适用专业

软件工程

先修课程

Python语言程序设计

实验性质

非独立设课

开设学期

第5学期

实验方式

上机操作

周数（学时）

24

学　　分

1学分

课程目标

（1）职业规范与道德修养：通过学习Python数据分析的理论和实践知识，培养学生的社会责任意识。使学生意识到数据的安全性将直接影响到社会的利益和公共利益，作为数据分析师应该担负起相应的责任，并以人民的利益为中心，始终坚守法律法规、伦理道德和职业操守。

（2）知识应用能力：能够运用Python有关数据分析的常用类库，对收集来的大量数据进行科学计算、统计分析和可视化绘图，从而提取出有用的信息，为科学、客观的决策提供积极性的帮助。

（3）问题分析能力：能够根据Python数据分析的结果，发现可能存在的问题，预测未来发展的趋势，提出改进的方案以规避风险。

（4）设计能力：能够设计符合企业或个人业务需求的数据分析方案，并能够在科学计算、统计分析和可视化绘图环节中体现创新意识，具备开发简单项目的能力。

（5）沟通能力：能够和企业或个人业务方进行有效的沟通，了解业务部门的工作流程、评价标准等，从而在解读数据时能够更贴近业务的思路，对其提出的建议和需求提供更好的数据分析方案。

（6）终身学习能力：能够跟踪大数据技术前沿，持续提高加工和应用数据的能力，不断拓展数据的应用方法，通过严谨的逻辑推理形成想要的决策支持和产品化的应用；提升职业素养，适应数据分析行业及相关职业发展。

教学要求

（1）能够理解数据分析技术体系和主要技术；

（2）能够综合运用Python与数据分析基本知识对数据进行分析和可视化绘图；

（3）掌握综合分析能力，解决专业相关实际问题；

（4）通过讨论、实验实训、撰写报告等方式提升有效沟通；

（5）理解并遵守数据分析领域的职业道德和规范。

1

Python数据分析环境搭建

2

验证性

内容：（1）搭建Python数据分析环境；（2）使用相关开发工具完成简单程序的编写。

要求：（1）掌握Python数据分析环境搭建；（2）掌握开发工具的基本使用。

2

科学计算库Numpy

4

验证性

内容：（1）创建矩阵；（2）索引与切片；（3）数组操作；（4）数组运算；（5）线性代数运算。

要求：（1）掌握NumPy数组的创建、操作；（2）掌握NumPy数组的索引和切片；（3）掌握NumPy数组的运算；（4）掌握NumPy数组的线性代数运算。

3

数据分析工具Pandas

4

验证性

内容：（1）DataFrame的创建和行列操作；（2）DataFrame的高级索引；（3）Pandas数据运算；（4）统计函数；（5）层次划索引；（6）读写数据操作。

要求：（1）掌握DataFrame数据结构的创建和基本使用；（2）掌握读写外部数据的方法；（3）掌握DataFrame的高级索引函数；（4）掌握Pandas的数据运算，包括算术运算、函数映射、排序、迭代等运算，以及统计函数。

4

数据预处理

4

验证性

内容：（1）数据清洗：重复值清洗、缺失值清洗、检测异常值；（2）数据合并连接和重塑；（3）数据变换：虚拟变量、连续属性离散化、规范化。

要求：（1）掌握重复值、缺失值和异常值的检测与处理方法，能够对大量数据进行清洗；（2）掌握数据的合并、连接和重塑，能够根据计算、分析需要对数据结构进行处理；

（3）掌握常用数据变换的方法，能够根据分析需要和数据特点对数据进行变换。

5

数据聚合和分组运算

2

验证性

内容：（1）通过groupby()方法将数据拆分成组；（2）数据聚合；（3）分组级运算。

要求：（1）掌握groupby()方法，可以按照不同的规则进行分组；

（2）掌握聚合操作，会使用统计方法和聚合方法聚合数据；

（3）掌握其他分组级运算方法的使用。

6

数据可视化

4

验证性

内容：（1）Matplotlib绘制图表；（2）Seaborn绘制统计图形；（3）Bokeh交互式可视化库。

要求：（1）掌握Matplotlib绘制图表的常用方法，主要包括创建画布、创建单个和多个子图、添加和选中子图、添加各类标签、绘制常见图表、本地保存图形；（2）了解seaborn的基本使用。

7

时间序列分析

2

设计性

内容：（1）时间序列的基本操作；（2）固定频率的时间序列；（3）时间周期及计算；（4）重采样；（5）数据统计-滑动窗口。

要求：（1）能够创建时间序列对象；

（2）能够使用时间戳索引和切片选取子集；（3）学会创建固定频率的时间序列，能够调整时间序列的频率；（4）掌握Period（时期），转换时期的频率；（5）掌握重采样，实现降采样和升采样；（6）熟悉滑动窗口的使用。

8

文本数据分析

2

设计性

内容：（1）文本数据分析工具；（2）文本预处理；（3）文本情感分析；（4）文本相似度；（5）文本分类。

要求：（1）掌握安装和使用NLTK与jieba工具的方法；（2）掌握文本预处理的流程；（3）能够用NLTK分析情感倾向；（4）能够结合NLTK与余弦相似度实现相似度分析；（5）能够结合NLTK与算法对文本进行分类。

合计

24