Python数据分析案例实战---教学大纲.docx

《Python数据分析》教学大纲课程名称：Python数据分析课程类别：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36学时，实验28学时）总学分：4.0学分一、课程的性质大数据时代已经到来，在商业、经济及其他领域中基于数据和分析去发现问题并做出科学、客观的决策越来越重要。数据分析技术将帮助企业用户在合理时间内获取、管理、处理以及整理海量数据，为企业经营决策提供积极的帮助。数据分析作为一门前沿技术，广泛应用于物联网、云计算、移动互联网等战略新兴产业。有实践经验的数据分析人才已经成为了各企业争夺的热门。为了推动我国大数据，云计算，人工智能行业的开展，满足日益增长的数据分析人才需求，特开设Python数据分析与应用课程。二、课程的任务通过本课程的学习，使学生学会使用Python进行科学计算、可视化绘图、数据处理，分析与建模，并详细拆解学习聚类、回归、分类三个企业案例，将理论与实践相结合，为将来从事数据分析挖掘研究、工作奠定基础。三、课程学时分配序号教学内容理论学时实验学时其它1第1章数据分析基础1-22第2章NumPy模块实现数值计算3〜433第3章Pandas模块实现统计分析3〜44〜54第4章Matplotlib模块实现数据可视化2〜33〜45第5章【案例1】客户价值分析2〜34〜56第6章2〜34〜57第7章【案例3】二手房数据分析预测系统。2〜35〜68第8章【案例4】智能停车场运营分析系统。2~369第9章【案例5】影视作品分析1〜24第10章【案例6】看店宝2〜37总计3628四、教学内容及学时安排1.理论教学序号章节名称主要内容学时1数据分析基础主要介绍什么是数据分析、常用数据分析方法和工具、数据分析流程和Python数据分析常用模块22NumPy模块实现数值计算NumPy模块中的数组对象、数据类型对象、数组的基本操作以及常用的运算函数等23Pandas模块实现统计分析pandas的数据结构、文本数据以及数据库的读取或写入、常用的数据处理操作、数据的分组与聚合以及数据的预处理工作24Matplotlib模块实现数据可视化通过Matplotlib模块实现可视化图形的绘制流程，以及绘制条形图、折线图、散点图等可视化图形35【案例1】客户价值分析通过RFM模型和k-means聚类算法实现客户分类和客户价值分析36【案例2】销售收入预测通过最小二乘法和线性回归模型1inear_model.LinearRegression实现销售收入分析与预测67【案例3】二手房数据分析预测系统通过skleam模块中的线性回归等机器学习算法实现二手房数据分析预测系统68【案例4】智能停车场运营分析系统主要通过时间模块与pandas模块实现智能停车场运营数据的分析，再通过图表的方式实现数据的可视化69【案例5】影视作品分析主要通过Python的爬虫技术爬取影视作品的评论，然后通过pandas对数据进行处理，再通过图表的方式实现数据的可视化6【案例6】看店宝主要通过Python的爬虫技术获取京东商城商品的相关数据，然后通过数据的分析、比拟、计算等方式实现京东商城商品的预警62.实验教学序号实验工程名称实验要求学时1Python数据分析环境搭建.在Windows/Linux系统上安装Anaconda.掌握JupyterNotebook的常用功能12NumPy数值计算基础.创立NumPy数组对象ndarray.查看ndarray的常用属性.花式索引ndarray.变换ndarray的形态.创立NumPy矩阵并使用；使用常见ufunc6,使用NumPy读写文件23Matplotlib数据可视化基础,掌握pyplot的基本绘图语法.设置pyplot的动态rc参数.绘制散点图.绘制折线图.绘制直方图.绘制饼图,绘制箱线图24pandas统计分析基础•读写数据库数据.读写文本文件.读写Excel文件.查看DataFrame的常用属性.查改增删DataFrame数据.描述分析DataFrame数据.转换字符串时间为标准时间.提取时间序列数据信息.加减时间数据.使用groupby方法拆分数据.使用agg,apply,transform方法聚合数据.制作透视表.制作交叉表45pandas数据预处理.堆叠、主键、重叠合并数据.检测与处理重复值，缺失值，异常值.离差标准化、标准差标准化4,小数定标标准化数据；哑变量处理类别型数据.离散化连续型数据46skleam模型构建.加载datasets模块自带数据集.划分数据集.使用sklearn转换器进行数据预处理与降维.构建与评价聚类模型.构建与评价分类模型.构建与评价回归模型47航空公司客户价值分析.处理数据缺失值与异常值.构建航空客户价值分析的关键特征.标准化LRFMC5个特征.构建K-Means聚类模型