学院
课程教学进度计划表
（20～20学年第二学期）
课程名称Python数据分析与应用
授课学时64
主讲（责任）教师
参与教学教师
授课班级/人数
专业（教研室）
填表时间
专业（教研室）主任
教务处编印
年月
课程教学目的
通过本课程的学习，使学生学会使用Python进行科学计算、可视化绘图、数据处理，分析与建模，并详细拆解学习聚类、回归、分类三个企业案例，将理论与实践相结合，为将来从事数据分析挖掘研究、工作奠定基础。
教学方法及手段
本课程将采用理论与实践相结合的教学方法。在理论上，通过任务引入概念、原理和方法。在实践上，充分地利用现有的硬件资源，发挥学生主观能动性，指导学生使用NumPy进行科学计算，使用pandas进行统计分析和数据预处理，使用Matplotlib、seaborn、pyecharts进行图形绘制，使用sklearn进行建模。同时结合综合案例，引导学生将所学知识与企业需求相结合，将知识活学活用。
要求学生自己动手分析实例，学习基本理论和方法，结合已有的知识，适当组织一些讨论，充分调动学生的主观能动性，以达到本课程的教学目的。
课程考核方法
突出学生解决实际问题的能力，加强过程性考核。课程考核的成绩构成=平时作业（10%）+课堂参与（20%）+期末考核（70%），期末考试建议采用开卷形式，试题应包括基本概念、分组聚合、数据合并、数据清洗、数据变换、绘图、模型构建等部分，题型可采用判断题、选择、简答、应用题等方式。
《Python数据分析与应用》教学日历
周次
学时
授课内容
作业要求
备注
1
3
项目1Python数据分析概述
项目1课后习题
2
5
项目2粮食产量分析——NumPy数值计算基础
项目2实训，课后习题
3
3
项目3工业产品产量统计分析——pandas统计分析基础（1）
项目3课后习题
4
5
项目3工业产品产量统计分析——pandas统计分析基础（2）
项目4电商产品销售数据预处理——使用pandas进行数据预处理（1）
项目3实训
项目4选择题
5
3
项目4电商产品销售数据预处理——使用pandas进行数据预处理（2）
项目4操作题、实践题
6
5
项目4电商产品销售数据预处理——使用pandas进行数据预处理（3）
项目5电商销售可视化分析——Matplotlib、seaborn、pyecharts数据可视化基础（1）
项目4实训
7
3
项目5电商销售可视化分析——Matplotlib、seaborn、pyecharts数据可视化基础（2）
项目5课后习题
8
5
项目5电商销售可视化分析——Matplotlib、seaborn、pyecharts数据可视化基础（3）
项目6线上书籍网站数据可视化分析（1）
项目5实训
8
3
项目6线上书籍网站数据可视化分析（2）
项目6课后习题
10
5
项目6线上书籍网站数据可视化分析（3）
项目7线上书籍网站数据综合分析——使用scikit-learn构建模型（1）
项目6实训
11
3
项目7线上书籍网站数据综合分析——使用scikit-learn构建模型（2）
项目7课后习题
12
5
项目7线上书籍网站数据综合分析——使用scikit-learn构建模型（3）
项目7实训
13
3
项目8餐饮企业综合分析（1）
项目8课后习题
14
5
项目8餐饮企业综合分析（2）
项目8实训
15
3
项目9基于TipDM大数据挖掘建模平台实现客户流失预测（1）
项目9实训
16
5
项目9基于TipDM大数据挖掘建模平台实现客户流失预测（2）
项目9课后习题
注：教材：曾文权，张良均．Python数据分析与应用（第3版）（微课版）[M]．北京：人民邮电出版社．2025．