《Python数据分析与应用案例教程》课程标准.docxVIP

PAGE5

《Python数据分析与应用案例教程》课程标准

【课程名称】Python数据分析与应用案例教程【课程编码】

【课程类别】专业课程【适用专业】计算机、大数据和人工智能专业

【授课单位】 【总学时】48

【教材】

【编写执笔人】 【编写日期】

一、课程定位和课程设计

1.1课程性质

本课程是计算机科学与技术、大数据、人工智能等相关专业的一门核心课程。Python语言是学生进行数据分析所需要掌握基础性语言和分析工具，是未来学生掌握数据分析技术的学习基础。本课程在教学内容方面着重以Python语言数据分析基础及Pandas数据预处理，Pandas数据分析，Matplotlib数据可视化为主。通过一系列的数据分析训练项目，培养学生具有一定的数据分析理解和应用实践能力。让学生掌握Python语言数据分析，Pandas数据分析及Matplotlib数据可视化，为今后职业数据分析工作奠定基础。

1.2课程设计思路

随着大数据、人工智能、云计算等技术的发展，数据已经成为数字经济时代重要的生产要素。在数字经济时代，各行各业的分析决策都离不开对数据的充分分析。如何在海量的数据中分析出有价值的信息，逐渐成为数据科学领域一个全新的研究课题。

本课程主要以教育部关于高职教育改革的相关文件精神和数据分析市场对大数据人才的知识、能力、素质等要求以及课程在专业中的定位设计，序化教学内容。课程以职业能力培养为重点，与行业密切可联系进行基于工作过程的课程开发与设计，充分体现职业性，实践性和开放性的要求。设计围绕以提高学生的数据分析能力、提高学生对数据分析的认识、培养学生的社会责任感为宗旨，将社会主义核心价值观、民族精神、时代精神等有机地融入教材中，将知识、技能的学习和思政教育完美融合在一起。通过重构课程教学，培养学生的专业能力、方法能力和社会能力，从而始终提高学生的就业竞争能力。

本课程是一门实践性较强的课程，因此在教学过程中强调学生学中做，做中学，学做合一，提高实践动手能力。因此，课程改革紧紧围绕“以教师为主导，学生为主体，就业为导向，进行校企合作工学结合工作过程系统化项目课程改革，锻炼学生的工作思维和实践技能，帮助学生更快地适应职场”。

二、课程目标

1．知识目标

（1）理解数据分析的概念与流程。

（2）了解数据分析的应用场景。

?（3）掌握创建NumPy数组的方法。

（4）掌握处理缺失值和重复值的方法。

（5）掌握数据横向和纵向合并的方法。

（6）掌握数据排序和排名分析的方法。

（7）了解图形的基本要素，掌握绘图的基本步骤和设置图形样式的方法。

（8）了解流通加工的概念、流通加工与生产加工的区别。

（9）了解客户退货的原因和做好退货作业的意义。

2．能力目标

（1）能在Windows系统中搭建Python开发环境。

（2）能使用NumPy创建不同形式的数组，并进行索引与切片。

（3）能对数据进行清洗、合并、聚合与分组、编码与离散化等预处理操作。

（4）能对数据进行排名与排序、统计、交叉表与透视表、正态性和相关性等分析。

（5）能根据数据的特点选择合适的可视化图形对数据进行分析和展示。

（6）能对数据进行预处理、分析和可视化操作。

3．素质（思政）目标

（1）通过对数据分析的了解，增强探索意识。

（2）树立大数据思维和时代意识，自觉遵守职业道德和法律法规。

（3）提高选择合适方法解决不同问题的能力。

（4）养成分析问题、事前做好准备的良好习惯。

（5）提高分析问题、针对不同问题选择合适方法的能力。

（6）强化数据安全意识，提高信息技术应用能力。

（7）理解国家大数据战略，构建大数据思维和时代意识。

（8）锻炼具体问题具体分析的思维方法，培养一丝不苟的工作态度，增强积极主动寻求解决方法的意识。

三、课程内容和课时安排

本课程共8讲，50课时，具体内容和课时安排如表1-1所示。

所用

教材

课程内容

学时（50）

配送中心运营管理实务

第1章

数据分析入门

1.1数据分析概述

2

6

48

1.2数据分析工具

2

1.3搭建Python开发环境

2

第2章

Python数据分析基础

2.1NumPy库

4

8

2.2Pandas库

4

第3章

Pandas数据预处理

3.1数据的清洗

2

8

3.2数据的合并

2

3.3数据的聚合与分组

1

3.4数据的转换

1

3.5时间信息的转换与提取

2

第4章

Pandas数据分析

4.1数据的排序与排名分析

1

6

4.2数据的统计分析

1

4.3数据的表格分析

1

4.4数据的正态性分析

1

4.5数据的相关性分析

2

第