python数据分析课程标准.docx

《python数据分析课程标准.docx》由会员分享，可在线阅读，更多相关《python数据分析课程标准.docx（6页珍藏版）》请在第一文库网上搜索。

1、python数据分析课程标准一、课程概况课程名称Python数据分析课程代码20114103适用专业应用统计学开课学期第5学期课程性质专业任选学时/学分51/3二、课程目标课程目标1：掌握Python的numpy,pandas库，会利用数组对象和数据框数据的存取,查询，并完成数据的统计分析及其他计算。课程目标2：掌握Py1hOn的matp1oi1ib库，能灵活对数据进行可视化操作，能根据不同需求做出相应的图表并分析。课程目标3：掌握数据挖掘的几个常见模型和相应的包，能根据实际问题选择合适的模型进行数据信息提取，挖掘。三、课程目标与毕业要求的关系1、课程目标与毕业要求的对应关系毕业要求指标点课程

2、目标2数学基础2.3掌握统计学和数据分析所需的数学基本原理和方法课程目标13金触统计3.1掌握概率论和数理统计的基本原理，掌握多元统计分析、回归分析、抽样调查、试验设计等应用统计学的技术。课程目标14数据分析4.1掌握统计数学建模和数据挖掘的基本原理和常用方法，具备较强的统计数据分析与处理能力,能综合运用所学知识分析和解决问题，能对所给数据进行处理和分析，能综合运用所学知识建立合适的数学和统计金融模型解决问题。课程目标34.3掌握Python等编程语言，具有一定的编程能力，养成良好的程序设计习惯；掌握数据库系统的基本原理，熟练使用SQ1语言进行数据库操作，掌握数据库设计方法和步骤。掌握大数据分

3、析和管理应用的基本知识，具有一定的大数据处理能力，能够在大数据中挖掘出有用信息。课程目标1课程目标2课程目标35外语体育5.2掌握资料查询、文献检索以及运用现代技术获取相关信息的基本方法。课程目标32、课程目标与毕业要求的矩阵关系图思想政治数学基础软件开发数据分析外语体育人文发展1.11.21.32.12.22.33.13.23.34.14.24.35.15.25.36.16.26.3课程目标1MMH课程目标2H课程目标3MHM注：H表示高支撑，M表示中支撑，1表示低支撑。四、课程教学要求与重难点序号课程内容框架教学要求教学重点教学难点IPython数据分析概述了解数据分析的流程，掌握一种Py

4、thon软件基本操作方法编译软件的使用方法编写和运行Python程序的方法步骤。2numpy数值计算基础掌握numpy的ndarry对象的使用方法，了解numpy下的矩阵对象，了解numpy的基础统计功能Ndarry对象的使用数组对象的计算3matp1ot1ib数据可视化基础掌握基础语句pyp1ot用法，掌握散点图，折线图的绘图，掌握直方图，饼图和箱线图的绘图Pyp1ot,bar,pie,boxp1ot函数的使用根据实际要求绘制图形4pandas统计分析基础掌握PandaS读写文件的方法，掌握dataframe的操作使用，了解时间数据的转换，了解分组聚合的计算方法，了解透视表与交叉表的创建方法

5、文件读写方法，数据框的常见操作数据框的增删查改操作5使用pandas进行数据预处理掌握PandaS合并数据，清洗数据，标准化数据的方法，了解转换数据的方法合并数据，标准化数据的方法如何根据实际进行数据清洗6使用Scikit-Ieam构建模型了解sk1eam转换器的使用，掌握聚类，分类模型的构建方法，掌握回归模型的构建调用包进行常见的聚类，分类，回归模型的构建几类模型的区别与联系7航空公司客户价值分析掌握数据挖掘的般流程数据挖掘的数据预处理，模型的构建过程，结果分析预处理和模型的选择五、课程教学内容、教学方式、学时分配及对课程目标的支撑情况序号课程内容框架教学内容教学方式学时支撑课程目标1Pyt

6、hon数据分析概述(1)认识数据分析(2)熟悉数据分析工具(3) PythOn环境搭建(4) 一种编译环境的操作方法讲授、PPT辅助、课堂讨论、实验3课程目标1课程目标22numpy数值计算基础(1)数组对象ndarray(2)numpy矩阵与通用函数(3)利用numpy进行统计分析讲授、PPT辅助、课堂讨论、实验6课程目标13matp1ot1ib数据可视化基础(I)绘图基础语法与常用参数(2)分析特征间的关系(3)分析特征内部数据分布与分散状况讲授、PPT辅助、课堂讨论、实验9课程目标24pandas统计分析基础(1)读写不同数据源的数据(2)DataFrame的常用操作(3)转换与处理时间

