Python数据可视化实战全书教案1-8章全.docx
《Python数据可视化实战全书教案1-8章全.docx》由会员分享,可在线阅读,更多相关《Python数据可视化实战全书教案1-8章全.docx(37页珍藏版)》请在咨信网上搜索。
1、第1章 Python数据可视化概述教案课程名称:Python数据可视化实战课程类别:必修适用专业:大数据技术类相关专业总学时:64学时(其中理论28学时,实验36学时)总学分:4.0学分本章学时:4学时一、 材料清单(1) Python数据可视化实战教材。(2) 配套PPT。(3) 引导性提问。(4) 探究性问题。(5) 拓展性问题。二、 教学目标与基本要求1. 教学目标随着不同行业的发展,数据呈现“井喷式”增长,所涉及的数量十分巨大,已经从TB级别跃升到PB级别。因此有必要认识数据及其存储结构。为了清晰有效的传达所要沟通的信息,发掘数据中蕴藏的价值,进一步介绍了数据可视化的概念以及实现流程,
2、并举例说明常用的数据可视化图形种类及作用。还介绍了常用的可视化工具和Python数据可视化库。最后,还介绍了Python数据可视化集成开发环境Jupyter的操作使用方法。2. 基本要求(1) 了解数据。(2) 了解数据可视化以及流程。(3) 熟悉常见的可视化图形种类和作用。(4) 了解常见的数据可视化工具。(5) 了解Python常用的数据可视化工具库。(6) 掌握Windows系统下Anaconda的安装以及Jupyter的使用。三、 问题1. 引导性提问引导性提问需要教师根据教材内容和学生实际水平,提出问题,启发引导学生去解决问题,提问,从而达到理解、掌握知识,发展各种能力和提高思想觉悟
3、的目的。(1) 数据是什么?(2) 现实生活中数据怎么存储的?(3) 该如何发现数据蕴藏的规律?(4) 数据可视化又是什么?(5) 如何实现数据可视化?(6) 你所了解的有哪些数据可视化工具?(7) Python实现数据可视化的常用哪些工具库?2. 探究性问题探究性问题需要教师深入钻研教材的基础上精心设计,提问的角度或者在引导性提问的基础上,从重点、难点问题切入,进行插入式提问。或者是对引导式提问中尚未涉及但在课文中又是重要的问题加以设问。(1) 数据可视化的完整流程是怎样的?(2) 数据可视化的能够应用在那些业务场景?(3) 常见的可视化工具的各有哪些优缺点?3. 拓展性问题拓展性问题需要教
4、师深刻理解教材的意义,学生的学习动态后,根据学生学习层次,提出切实可行的关乎实际的可操作问题。亦可以提供拓展资料供学生研习探讨,完成拓展性问题。(1) 数据可视化基础图形是不是万能的?(2) 数据可视化还有哪些高级图形?(3) 分析本班同学的考试信息可以从哪些角度入手?四、 主要知识点、重点与难点1. 主要知识点(1) 数据和数据可视化的概念、流程与应用场景。(2) 常见可视化图形的种类。(3) Python常用的数据可视化库。(4) Jupyter Notebook的常用操作功能。2. 重点(1) 数据可视化的概念、流程与应用场景。(2) Jupyter Notebook的常用操作功能。3.
5、 难点数据可视化的概念与流程。五、 教学过程设计1. 理论教学过程(1) 数据的概念。(2) 数据可视化的流程。(3) 数据可视化的应用场景。(4) 数据可视化的常用工具。(5) Python数据可视化的优势。(6) Python数据可视化的常用类库。(7) Jupyter Notebook的基础功能。(8) Jupyter Notebook的高级功能。2. 实验教学过程(1) 在Windows系统上安装Anaconda。(2) Jupyter Notebook的常用功能。六、 教材与参考资料1. 教材刘礼培,张良均Python数据可视化实战M北京:人民邮电出版社20222. 参考资料1张良均
6、Python数据分析与挖掘实战M北京:机械工业出版社20192张良均Python与数据挖掘M北京:机械工业出版社20163刘大成. Python数据可视化之matplotlib实践M.北京:电子工业出版社,20184 张杰. Python数据可视化之美:专业图表绘制指南M北京:电子工业出版社2020第2章 数据的读取与处理教案课程名称:Python数据可视化实战课程类别:必修适用专业:大数据技术类相关专业总学时:64学时(其中理论28学时,实验36学时)总学分:4.0学分本章学时:8学时七、 材料清单(6) Python数据可视化实战教材。(7) 配套PPT。(8) 引导性提问。(9) 探究性
