学习层次提出切实可行的、关乎实际应用的操作问题，亦可提供拓展资料供学生研习探讨。在实际数据分析项目中，面对大规模数据集时，如何高效地进行缺失值和异常值的检测与处理？请调研一种工业级的解决方案。除了本章介绍的Pearson和Spearman相关系数外，还有哪些相关性度量方法？它们各自的适用场景是什么？数据漂移检测在机器学习模型部署后的持续监控中有哪些最佳实践？请结合一个具体行业案例进行分析。主要知识点、重点与难点主要知识点一致性校验的方法。缺失值校验的方法。异常值校验的方法。数据漂移校验的方法。描述性统计分析的方法。分布分析的方法。对比分析的方法。周期性分析的方法。贡献度分析的方法。相关性分析的方法。重点一致性校验的方法。缺失值校验的方法。异常值校验的方法。描述性统计分析的方法。相关性分析的方法。难点异常值校验的方法。数据漂移校验的方法。相关性分析的方法。教学过程设计理论教学过程数据校验。数据特征分析。实验教学过程分布分析、描述性统计分析和贡献度分析的综合应用。对比分析、相关性分析和周期性分析的综合应用。教材与参考资料教材翟世臣，张良均．Python数据分析与挖掘实战（第2版）（微课版）[M]．北京：人民邮电出版社，2026．参考资料张良