1、二、多维数组对象属性和数据转换三、随机数生成四、数组变换五、数组的索引和切片掌握Numpy中的数组对象、数组的索引及切片访问6Numpy数值计算基础二一、数组的运算数组和标量间的运算；Ufunc函数、条件逻辑运算二、数组读写读写二进制文件、读写文本文件、读取CSV文件三、Numpy中的数据统计与分析排序、数据去重，常用统计函数掌握NumPy数组的运算、NumPy数组的读写；了解NumPy中数据的统计和分析7实验二：Numpy数值计算实训熟悉掌握Numpy数值计算；熟悉Numpy的数据处理方法。8Pandas统计基础一一、Pandas中的数据结构Series；DataFrame；索引对象；一、二
2、、Pandas索引操作1）重建索引；更换索引二、三、DataFrame的数据查询与编辑 DataFrame的数据查询；DataFrame的数据编辑掌握Pandas中的数据结构；掌握Pandas索引操作；掌握DataFrame的数据查询与编辑。9Pandas统计分析基础二一、Pandas中的数据运算算术运算；函数应用和映射；排序；汇总和统计；二、数据分组与聚合2）数据分组；数据聚合；分组运算；三、数据透视表透视表；交叉表三、三、Pandas数据可视化线形图；柱状图；直方图；密度图；散点图；掌握Pandas中的数据运算；掌握Pandas中的数据汇总与聚合；掌握Pandas中的透视表与交叉表；Pan
3、das中的数据可视化。10实验三、Pandas数据分析实训熟悉掌握Pandas的数据结构及其操作；熟悉掌握Pandas的数据分组、数据可视化。11Pandas数据载入与预处理（一）一、Pandas中的数据载入读写文本文件；读写excel文件；二、数据合并merge重建索引；concat数据连接；combine_first合并连接；掌握Pandas中数据的读取；掌握Pandas数据合并。12Pandas数据载入与预处理二一、Pandas中的数据清洗检测与处理缺失数据；2）检测与处理重复数据；检测与处理异常值；二、数据标准化离差标准化；标准差标准化；三、数据转换类别型数据的哑变量处理；连续型变量的
4、离散化；掌握Pandas中数据清洗；掌握Pandas数据标准化与转换。13实验四Pandas数据预处理熟悉掌握Pandas的数据读取方法；熟悉掌握Pandas的数据清洗方法。14Matplotlib数据可视化基础（一）一、Matplotlib绘图基础创建画布与子图；添加画布内容；绘图的保存于显示；二、设置pyplot的动态rc参数全局参数设定；rc参数设置；绘图的填充；文本注释掌握Matplotlib绘图的基本方法；掌握设置pyplot的动态rc参数方法。15Matplotlib数据可视化基础（二）一、pyplot中的常用绘图折线图；饼图；箱线图；概率图；二、词云词云生成的过程；词云生成示例；
5、掌握Matplotlib中常用绘图的方法；了解Matplotlib中词云的绘制。16实验五、Matplotlib数据可视化综合应用熟悉掌握Matplotlib绘图的基本方法；熟悉掌握Matplotlib中的各种常用绘图。17Seaborn数据可视化一、Seaborn简介Seaborn的安装与导入；二、Seaborn绘图风格设置Seaborn绘图设置；Seaborn主题设置；设置绘图元素比例；三、Seaborn中的常用绘图直方图和密度曲线图；pairplot图；琴图；多变量图；回归图。掌握Seaborn绘图中的风格设置；掌握Seaborn中的常用绘图方法。18实验六、Seaborn数据可视化综合
6、应用熟悉掌握Seaborn绘图的属性设置；熟悉掌握Seaborn中的各种常用绘图。19pyecharts数据可视化一、pyecharts简介pyecharts的安装与导入；使用方法二、pyecharts常用图表漏斗图； k线图；仪表盘；词云；组合图表；使用pyecharts绘制图形20实验七、pyecharts数据可视化综合应用熟悉掌握pyecharts绘图的属性设置；熟悉掌握pyecharts中的各种常用绘图。21时间序列数据分析一、日期和时间类型数据二、时间序列基础时间序列构造；索引和切片；三、日期范围、频率和移动；四、时期频率转换；时期数据转换；五、频率转换和重采样重采样；降采样；升采样
7、掌握时间序列类型数据的类型；掌握时间序列数据分析方法。22实验八、时间序列数据可视化综合应用熟悉掌握时间序列数据类型；熟悉掌握时间序列数据分析方法。23SciPy科学计算基础一、SciPy中的常数与特殊函数二、SciPy中的线性代数运算基本的矩阵运算；线性方程组求解；特征值分解；三、SciPy中的优化方程求解及极值求解；数据拟合；四、SciPy中的稀疏矩阵求解稀疏矩阵存储；稀疏矩阵运算；五、SciPy中的图像处理图像平滑；图像旋转和锐化；掌握线性代数运算；掌握方程求解；掌握稀疏矩阵求解；SciPy图像处理实验九：SciPy科学计算综合应用熟悉掌握线性代数运算；熟悉掌握SciPy中的优化方法；熟
