|
|
|
|
|
Python Programming and Data Analyzing
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
（1）课程在实现毕业要求中的作用，课程在专业知识体系中的位置
伴随着大数据、人工智能技术的发展与普及，数据分析技术已经成为各行各业从业人员的必备技能。数据分析技术也逐渐成为本科生的必备技能，也成为各个专业的基础课，数据的获取、预处理、分析、可视化等工作几乎贯穿到本科课程设计、毕业论文全过程。
（2）课程主要内容及知识结构
考虑到各个专业对数据分析知识需求的共性，本课程将教学内容设计为“Python与数据分析”。教学内容分Python基础、数据分析、数据可视化三部分：
★ Python基础部分，注重梳理基础知识及知识之间的关系，强调基础概念教学，并将大量烦琐的知识点通过分类、关系图表形式呈现给学生，使之迅速把握Python基础知识点；
★ 数据分析部分，注重实践与实用原则，将教学内容集中在文本数据分析、数字数据分析、Pandas数据分析三部分，使学生能迅速掌握几类数据的基本分析方法；
★ 数据可视化部分，注重数据可视化分析与快捷绘图，以讲授Seaborn数据可视化为主，使学生能快捷地掌握数据可视化分析方法与技巧。
（3）课程学习对学生专业成长具有的价值
学生认真学好本课程，可以掌握Python基础、网络爬虫的编写、数字与文本数据分析及可视化方法，具备网络数据获取、预处理、数据分析以及数据可视化的能力，为将来提升毕业论文质量、从事相关数据分析工作或机器学习打好基础。
（4）教师对学生投入课程学习的要求
本课程面向没有任何编程基础的学生。学生通过课程学习和大量编程实验，可以较好地掌握相关内容。
（5）课程学习要求和学习建议
★ 掌握好Python基本概念
建议初学者在掌握Python基本概念的基础上，结合数据结构与算法来学习Python。Python入门比较容易，但是许多知识点之间（如第三方库）关联并不大。初学者往往被“几行代码做人脸识别”、“几行代码完成爬虫”等教程诱惑，而忽视Python基础知识的学习，在没有掌握Python名字空间、模块、类、对象、装饰器、生成器、闭包等概念的基础上，去搞“几行代码做某某系统”基本上是浪费时间。
★ 掌握纯正的Python风格代码编程
初学Python可先关注问题或算法的实现，然后再从软件工程和Python语言特色方面来提高代码的质量。Python语言有许多其他语言没有的语法和函数，许多读者按照其编程语言（如Java、C++）的惯性思维来学习Python语言，往往不利于掌握纯正的Python语言。
★ 关注数据分析和行业动态
Python语言仅是基础，如果将来要从事相关应用开发，必须结合岗位的需求拓展其他知识。如将来若转向Python Web系统开发，还必须学习Django、Flask、Tornado等；如果想从事人工智能和机器学习行业，还必须学习TensorFlow、PyTorch等框架。
1. 课程思政的育人目标
培养具有较高职业素养的编程与数据处理人才。学生应掌握数据分析相关法律、法规，数据分析伦理道德。将来走向工作岗位后，要合理、合法地应用数据分析技术从事对人类有益的事业，能抵御诱惑，杜绝从事任何违法、违背伦理道德的数据分析工作。
2. Python学习目标
