69303《Python数据分析与可视化案例教程（微课版）》教学大纲

7数据分析与可视化(DataAnalysisandVisualization)课程教学大纲一、课程基本信息课程编码课程名称数据分析与可视化开课单位课程类别专业核心课课程性质必修学分3/4总学时48/64理论学时34/36实践学时14/28适用专业计算机科学与技术、数据科学与大数据技术等开课学期先修课程Python语言程序设计、数据库原理与应用、大数据导论选用教材葛继科，等.Python数据分析与可视化案例教程.人民邮电出版社，2026.8课程简介通过本课程的学习，使学生了解数据要素的概念，掌握数据分析与可视化的基本概念和具体实现方法，掌握数据挖掘与分析领域中经典的分类、回归、聚类、关联规则算法。使学生在学习本课程后，能够应用Python程序设计语言实现经典的数据挖掘算法，初步掌握主流数据分析与可视化技术的应用。培养学生拥有严谨认真的工作态度，追求卓越的工匠精神，树立社会主义核心价值观。大纲制订人（一般为课程负责人）制订日期202X年XX月大纲审核人（一般为所在教研室或基层教学组织负责人）审核日期202X年XX月大纲审定人（一般为所在教学院系（部）主要负责人）审定日期202X年XX月

二、课程目标通过本课程内容的学习，学生能够获得以下目标：课程目标1：系统掌握数据分析与可视化必备的基础理论和基本知识，熟悉相关政策、法律和技术标准，精通数据分析与可视化专业知识，了解数据应用领域的学科前沿。课程目标2：能够应用数据分析与可视化的基本理论、知识、技术及经典算法和模型，具备解决实际问题的专业能力。同时，具有较强的口头表达以及较好的文字表达和公文写作能力，具有一定的调查研究、沟通协调、组织管理和群众工作能力课程目标3：具备良好的科学人文素养和宽广的学术视野，培养学生追求卓越的工匠精神，树立社会主义核心价值观，成为兼具技术能力与社会责任的新时代大数据分析与应用人才。课程思政教学目标：通过对数据分析与可视化相关理论及技术的学习，提升学生的遵纪守法意识、责任担当意识和严谨认真的工作态度。三、课程目标与毕业要求的对应关系各课程目标与毕业要求指标点的对应关系见表1。（根据学校具体要求填写）表1课程目标与毕业要求指标点的对应关系课程目标毕业要求指标点指标点描述所属专业支撑度*课程目标1L课程目标2H课程目标3M*注：H代表高支撑，M代表中支撑，L代表低支撑。四、课程教学内容、基本要求与学时分配教学内容、基本要求及计划学时与课程目标关系见表2。表2教学内容、基本要求及计划学时与课程目标关系教学内容教学目的和要求、重点、难点和课程思政融入点理论学时实践学时支撑课程目标第1章基本概念与基础知识1.数据要素2.大数据概述3.Python数据分析与可视化教学目的和要求：了解数据要素的相关概念及特点；理解数据要素的价值；了解大数据的概念及特征；了解大数据思维和伦理；了解Python数据分析与可视化的常用库；掌握Python数据分析与可视化开发环境的安装、配置及应用。重点：数据要素。难点：大数据伦理。课程思政融入点：从大数据战略和数据成为新的生产要素出发，引出当代大学生的责任担当，明白历史辉煌与今天的奋发图强。20/21第2章数据分析1.数据分析概述2.数据分析指标体系3.数据分析方法4.数据分析报告5.数据对象的相似性度量教学目的和要求：了解数据分析的概念、目的和作用，掌握数据分析流程；理解数据分析指标体体系；掌握常用的数据分析方法；理解数据分析报告的类型及组成；掌握数据对象相似性度量。重点：数据分析方法、数据分析报告。难点：数据分析指标体系。课程思政融入点：在数据分析过程中，要遵循数据伦理和道德规范，不利用数据分析结果进行虚假宣传或误导他人。围绕数据保护和应用，要高度重视数据分析的重要性，以坚定的意志和智慧，守护国家核心数据利益，为实现国家繁荣发展贡献青年人的力量。2/41第3章数据可视化1.数据可视化概述2.数据可视化流程与基础图表3.Python数据可视化方法教学目的和要求：了解数据可视化的概念、目的和作用，掌握数据可视化的分类；了解数据可视化的流程和基础图表；掌握数据可视化图表类型的选择；掌握数据可视化方法。重点：数据可视化基础图表、数据可视化方法。难点：数据可视化图表类型的选择。课程思政融入点：在数据可视化应用过程中，要遵循图表规范，不利用数据分析结果进行虚假宣传或误导他人，恪守诚信、坚守数据伦理。