Python数据分析挖掘与可视化教学大纲Word格式.docx

Python数据分析挖掘与可视化教学大纲Word格式.docx

《Python数据分析挖掘与可视化教学大纲Word格式.docx》由会员分享，可在线阅读，更多相关《Python数据分析挖掘与可视化教学大纲Word格式.docx（10页珍藏版）》请在冰豆网上搜索。

能够根据问题性质和特点选择合适的机器学习算法，能够根据数据特点选择合适的可视化方式。

三、教学内容以及重点、难点

第1章Python开发环境搭建与编码规范

1.1Python开发环境搭建与使用

教学内容：

在Python官方网站下载安装包并安装，下载并安装Anaconda3，IDLE、JupyterNotebook、Spyder简单使用，使用pip和conda命令安装扩展库。

重点、难点：

系统环境变量path的设置，安装扩展库。

1.2Python编码规范

缩进对业务逻辑的影响，变量命名规则。

缩进的作用。

1.3标准库、扩展库对象的导入与使用

导入标准库与扩展库对象的几种形式及其区别，导入标准库和扩展库的顺序。

导入标准库与扩展库对象的几种形式及其区别。

第2章数据类型、运算符与内置函数

2.1常用内置数据类型

整数、实数、复数、列表、元组、字典、集合、字符串等常用数据类型。

数字大小没有限制，实数计算会有误差，字典的键和集合中的元素不允许重复并且必须为不可变类型的数据，包含一个元素的元组必须有逗号。

2.2运算符与表达式

算术运算符、关系运算符、成员测试运算符、集合运算符、逻辑运算符。

关系运算符可以连用，关系运算符、成员测试运算符和逻辑运算符具有惰性求值的特点，列表、元组、字符串比较大小时逐个比较其中的元素大小直至得出确定的结论，关系运算符作用于集合时表示集合的包含关系而不关心元素大小。

2.3常用内置函数

类型转换、最大值、最小值、元素数量、求和、排序、逆序、基本输入输出、range（）、zip（）、map（）、reduce（）、filter（）。

内置函数max（）、min（）、sorted（）的key参数可以用来指定排序规则，range（）函数限定的是左闭右开区间，函数式编程模式。

2.4综合应用与例题解析

第3章列表、元组、字典、集合与字符串

3.1列表与列表推导式

创建列表、使用下标访问列表中的元素、列表常用方法、列表推导式、切片操作。

列表、元组、字符串的下标可以是负数，列表推导式，切片限定的是左闭右开区间。

3.2元组与生成器表达式

元组与列表的区别、生成器表达式、序列解包。

生成器表达式具有惰性求值特点，并且其中的元素只能使用一次，序列解包要求等号两侧值的数量和变量的数量必须相等。

3.3字典

字典元素访问、字典元素修改、添加与删除。

字典的键可以作为下标，字典的get（）方法，使用字典的键作为下标的赋值语句的两种含义。

3.4集合

集合概述、集合常用方法。

集合常用方法。

3.5字符串常用方法

encode（）、format（）、index（）、rindex（）、count（）、replace（）、maketrans（）、translate（）、ljust（）、rjust（）、center（）、split（）、rsplit（）、join（）、lower（）、upper（）、capitalize（）、title（）、swapcase（）、startswith（）、endswith（）、strip（）、rstrip（）、lstrip（）。

字符串方法返回新的字符串或字节串，不对原字符串进行修改。

3.6综合应用与例题解析

第4章选择结构、循环结构、函数定义与使用

4.1选择结构

条件表达式、单分支选择结构、双分支选择结构、嵌套的分支结构。

条件表达式与True、False的等价关系，嵌套选择结构的代码缩进。

4.2循环结构

for循环、while循环、break与continue语句。

带else的for循环和while循环执行逻辑以及break语句的作用。

4.3函数定义与使用

函数定义基本语法、lambda表达式、递归函数、生成器函数、位置参数、默认值参数、关键参数、可变长度参数、变量作用域。

lambda表达式功能与适用场合，默认值参数，可变长度参数的两种形式，变量作用域。

4.4综合应用与例题解析

第5章文件操作

5.1文件操作基础

内置函数open（）、文件对象常用方法、上下文管理语句with。

读写文件时会自动移动文件指针，读写文本文件时一定要注意编码格式。

5.2JSON文件操作

json模块的函数。

separators参数的作用。

5.3CSV文件操作

csv模块的用法。

编码格式的影响，

5.4Word、Excel、PowerPoint文件操作实战

Word、Excel、PowerPoint文件的内容读取。

python-docx、openpyxl、python-pptx扩展库的安装及其用法。

第6章numpy数组与矩阵运算

6.1numpy数组及其运算

创建数组、测试两个数组的对应元素是否足够接近、修改数组中的元素值、数组与标量的运算、数组与数组的运算、数组排序、数组的内积运算、访问数组中的元素、数组对函数运算的支持、改变数组形状、数组布尔运算、分段函数、数组堆叠与合并。