掌握Python的编程模式，熟练运用Python内置函数与运算符、列表、元组、字典、集合等基本数据类型以及相关列表推导式、切片、序列解包等语法来解决实际问题，熟练掌握Python分支结构、循环结构、函数设计以及类的设计与使用。
3. 数据分析学习目标
掌握Numpy数组运算和矩阵运算、中文分词jiebai、文本可视化词云、网络爬虫、Pandas基本数据结构以及数据分析与处理。
4. 数据可视化学习目标
掌握Seaborn模块的使用，数据自身的统计特征、不同类别的数据之间的关联特征、不同类别属性的数据横向对比特征、数据与评估模型之间关系特征。
课程目标与毕业要求指标点高支撑的对应关系表
课程目标与教学内容和教学方法的对应关系表
第1章 绪论 课时数：1学时
◎ 讲授内容：Python基本情况、“生态圈”、语言的特色、应用、人才需求与学习建议。
◎ 教学方法：讲课、视频展示，从广度上了解Python现状和前景。
◎ 学生学习任务：查看Python历史、版本情况、人才需求情况。
◎ 课外学习要求：查看Python官方网站，近几年PyCon顶级会议发表技术。
第2章 Python开发环境与工具 课时数：2学时
◎ 讲授内容：Python版本、安装、帮助系统、虚拟环境、pip工具、集成开发环境。
◎ 学生学习任务：掌握Python 安装，pip工具管理模块，帮助文件的使用。重点掌握pip工具的使用。
◎ 课外学习要求：掌握Python系统搭建，Anaconda工具使用。
◎ 讲授内容：Python源程序的组成、注释、关键词、标识符、内置的常量、函数、模块与名字空间、包。重点掌握模块、名字空间、包的概念。
◎ 学生学习任务：按照章节内容学习，掌握讲授内容。
◎ 课外学习任务：掌握程序基础相关概念，理清概念之间关系，绘制思维导图。
◎ 讲授内容：数字、序列、集合、映射数据类型及运算符以及常用的模块。重点掌握序列、集合、映射数据类型的使用。
◎ 学生学习任务：按照章节内容学习，掌握讲授内容。
◎ 课外学习任务：结合数据结构算法应用序列、集合、映射数据类型解决问题。
◎ 讲授内容：程序控制流、if、while、for、break、continue、pass语句，异常、assert、with语句。重点掌握with语句、try与except捕获。
◎ 学生学习任务：按照章节内容学习，掌握讲授内容。
◎ 讲授内容：函数的定义、docsString、参数传递、可变参数、变量作用域、lambda函数、 装饰器、闭包、迭代器、生成器、eval() 、exec()函数。重点与难点lambda函数、装饰器、闭包、迭代器、生成器。
◎ 学生学习任务：按照章节内容学习，掌握讲授内容。
◎ 课外学习任务：拓展掌握生成器、理解大数据机器学习对海量数据的处理。
◎ 讲授内容：文件的打开与关闭、异常捕获与处理、shelve、pickle、JSON对象数据的存取。重点掌握文件与特定文件格式的读写。
◎ 学生学习任务：按照章节内容学习，掌握讲授内容。
◎ 课外学习任务：自学对数据库MySQL、SQLite数据库的访问。
◎ 讲授内容：Requests-html简介、网页的获取、网页的解析与元素查找、网页爬虫案例。重点掌握requests-html爬虫设计。
◎ 学生学习任务：按照章节内容学习，掌握讲授内容。
◎ 课外学习任务：了解网络爬虫涉及的法律法规和伦理道德。
◎ 讲授内容：正则表达式简介、Python正则表达式、re模块、文本数据处理、中文文本分词、词云wordCloud、中文情感分析snownlp。重点掌握re模块使用。
