《數據分析和可視化》教學大綱課程編號：06220221英文名稱：Dataanalysisandvisualization學分：1學時：總學時48學時，其中理論16學時，實驗32學時先修課程：高等數學、智能電子商務、Python程序設計基礎課程類別：專業必修課程授課對象：大數據管理與應用專業學生教學單位：商學院修讀學期：第3學期一、課程描述和目標《數據分析與可視化》是大數據管理與應用專業的必修課，是一門重要的專業基礎課程。通過《數據分析與可視化》課程的學習，培養學生對信息數據的處理、分析以及可視化表達的能力。能夠使用NumPy對數據進行處理和科學計算;能夠使用Pandas對數據進行篩選、缺省值處理、數據合并等操作;能夠使用Matplotlib實現折線圖、條形圖、散點圖、子圖以及餅圖等將數據可視化展示。課程目標：1．專業知識方面。學習與掌握數據分析知識，掌握數據分析技能。2．專業能力方面。熟練使用Python編程進行實戰操作，通過完整數據分析實例地學習，更好地掌握數據分析技能，做到理論與實踐相結合，方法與應用相結合。3．綜合能力和素質方面。使用數據分析和可視化工具完成專業級別的數據處理、分析和可視化功能，解決學習和實踐中遇到的問題，為更深入地學習打下良好地基礎，打造可持續的競爭力。強化學生在數據分析中的基本技巧與能力，有效表達自己思想與意愿的能力，傾聽與理解他人需求和意愿的能力，適應工作與人機環境變化的能力。二、課程目標對畢業要求的支撐關系畢業要求指標點課程目標權重專業素養：2-1課程目標1M實踐應用能力：3-1、3-2課程目標2、3H人文道德素養：1-3課程目標3M三、教學內容、基本要求與學時分配序號教學內容基本要求及重、難點（含德育要求）學時教學方式對應課程目標1數據分析概述與基本概念了解數據分析的定義和歷史背景;了解數據分析的目的和任務;了解數據分析與數據挖掘的關系;了解機器學習與數據分析的關系;了解數據分析的基本步驟，即數據收集、數據預處理、數據分析與知識發現和數據后處理，以及每個基本步驟的概念與內容；了解Python在數據分析領域所具有的優點。2集中講授課程目標1、22Python基礎知識了解Python的發展史；了解Python及Panda、scikit-learn、Matplotlib的安裝；掌握Python的基礎知識及Python的一些特性，包括縮進在Python的重要性、Python包的使用方法、注釋的使用方法、Python語法知識；了解Pandas、scikit-learn、Matplotlib等重要Python庫；了解Jupyter交互式數據科學與科學計算開發環境。2集中講授課程目標1、2、33數據預處理了解數據的集中趨勢、離散程度、相關性測量、數據缺失、噪聲、離群點等概念;了解數據質量標準評估的完整性、一致性、準確性和及時性4個要素。了解數據清洗的概念及方式，包括缺失值的處理、噪聲數據的處理、不一致數據的處理和異常數據的處理；了解數據的特征選擇、特征構建和特征提取。2集中講授課程目標1、24NumPy——數據分析基礎工具了解NumPy庫的作用；掌握多維數組對象ndarray的使用，包括ndarray的創建、ndarray的索引、切片和迭代、ndarray的shape的操作、ndarray的基礎操作等。2集中講授、案例討論課程目標1、2、35Pandas——處理結構化數據了解Pandas庫的作用和特色功能；了解Pandas中Series和DataFrame兩種主要數據結構；掌握Series對象的創建、訪問和操作；掌握DataFrame對象的創建、訪問和操作；掌握基于Pandas的Index對象的訪問操作；了解Pandas的相關數學統計和計算工具；了解Pandas的數學聚合和分組運算。