8、悉掌握SciPy中的稀疏矩阵处理；了解SciPy中的图像处理25统计与机器学习（一）一、Scikit-learn中的主要功能二、主要分类方法 1）决策树规约 2）KNN算法 3）支持向量机 4）朴素贝叶斯分类1）熟悉Scikit-learn中的主要功能2）掌握常用的分类方法26统计与机器学习（二）一、主要聚类方法K-Means聚类；层次聚类；基于密度的聚类二、主成分分析熟悉Scikit-learn中的主要聚类方法；掌握主成分分析方法。27实验十：Scikit-learn典型算法及其综合应用熟悉Scikit-learn的分类算法思想；熟悉Scikit-learn的聚类算法思想；熟悉Scikit-
9、learn的典型算法及应用。28图像数据分析一、OpenCV简介与导入OpenCV简介；OpenCV导入；二、cv2图像处理基础cv2的基本方法与属性；cv2图像处理示例；三、图像的特征点提取SIFT特征点提取；SURF特征点提取；图像去噪；熟悉Python-OpenCV中的主要功能；掌握Python-OpenCV图像处理基础；了解图像SIFT和SURF特征点提取。29实验十一：Python-OpenCV图像处理综合应用熟悉Python-OpenCV的安装与导入；熟悉Python-OpenCV图像处理基本方法；Python-OpenCV图像特征点提取方法30实验十二：数据分析与可视化综合实训熟
10、悉数据分析与可视化基本过程；熟悉数据分析与可视化的典型应用。Python数据分析与可视化课程教案（首页）学院：计算机系/学院课程/项目名称数据分析与可视化课程总学时：60学时理论：36学时实验：24学时学分课程类别：专业必修专业必修公共必修 公共选修授课教师*授课专业大数据技术与应用授课班级教学目的和要求通过本课程的学习，让学生接触并了解数据分析与可视化的基本使用方法，使学生具有Python数据分析、设计和可视化开发的能力，并具有较强的分析问题和解决问题的能力，为将来从事数据科学相关领域的工作打下坚实的基础。重点、难点教学重点：掌握数据分析与可视化的基本原理与方法；熟悉Python语言，能够熟
11、练使用Python扩展库；掌握Numpy库的使用；掌握Pandas的数据分析方法、数据预处理方法；掌握Matplotlib的绘图方法；掌握Seaborn的绘图方法；掌握 pyecharts中绘图的基本用法；掌握Scipy科学计算的基本用法；掌握Scikit-learn中典型的分类与聚类算法的基本用法；掌握利用Open-cv进行图像数据处理的基本用法；教学难点：掌握数据分析与可视化的基本过程和处理步骤；熟练掌握Pandas数据分析的方法；掌握Scikit-learn中数据分类聚类的基本方法。资源多媒体课件习题答案其他教学资源：Python数据分析与可视化魏伟一等主编，清华大学出版社环境多媒体教学
12、，课堂教学与学生上机实践相结合案例实现第 1 次课 2 学时授课内容数据分析与可视化概述教学目的与要求通过本课的学习，学生应该掌握如下知识：1）数据分析的含义2）数据可视化的用途3）数据分析与可视化的常用工具4）Python数据分析与可视化的常用库5）Jupyter Notebook的环境及基本的用法重点难点1）数据分析与可视化的内容教学进程安排教学导入：介绍介绍数据分析与可视化的重要性，举例说明数据分析与可视化的案例，逐步引入到课程的介绍内容中来。授课内容：一、Python数据分析与可视化课程介绍介绍本门课程的学科地位、考核方式、学习内容安排、可以参考的学习资料。二、讲授数据分析与可视化的定
13、义、原理与发展1）讲授数据分析的含义和内容2）讲授数据分析与可视化的常用工具3）讲授Python进行数据分析与可视化的优势4）讲授Python中数据分析与可视化的扩展库5）演示Jupyter Notebook的基本用法课后学习任务布置安装Anaconda集成环境，熟悉Jupyter 主要参考资料第 2 次课 2 学时Python编程基本语法、内建数据结构介绍大Python基础语法及内建数据结构。1）Python基础语法；2）内建的数据结构列表、元组、字典和集合的用法Python内建数据结构1）数据类型2）操作符和表达式3）字符串4）流程控制语句1）列表2）元组3）字典4）集合掌握Python基
14、本语法，内建数据结构第 3 次课 2 学时Python函数及文件操作介绍Python函数的用法和文件操作。1）函数的定义和调用2）Lambda函数的用法3）Python文件操作基础1）函数的定义和调用、lambda函数的用法一、函数1）函数定义2）函数的调用3）lambda函数的用法1）文件处理的过程2）数据的读取方法3）读取CSV文件4）文件的写入与关闭掌握函数与文件操作，进行例题练习第 4 次课 2 学时上机实验（一）Python编程基础实践1）熟悉Jupyter Notebook环境2）Python编程基础1）掌握Python编程基础语法2）函数的用法实验内容1）熟悉Python基本语法