7、序列数据(4)使用分组聚合进行组内计算(5)创建透视表与交叉表讲授、PPT辅助、课堂讨论、实验9课程目标15使用PandaS进行数据预处理（1）合并数据（2）清洗数据（3）标准化数据（4）转换数据讲授、PPT辅助、课堂讨论、实验6课程目标16使用scikit-1eam构建模型（1）使用sk1earn转换器处理数据（2）构建并评价聚类模型（3）构建并评价分类模型（4）构建并评价回归模型讲授、PPT辅助、课堂讨论、实验9课程目标37航空公司客户价值分析（1）了解航空公司现状与客户价植分析（2）预处理数据（3）客户分群讲授、PPT辅助、课堂讨论、实验9课程目标1课程目标2课程目标3六、课程目标与考核

8、内容课程目标考核内容评价依据课程目标1:掌握Python的numpy,PandaS库,会利用数组对象和数据框数据的存取，查询，并完成数据的统计分析及其他计算。（支撑毕业要求指标点2.3,3.1,4.3）numpy数值计算的方法；PandaS的数据存储，查询使用，统计分析功能；课堂表现；平时作业；平时测验；期末考试。课程目标2：掌握Python的matp1ot1ib库，能灵活对数据进行可视化操作，能根据不同需求做出相应的图表并分析。（支撑毕业要求指标点4.3）MatPIot1ib库下的绘图函数，散点图，折线图，柱状图，直方图，箱线图等；课堂表现：平时作业；平时测验；期末考试。课程目标3：掌握数据

9、挖掘的儿个常见模型和相应的包，能根据实际问题选择合适的模型进行数据信息提取，挖掘。（支撑毕业要求指标点4.1,4.3）根据实际问题建立聚类，分类或回归模型，并编程实现求解课堂表现；平时作业；平时测验；期末考试。七、考核方式与评价细则考核方式比例考核/评价细则课堂表现10%评价标准,根据学生上课出勤情况和课堂讨论，回答问题等情况。基础分90分；旷课一次扣10分，迟到、早退、事假一次扣5分；有效参与讨论并正确回答问题一次加5分，最高100分。作业20%评价标准：根据学生提交的实验报告和作业情况。一学期一个学生大约上交10次左右作业。如果作业给出A、B、C、D等级，则全部为A计100分；两次及以上为

10、A计90分；一次为A计85分；三次及以上为D计60分；其他80分。如果给出百分制的分值，则计为平均分。在此标准下，少交一次作业扣5分。平时测验10%评价标准：1-2次阶段性检测成绩；如果是2次阶段性测试，则每次成绩各占百分之五十)实验10%评价标准：期末时进行上机测试。严格按照评分标准进行阅卷。期末考试50%评价标准：严格按照数据挖掘期末试题参考答案及评分细则进行阅卷。综合成绩100%课堂表现(10%)+作业(20%)+平时测验(10%)+实验(10%)+期末考试(50%)八、课程目标达成度评价参考数学学院课程目标达成度评价方法进行评价。九、本课程各个课程目标的权重依据第八部分中的课程目标达成

11、度评价方法，计算得到本课程的各个课程目标的权重如下:课程目标课程目标-1课程目标2课程目标3权值Wi0.4120.1760.412十、持续改进根据学生的课堂表现、作业、平时测验和期末考试情况及教学督导的反馈，检验学生对本课程涉及的学科素养和学会反思的达成情况，及时对教学中的不足之处进行改进，调整教学指导策略；根据学生的课堂表现、作业、平时测验及期末考试成绩，检验本课程所支撑的毕业要求分解指标点的达成度情况;根据本课程所支撑的毕业要求分解指标点的达成度情况，在本学院教学指导委员会指导下，重新修订本课程大纲，实现持续改进。十一、推荐教材及参考书目1 .教材1 .黄红梅，张良均,Py1hon数据分析与应用M.北京：人民邮电出版社，20182 .参考书目1 .张良均，杨海宏等，Python与数据挖掘M.北京：机械工业出版社，2016.2 .张健，张良均.Py1hon编程基础M.北京：人民邮电出版社，2018.