《Python数据分析与挖掘》课程教案（首页）
学院：计算机系/学院
课程/项目名称
数据分析与挖掘
课程
总学时：72学时
理论：44学时
实验：28学时
学分
3
课程
课程类别：专业必修■专业必修□公共必修□公共选修
授课教师
***
授课专业
数据科学与大数据应用
计算机类相关专业
授课班级
教学
目的和要求
本课程的主要目的是培养学生的数据分析与挖掘的理论分析与应用实践的综合能力。通过本课程的教学，使学生掌握数据分析与挖掘的一般原理和处理方法，能使用机器学习理论解决数据挖掘相关的问题。
教学
重点、难点
教学重点：
Pandas数据分析
Matplotlib、Seaborn数据可视化
认识数据
数据预处理
回归分析
关联规则挖掘
分类与预测
聚类分析
离群点检测
时间序列和文本数据分析挖掘
教学难点：
掌握利用Pandas和Matplotlib等实现数据分析和可视化；
掌握数据挖掘基本过程、处理步骤和方法；
掌握回归分析、分类、聚类等机器学习算法；
熟练关联规则挖掘方法；
掌握数据分析与数据挖掘的基本方法。
教学
资源
多媒体课件
习题答案
微课视频
其他教学资源：
《Python数据分析与挖掘》（微课视频版）魏伟一等主编，清华大学出版社
教学
环境
多媒体教学，课堂教学与学生上机实践相结合
案例实现
《Python数据分析与挖掘》课程教案
第1次课2学时
授课内容
数据分析与挖掘绪论
教学目的
与要求
通过本课的学习，学生应该掌握如下知识：
数据挖掘的概念与基本内容
数据分析与数据挖掘的联系与区别
数据挖掘的主要任务
数据挖掘的主要数据源
Jupyternotebook的使用
重点
难点
1）数据挖掘的概念与主要任务
教学进程
安排
教学导入：
介绍数据分析与挖掘的重要性，举例说明数据挖掘典型案例，逐步引入到课程的介绍内容中来。
授课内容：
一、《Python数据分析与挖掘》课程介绍
介绍本门课程的学科地位、考核方式、学习内容安排、可以参考的学习资料。
讲授数据挖掘的定义、原理与发展
1）讲授数据分析的含义和内容
2）讲授数据挖掘与数据分析的联系与区别
3）讲授数据挖掘的主要任务
4）讲授数据挖掘主要的数据源
5）Jupyternotebook的使用
课后学习
任务布置
查阅数据挖掘用途的相关资料与案例
主要
参考资料
《Python数据分析与挖掘》，清华大学出版社
《Python数据分析与挖掘》课程教案
第2次课2学时
授课内容
Python编程基础
教学目的
与要求
介绍Python编程基础。
通过本课的学习，学生应该掌握如下知识：
Python程序设计语言的特点
Python内建的数据结构
重点
难点
Python内建的数据结构
Python函数的定义和调用
教学进程
安排
授课内容：
一、Python程序设计概述
1）Python语言的特点
2）基本语法
3）流程控制
4）函数
二、Python内建的数据结构
1）列表及其操作
2）元组及其操作
3）字典及其操作
4）集合及其操作
三、函数
四、文件操作
课后学习
任务布置
Python编程实践
主要
参考资料
《Python数据分析与挖掘》（微课视频版），清华大学出版社
《Python数据分析与挖掘》课程教案
第3次课2学时
授课内容
Numpy数值计算
教学目的
与要求
Numpy数值计算基础
通过本课的学习，学生应该掌握如下知识：
1）数组对象的创建
2）数组运算
3）数组的切片访问
4）数组的运算
5）Numpy中的数据统计与分析
重点
难点
1）数组的运算
2）数组的切片访问
教学进程
安排
实验内容
1）数组的常用创建方法
2）随机数生成
3）数组变换
4）数组的索引与切片访问
5）数组的运算
6）数据统计与分析
课后学习
任务布置
熟悉Numpy数组运算基础，代码示例学习
主要
参考资料
《Python数据分析与挖掘》（微课视频版），清华大学出版社
《Python数据分析与挖掘》课程教案
第4-5次课4学时
授课内容
Pandas数据分析
教学目的
与要求
Pandas数据分析
通过本课的学习，学生应该掌握如下知识：
1）Pandas的数据结构
2）Pandas索引操作
3）Pandas的数据查询、编辑、变换