2集中講授、案例討論課程目標1、2、36數據分析與知識發現了解分類分析的基本概念；了解邏輯回歸、線性判別分析、支持向量機、決策樹、K近鄰和樸素貝葉斯的相關知識；了解關聯分析的基本概念，包括關聯規則定義、指標定義和關聯規則挖掘定義；了解關聯分析的Apriori算法、FP-Tree2集中講授、案例討論課程目標1、27Matplotlib——交互式圖表繪制了解Matplotlib的作用；掌握Matplotlib中的基本布局對象的建立；掌握修改圖表樣式、修改裝飾項和添加注釋的方法；掌握基礎圖表的繪制，包括直方圖、散點圖、柱狀圖、折線圖和表格；了解使用Matplot3D繪制三維圖形的方法；了解Matplotlib與Jupyter結合使用的方法。4集中講授課程目標1、2合計16實驗項目如下：序號實驗項目實驗內容與要求學時類型對應課程目標1數據分析相關工具的安裝與使用了解數據分析相關工具的基本功能與使用方式。4演示課程目標1、22數據的提取與處理掌握數據庫數據的方法，并進行校驗、清洗數據等操作。4綜合課程目標1、23數據可視化顯示基礎處理熟悉設置動態參數的設置，掌握各種基礎圖形繪制。4綜合課程目1、2、34進階圖形繪制運用Python繪制進階圖形繪制4綜合課程目標1、2、35交互式圖形繪制繪制交互式基礎圖形繪制交互式高級圖形4綜合課程目標1、2、36實戰：實際案例數據分析使用NumPy進行數據分析使用Matplotlib實現數據可視化4綜合課程目標1、2、37實戰：實際案例數據分析使用Pandas進行數據分析使用Pandas實現數據可視化4綜合課程目標1、2、38實戰：綜合案例數據分析綜合使用數據可視化方法進行實例分析4綜合課程目標1、2、3合計32四、課程教學方法本課程側重學生個人學習能力的培養，采用項目式教學模式，通過任務式實施，對任務進行分解，最終進行集成后形成一個具體的綜合項目。教學方法和手段上，為了充分調動學生學習的積極性和參與性，采用多媒體教學，圖像，實驗等多種手段綜合運用，讓學生從豐富的感官體驗中感受和接收知識內容。五、學業評價和課程考核（一）考核方式及具體要求1.課程成績構成與要求課程考核注重形成性和終結性評價相結合，考核內容主要由平時成績、期末考核組成，均按百分制計分，其中平時成績占40%、主要考查作業完成程度，理論課與實驗課的出勤率，實驗課結果，期末考核成績占60%。2.課程目標達成考核與評價序號教學環節課程目標1（分值）課程目標2（分值）課程目標3（分值）合計1平時作業201010402期末考試30201060課程目標對應分值503020100（二）考核與評價標準1.平時成績考核與評價標準分值觀測點90-100分70-89分60-69分0-59分平時成績按時到課，90%以上的作業內容齊全，基本知識點理解、掌握到位。實驗過程中能夠利用軟件進行數據分析并得出相應的正確結果。按時到課，70%以上的作業內容齊全，基本知識點理解、掌握較到位。實驗過程中能夠較好利用軟件進行數據分析并得出相應的結果，結果基本正確。基本按時到課，60%以上的作業內容齊全，基本知識點理解、掌握基本到位。實驗過程中能利用軟件進行數據分析并得出相應的結果。曠課率較高，50%以下的作業內容齊全，基本知識點理解、掌握有偏差。實驗過程中不能利用軟件進行數據分析并得出相應的結果。2.期末試卷考核與評價標準根據課程目標及教學內容，設計期末考核試題，綜合檢驗學生對課程相關知識的掌握、綜合應用及解決復雜問題的能力，根據考試題目設計相應評分標準。六、教材與參考書（一）推薦教材[1]呂云翔、李伊琳（編），Python數據分析與可視化，北京：人民郵電出版社，2021年01月。[2]魏偉一、李曉紅