20/21第4章分类分析与可视化1.分类概述2.决策树分类3.逻辑斯谛回归4.k近邻算法5．综合案例：鸢尾花分类分析与可视化教学目的和要求：理解分类的相关概念，了解分类的一般流程，了解常用分类方法；了解决策分类的相关概念，掌握ID3、C4.5、CART等决策树分类方法；了解逻辑斯谛回归原理，掌握逻辑斯谛回归的实现及应用；理解k近邻算法的原理及实现；掌握鸢尾花分类分析与可视化的实现过程。重点：分类问题的基本概念和原理。难点：经典分类算法的应用课程思政融入点：数据的分类分析与可视化需要遵循相关的法律法规，如数据保护法、知识产权法等。在学习过程中，需要了解法律对数据处理的规范和要求，增强法治意识，自觉遵守法律规定，在未来的工作中依法开展数据分类的业务活动。62/42第5章回归分析与可视化1.回归分析概述2.线性回归3.非线性回归4.支持向量回归5.综合案例：波士顿房价预测分析与可视化教学目的和要求：理解回归分析的概念与分类，了解回归分析的流程；掌握线性回归、非线性回归、支持向量回归等常见回归分析方法的应用；掌握士顿房价预测分析与可视化综合案例的实现过程。重点：常见回归分析方法。难点：回归分析的综合应用。课程思政融入点：回归分析与可视化没有固定的模式和方法，需要我们根据具体问题和数据特点，创新回归分析方式和可视化手段，以达到最佳的分析和展示效果。这一过程能够激发学生的创新思维，培养创新能力和探索精神，为推动科技创新和社会发展贡献力量。42/42第6章聚类分析与可视化1.聚类概述2.k均值聚类算法3.BIRCH算法4.DBSCAN算法5.综合案例：信用评分数据分析与可视化教学目的和要求：理解聚类的概念与流程，掌握常见聚类分析方法；掌握k均值聚类算法、BIRCH算法、DBSCAN算法等聚类方法的应用；掌握信用评分数据分析与可视化综合案例的实现过程。重点：常见聚类算法。难点：k均值聚类算法的实现。课程思政融入点：物以类聚、人以群分。可以将聚类分析与可视化应用于助力国家发展的数据分析和展示中，如经济增长、科技创新成就、民生改善等方面。通过直观地呈现国家的发展成果，有助于学生增强对国家的认同感和自豪感，激发爱国情怀，更加坚定为实现中华民族伟大复兴的中国梦而努力奋斗的决心。62/42第7章关联规则分析与可视化1.关联规则分析概述2.Apriori算法3.FP-Growth算法4.综合案例：购物篮数据集关联分析与可视化教学目的和要求：理解关联规则的概念和频繁项集产生的先验原理；掌握Apriori算法产生频繁项集的过程，理解关联规则产生的原理和Apriori算法产生关联规则的方式。理解FP-Growth算法的原理及实现过程；掌握购物篮数据集关联分析与可视化综合案例的实现过程。重点：频繁模式挖掘、关联规则挖掘的基本概念和原理。难点：FP-Growth算法。课程思政融入点：关联规则分析涉及到大量数据的处理和复杂的算法推导，需要我们秉承脚踏实地、严谨细致的科学态度。关联规则分析中存在可能存在“虚假关联”的问题，即两个数据项之间可能在统计上表现出关联，但实际上并没有真正的因果关系。这就需要我们辩证地看待数据分析结果，不能仅仅依赖数据表面的关联，而要深入探究背后的逻辑和实际意义，从而培养批判性思维和独立思考能力。42/42第8章时序数据分析与可视化1.时序数据概述2.AR模型、MA模型和ARMA模型3.ARIMA模型4.综合案例：股票收盘价分析与可视化教学目的和要求：了解时序数据的基本概念、分析流程和常用分析方法；掌握AR模型、MA模型和ARMA模型、ARIMA模型的原理及实现过程；掌握股票收盘价分析与可视化综合案例的实现过程。重点：AR模型、MA模型和ARMA模型。难点：ARIMA模型。课程思政融入点：需要注意时序数据真实性与科学严谨精神。时序数据分析高度依赖连续时间样本，不能随意删减时间片段、截断时间轴、只截取有利时间段做可视化，人为篡改趋势。引导学生尊重完整时序证据，坚持实事求是，杜绝选择性截取时间数据误导结论，培养严谨科研素养、学术诚信。42/42第9章文本数据分析与可视化1.文本数据概述2.文本情感分析3.文本相似度分析4.综合案例：商品评价分析与可视化教学目的和要求：了解文本数据的特点，掌握文本数据的获取及处理方法；理解文本情感分析的基本原理，掌握其实现方法；理解文本相似度分析的基本原理，掌握其实现方法。重点：文本情感分析、文本相似度分析。难点：文本情感分析。