15、2）内建数据结构的用法3）函数的用法4）课本习题练习熟悉Python编程基础第5次课 2 学时Numpy数值计算基础（一）介绍Numpy中的数组对象、数组的切片访问：1）掌握Numpy数组的创建2）掌握随机数生成方法3）掌握数组变换4）掌握数组的切片和索引方法1）数组的索引2）数组的切片访问二、多维数组的对象属性和数据转换NumPy数组操作练习第 6 次课2 学时NumPy数值计算基础（二）掌握Numpy数组的运算、读写及简单的数据统计分析。1）掌握Numpy数组的运算2）掌握Numpy数组的读写3）了解Numpy中数据的统计和分析1）熟练掌握数组的运算1）数组和标量间的运算2）Ufunc函数
16、3）条件逻辑运算1）读写二进制文件2）读写文本文件1）排序、数据去重2）常用统计函数习题练习第 7次课 2学时上机实验（二）NumPy数值计算综合应用1）熟悉掌握NumPy数值计算2）熟悉NumPy的数据处理方法1）掌握NumPy的基本用法2）利用NumPy进行数值运算1）掌握NumPy的数值计算用法2）熟悉应用NumPy进行数值计算3）综合实训读取iris数据集中的花萼长度数据（已保存为CSV格式），并对其进行排序、去重，并求出和、累积和、均值、标准差、方差、最小值、最大值。熟悉Numpy数值运算第8次课 2 学时Pandas统计分析基础（一）介绍Pandas数据分析中的数据结构及其基本操作
17、。要求学生应该熟练掌握如下知识的运用：1）掌握Pandas中的数据结构2）掌握Pandas索引操作3）掌握DataFrame的数据查询与编辑1）各种Pandas中的各种数据类型2）DataFrame的用法1）Series2）DataFrame3）索引对象二、Pandas索引操作1）重建索引2）更换索引三、DataFrame的数据查询与编辑1）DataFrame的数据查询2）DataFrame的数据编辑Pandas数据结构及其操作、熟悉教材习题第9次课 2 学时Pandas统计分析基础（二）介绍Pandas数据分析中的数据运算、分组与聚合、数据透视表等用法。1）掌握Pandas中的数据运算2）掌
18、握Pandas中的数据汇总与聚合3）掌握Pandas中的透视表与交叉表4）Pandas中的数据可视化1）Pandas中的数据汇总与聚合2）Pandas中的数据可视化1）算术运算2）函数应用和映射3）排序、汇总和统计1）数据分组2）数据聚合3）分组运算 三、数据透视表1）透视表2）交叉表四、Pandas数据可视化1）线形图、柱状图2）直方图、密度图、散点图第 10次课2 学时上机实验（三）Pandas统计分析综合应用1）熟悉掌握Pandas的数据结构及其操作2）熟悉掌握Pandas的数据分组、数据可视化1）掌握DataFrame的用法2）数据分组与聚合1）掌握Pandas统计基本用法2）熟悉应用
19、Pandas统计分析数据对小费数据集进行数据的分析与可视化。用到的小费数据集来源于Python库Seaborn中自带的数据，已被事先转存为excel类型的数据。熟悉Pandas统计分析方法第11次课 2 学时介绍Pandas数据载入与预处理。1）掌握Pandas中数据的读取2）掌握Pandas数据合并1）Pandas中数据读取2）数据合并1）读写文本文件2）读写excel文件1）merge重建索引2）concat数据连接3）combine_first合并连接Pandas数据载入与数据合并、熟悉教材习题第12次课 2 学时Pandas数据载入与预处理（二）介绍Pandas数据清洗、标准化与转换。
20、1）掌握Pandas中数据清洗2）掌握Pandas数据标准化与转换1）Pandas中数据清洗2）数据转换1）检测与处理缺失数据2）检测与处理重复数据3）检测与处理异常值1）离差标准化2）标准差标准化1）类别型数据的哑变量处理2）连续型变量的离散化Pandas数据清洗与变换、熟悉教材习题第 13次课2 学时上机实验（四）Pandas数据预处理综合应用1）熟悉掌握Pandas的数据读取方法2）熟悉掌握Pandas的数据清洗方法第14次课 2 学时介绍Matplotlib绘图的基本方法。1）掌握Matplotlib绘图的基本方法2）掌握设置pyplot的动态rc参数方法1）Matplotlib绘图基础2）Matplotlib绘图参数设置1）创建画布与子图2）添加画布内容3）绘图的保存于显示1）全局参数设定2）rc参数设置3）绘图的填充4）文本注释熟悉Matplotlib绘图方法、教材习题练习Python数据分析与可视化魏伟一等主编，清华大学出