◎ 学生学习任务：按照章节内容学习，掌握讲授内容。
◎ 课外学习任务：根据关键词，自动调用搜索引擎、自动爬取搜索结果。
◎ 讲授内容：Numpy的数据类型、数组的创建、切片和索引、遍历、数组的操作、运算、输入输出。重点掌握Numpy数组处理与运算。
◎ 学生学习任务：按照章节内容学习，掌握讲授内容。
◎ 讲授内容：Pandas介绍、Series类、DataFrame 类、数据分析常用函数。
◎ 学生学习任务：按照章节内容学习，掌握讲授内容。
◎ 课外学习任务：根据教务处转专业公示名单，自动统计分析各专业流动情况。
◎ 讲授内容：数据可视化的目的、Seaborn简介、一维数据的分布可视化、二维数据的分布可视化、数据关系可视化、分类对比数据可视化、回归模型可视化、热力图等。
◎ 学生学习任务：按照章节内容学习，掌握讲授内容。
◎ 课外学习任务：根据任意数据集内容，利用Seaborn通过可视化方法分析数据。
课程目标、考核内容和评价依据对应表
1. 教材为《Python与数据分析及可视化（微课视频版）》9787302595960
2. Python官方网站www.python.org .
在线资源https://www.zhihuishu.com/
1. 课程学习应遵守纪律，符合学术诚信要求。
2. 课堂与课后作业按时提交，并要达到要求。
作业使用Jupyter Notebook格式
《Python与数据分析及可视化（微课视频版）》
ISBN：9787302595960
作者：李鲁群、李晓丰、张波
定价：49.8元
扫码优惠购书
本书主要介绍Python语言基础、数据分析和数据可视化等内容。全书共12章，分别为绪论、Python开发环境与工具、Python的基本概念、基本数据类型与运算符、程序流控制与异常处理、函数及其高级应用、文件与输入输出、网站数据的获取、文本数据的处理、NumPy与数学运算、Pandas数据分析和数据可视化。本书注重介绍核心概念与应用，相关内容通过图表形式呈现给读者，并配有多个示例，便于读者学习与总结。
本书可以作为高校相关课程的教材或Python程序开发学习者的自学参考书，也非常适合作为机器学习实践的先导课程的参考书。
扫码京东优惠购书
第1章绪论
1.1Python语言简介
1.2Python的“生态圈”
1.3Python语言的特色
1.4Python语言的应用
1.5Python开发人才需求
1.6Python的学习建议
1.7本书的知识体系结构
1.8本章小结
1.9习题
第2章Python开发环境与工具
2.1Python的版本介绍
2.2Python系统的安装
2.3Python帮助系统
2.4Python虚拟开发环境
2.5Python包管理工具pip
2.6Anaconda Python集成安装工具
2.7Python集成开发环境
2.8本章小结
2.9习题
第3章Python的基本概念
3.1Python相关的文件
3.2Python语言的关键字
3.3Python的标识符
3.4Python的内置常量
3.5Python的内置函数
3.6Python的名字空间
3.7Python的模块
3.8Python的包
3.9本章小结
3.10习题
第4章基本数据类型与运算符
4.1Python基本数据类型
4.2数字类型
4.3序列类型
4.4文本序列类型 str
4.5二进制序列类型
4.6集合类型
4.7映射类型
4.8collections模块
4.9itertools模块
4.10本章小结
4.11习题
第5章程序流控制与异常处理
5.1Python程序控制流
5.2if条件语句
5.3Python循环语句
5.4异常
5.5断言的用法
5.6with语句
5.7综合案例
5.8本章小结
5.9习题
第6章函数及其高级应用
6.1函数
6.2变量的作用域
6.3lambda表达式
6.4行函数
6.5序列相关函数
6.6函数的高级应用
6.7eval()函数
6.8exec()函数
6.9本章小结
6.10习题
第7章文件与输入输出
7.1Python的输入输出
7.2Python文件的操作
7.3shelve对象数据的存取
7.4pickle对象数据的存取
7.5JSON对象数据的存取
7.6操作系统相关文件操作
7.7本章小结
7.8习题
第8章网站数据的获取
8.1RequestsHTML简介
8.2网页爬虫案例
8.3本章小结
8.4习题
第9章文本数据的处理
9.1正则表达式简介
9.2正则表达式的组成
9.3Python正则表达式
9.4文本数据处理
9.5中文情感分析
9.6本章小结
9.7习题
第10章NumPy与数学运算
10.1为什么要用NumPy
10.2NumPy简介
10.3NumPy的核心内容
10.4ndarray对象
10.5ndarray、array的区别与联系
10.6ndarray对象的输入输出
10.7ndarray对象的属性
10.8ndarray对象的结构变形
10.9ndarray对象元素的操作
10.10ndarray对象的运算
10.11ndarray对象相关通用函数
10.12本章小结
10.13习题
第11章Pandas数据分析
11.1为什么需要学习Pandas
11.2Pandas介绍
11.3Series
11.4DataFrame
11.5本章小结
11.6习题
第12章数据可视化
12.1为什么要数据可视化
12.2数据可视化揭示的几类数据特征关系
12.3Seaborn简介
12.4绘图准备工作
12.5数据准备工作
12.6一维数据的分布可视化
12.7二维数据的分布可视化
12.8数据关系可视化
12.9用分类对比数据可视化
12.10回归模型可视化
12.11本章小结
12.12习题
参考资料及课外阅读
在公众号书圈后台回复【9787302595960】，下载本书配套的教学资源
单击页面下方【阅读原文】，订阅【教学大纲】栏目
文章评论