课程思政融入点：青年学生要重视数据收集的准确性、分析方法的科学性以及对结果的客观解读，从而养成科学精神和理性思维能力，学会用科学的方法去认识世界、解决问题。同时，要深入挖掘蕴含在文本数据中的文化内涵和价值，领略中华优秀传统文化的博大精深，增强文化自信和文化认同感，培养传承和弘扬中华优秀传统文化的意识和能力。223第10章社交网络数据分析与可视化1.社交网络数据分析概述2.BERT模型3.BiLSTM模型4.综合案例：手机评论文本情感分析与可视化教学目的和要求：了解社交网络数据的特点，掌握社交网络数据分析的一般流程和常用分析方法；掌握BERT模型的原理及其实现方法；掌握BiLSTM模型的原理及其实现方法。掌握手机评论文本情感分析与可视化综合案例的实现过程。重点：文本情感分析、文本相似度分析。难点：文本情感分析。课程思政融入点：社交网络数据天然包含用户身份、关系链、行为、言论等个人信息，未经许可不得爬取、泄露、贩卖用户社交关系、个人画像数据；禁止随意还原用户社交关系链，树立边界意识与法治观念。社交网络图布局、节点大小、颜色映射容易刻意放大或缩小某些群体影响力。要求可视化客观中立，不刻意通过视觉渲染误导读者，恪守分析者职业操守，对分析结果负责。223合计34/3614/28五、实践教学内容及要求课程实验实训项目、教学内容、学时及课程目标关系见表3表3实验实训项目、内容与学时分配表实验实训项目实验实训内容学时场地支撑课程目标1.Anaconda开发环境的安装及使用2XX实验室12.Python数据可视化方法的应用2XX实验室13.决策树分类、逻辑斯谛回归、k近邻分类方法的应用2XX实验室24.鸢尾花分类分析与可视化综合实现2XX实验室25.线性回归、非线性回归、支持向量回归方法的应用2XX实验室26.波士顿房价预测分析与可视化综合实现2XX实验室27.k均值聚类、BIRCH算法、DBSCAN算法的应用2XX实验室28.信用评分数据分析与可视化综合实现2XX实验室29.Apriori算法、FP-Growth算法的实现2XX实验室210.购物篮数据集关联规则分析与可视化综合实现2XX实验室211.AR模型、MA模型、ARMA模型及ARIMA模型的实现2XX实验室212.股票收盘价分析与可视化综合实现2XX实验室213.商品评价分析与可视化综合实现2XX实验室314.手机评论文本情感分析与可视化综合实现2XX实验室3合计28说明：对于14学时（7个实验）的教学计划，可以只完成实验4、6、8、10、12、13、14或者实验3、5、7、9、11、13、14。六、课程目标的达成途径和措施1.课堂讲授法：通过对数据挖掘方法的基本概念、基本原理、基本方法的讲解，向学生示范相关理论与方法在求解实际问题中的求解过程，培养学生数据挖掘的思维和能力。2.启发式教学：以学生为中心，激发学生主动学习的兴趣，培养学生独立思考、分析问题和解决问题的能力，引导学生主动通过实践和自学获得课堂以外的扩展知识。3.提问导读法：根据学生的认识规律、心理特征以及教学目标，通过设置问题的方式，引导学生阅读思考和探索，激发学生的探究思想和思考能力。4.讨论教学法：在教师指导下，对教学内容或问题通过分组讨论，发表看法，进行辩论，得出结论，从而获得知识，提高学生的思维能力与团队协作能力。5.混合教学法：逐步完善课程的线上资源，为学生提供教学课件、教学视频、课后练习、课后讨论、课后作业、阅读材料等课程资源。利用在线课程资源，开展线上/线下混合式教学，促进学生自主学习，提升课程学习效果。6.理论教学与工程实践相结合：引导学生应用数学、自然科学和工程科学的基本原理，采用现代设计方法和手段，掌握数据分类、回归、聚类与关联的相关理论、模型、方法和技术，解决实际应用中面临的数据分析与应用问题，培养学生分析问题、解决问题的思维方法和实践技能。七、课程考核对课程目标的支撑本门课程总成绩由平时成绩和期末考试成绩两部分构成，其中平时成绩占40%（包括平时作业和实验），期末考试成绩占60%，课程考核与课程目标关联关系见表4。表4课程考核与课程目标关联关系表成绩构成考核评价环节成绩占比课程目标达成考核占比（%）平时成绩A课后作业20%平时成绩B实验10%10%期末成绩期末考试60%20%20%20%合计40%30%支撑度八、课程教材及主要学习参考资源（一）建议使用教材及实验指导书1.《Python数据分析与可视化案例教程