数组与标量的运算，相同形状的数组之间的运算，函数对数组的运算，数组布尔运算，分段函数。

6.2矩阵生成与常用操作

生成矩阵、矩阵转置、查看矩阵特征、矩阵乘法、计算相关系数矩阵、计算方差、协方差、标准差。

矩阵与数组的区别。

6.3计算特征值与特征向量

矩阵特征值与特征向量的含义，eig（）函数。

矩阵特征值与特征向量的含义。

6.4计算逆矩阵

逆矩阵的计算，inv（）函数。

不是所有矩阵都有逆矩阵。

6.5求解线性方程组

solve（）函数。

6.6计算向量和矩阵的范数

范数的定义与含义，form（）函数。

向量范数与矩阵范数的区别。

6.7奇异值分解

奇异值的定义，奇异值分解，svd（）函数。

奇异值的定义，奇异值分解的意义。

6.8函数向量化

普通函数向量化。

第7章pandas数据分析实战

7.1pandas常用数据类型

一维数组与常用操作、时间序列与常用操作、二维数组DataFrame。

时间序列与常用操作。

7.2DataFrame数据处理与分析实战

读取Excel文件中的数据、筛选符合特定条件的数据、查看数据特征和统计信息、按不同标准对数据排序、使用分组与聚合对员工业绩进行汇总、处理超市交易数据中的异常值、处理超市交易数据中的缺失值、处理超市交易数据中的重复值、使用数据差分查看员工业绩波动情况、使用透视表与交叉表查看业绩汇总数据、使用重采样技术按时间段查看员工业绩、多索引相关技术与操作、使用标准差与协方差分析员工业绩、使用pandas的属性接口实现高级功能、绘制各员工在不同柜台业绩平均值的柱状图、查看DataFrame的内存占用情况、数据拆分与合并。

sort_index（）、sort_values（）、groupby（）、fillna（）、diff（）、pivot（）、crosstab（）、resample（）等函数或方法的用法，聚合函数的作用，属性接口。

第8章sklearn机器学习实战

8.1机器学习基本概念

样本、特征、特征向量、目标、偏差、方差、拟合、过拟合、数据泄露、有监督学习、半监督学习、无监督学习、分类器、聚类器、离群点检测器、预测器、损失函数、泛化、正则化等基本概念。

8.2机器学习库sklearn简介

扩展库sklearn常用模块与对象，如何选择合适的模型和算法。

8.3线性回归算法原理与应用

线性回归模型原理、sklearn中线性回归模型的简单应用、岭回归原理与sklearn实现、套索回归Lasso基本原理与sklearn实现、弹性网络基本原理与sklearn实现、使用线性回归模型预测儿童身高。

岭回归、套索回归、弹性网络的区别，正则化的作用。

8.4逻辑回归算法原理与应用

逻辑回归算法原理与sklearn实现、使用逻辑回归算法预测考试能否及格。

逻辑回归算法算法与sklearn实现。

8.5朴素贝叶斯算法原理与应用

朴素贝叶斯算法基本概念、朴素贝叶斯算法分类原理与sklearn实现、使用朴素贝叶斯算法对中文邮件进行分类。

朴素贝叶斯算法分类原理与sklearn实现，中文分词，特征向量的构造。

8.6决策树与随机森林算法应用

决策树算法基本概念、原理与sklearn实现、随机森林算法原理与sklearn实现、使用决策树算法判断学员的Python水平。

决策树与随机森林算法基本原理。

8.7支持向量机算法原理与应用

支持向量机算法基本原理与sklearn实现、使用支持向量机对手写数字图像进行分类。

支持向量机算法基本原理及参数含义，图像文件内容的读取。

8.8KNN算法原理与应用

KNN算法基本原理与sklearn实现、使用KNN算法判断交通工具类型。

KNN算法基本原理。

8.9KMeans聚类算法原理与应用

KMeans聚类算法基本原理与sklearn实现、使用KMeans算法压缩图像颜色。

KMeans聚类算法基本原理。

8.10分层聚类算法原理与应用

分层聚类算法原理与应用。

8.11DBSCAN算法原理与应用

核心样本、边界样本、噪声样本、密度可达等基本概念，DBSCAN算法原理与应用。

DBSCAN算法原理。

8.12使用协同过滤算法进行电影推荐

协同过滤算法原理，电影推荐。

协同过滤算法。

8.13关联规则分析原理与应用

关联规则分析原理与基本概念、使用关联规则分析演员关系。

关联规则分析原理。

8.14数据降维

数据降维的作用，主成分分析基本原理。

主成分分析原理。

8.15交叉验证与网格搜索

使用交叉验证评估模型泛化能力、使用网格搜索确定模型最佳参数。

cross_val_score（）函数与GridSearchCV类的用法。

第9章matplotlib数据可视化实战

9.1数据可视化库matp