7、问题。(10) 拓展性问题。八、 教学目标与基本要求3. 教学目标以某商场销售流水记录表数据为例子,介绍数据分析的数据处理过程,即数据的读取、校验数据、清洗数据、数据合并。数据读取主要介绍csv数据文件、excel数据文件和数据库数据的读取理。校验数据主要介绍一致性校验、缺失值校验、异常值校验。清洗数据介绍了重复值、缺失值和异常值的常见处理方法。数据合并介绍将多个数据源中的数据合并存放到一个数据存储的过程。4. 基本要求(1) 掌握不同数据类型的读取方法。(2) 掌握数据检验方法。(3) 掌握数据清洗常见方法。(4) 掌握数据合并常见方法。九、 问题5. 引导性提问引导性提问需要教师根据教材内
8、容和学生实际水平,提出问题,启发引导学生去解决问题,提问,从而达到理解、掌握知识,发展各种能力和提高思想觉悟的目的。(1) 数据质量不高的情况下如何提高数据质量?(2) 数据处理包含哪些内容?(3) 数据处理各个步骤是否有先后?6. 探究性问题探究性问题需要教师深入钻研教材的基础上精心设计,提问的角度或者在引导性提问的基础上,从重点、难点问题切入,进行插入式提问。或者是对引导式提问中尚未涉及但在课文中又是重要的问题加以设问。(1) 重复值是否一定要做清洗?(2) 时间数据中存在哪些信息?(3) 数据处理的目的是什么?(4) 对异常值不同的处理方式对可视化结果有无影响?7. 拓展性问题拓展性问题
9、需要教师深刻理解教材的意义,学生的学习动态后,根据学生学习层次,提出切实可行的关乎实际的可操作问题。亦可以提供拓展资料供学生研习探讨,完成拓展性问题。(4) 还有那些常见格式的数据文件?(5) 其它格式的数据文件如何读取?(6) 数据文件很大时,如何进行数据处理?十、 主要知识点、重点与难点8. 主要知识点(5) 数据读取和保存的基本方法。(6) 数据校验的原理和方法。(7) 数据清洗的基本方法。(8) 数据合并的原理和方法。9. 重点(3) 数据读取。(4) 数据清洗。(5) 数据合并。10. 难点(1) 数据清洗。(2) 数据合并。十一、 教学过程设计11. 理论教学过程(9) 读取和保存
10、CSV文件数据。(10) 读取和保存Excel文件数据。(11) 读取和保存mysql数据库数据。(12) 数据的一致性校验。(13) 缺失值校验。(14) 异常值校验。(15) 重复值的处理。(16) 缺失值的处理。(17) 异常值的处理。(18) 堆叠合并数据。(19) 主键合并数据。(20) 重堆叠合并数据。12. 实验教学过程(3) CSV数据文件的读取。(4) 合并数据。(5) 重复数据的校验和处理。(6) 异常数据的校验和处理。(7) 缺失值的校验和处理。(8) 处理后的数据保存。十二、 教材与参考资料13. 教材刘礼培,张良均Python数据可视化实战M北京:人民邮电出版社202
11、114. 参考资料1张良均Python数据分析与挖掘实战M北京:机械工业出版社20192张良均Python与数据挖掘M北京:机械工业出版社20163刘大成. Python数据可视化之matplotlib实践M. 北京:电子工业出版社,2018.4 张杰. Python数据可视化之美:专业图表绘制指南M北京:电子工业出版社2020第3章 Matplotlib数据可视化基础教案课程名称:Python数据可视化实战课程类别:必修适用专业:大数据技术类相关专业总学时:64学时(其中理论28学时,实验36学时)总学分:4.0学分本章学时:10学时十三、 材料清单(11) Python数据可视化实战教材。
12、(12) 配套PPT。(13) 引导性提问。(14) 探究性问题。(15) 拓展性问题。十四、 教学目标与基本要求15. 教学目标阐述Matplotlib库的基础语法与常用参数,并以20002019年各年龄段人口数据为例,介绍分析特征间关系的散点图的绘制方法,分析特征间趋势关系的折线图的绘制方法,分析特征内部数据分布情况的饼图、条形图和柱形图的绘制方法,分析特征内部数据分散情况的箱线图的绘制方法。16. 基本要求(7) 掌握pyplot模块常用的绘图参数的调节方法。(8) 掌握散点图和折线图的绘制方法。(9) 掌握饼图的绘制方法。(10) 掌握柱形图与条形图的绘制方法。(11) 掌握箱线图的绘
13、制方法。十五、 问题17. 引导性提问引导性提问需要教师根据教材内容和学生实际水平,提出问题,启发引导学生去解决问题,提问,从而达到理解、掌握知识,发展各种能力和提高思想觉悟的目的。(8) 为什么要对数据进行可视化?(9) 使用Matplotlib库可以画什么图形?(10) 如何通过绘图来分析特征间的关系?18. 探究性问题探究性问题需要教师深入钻研教材的基础上精心设计,提问的角度或者在引导性提问的基础上,从重点、难点问题切入,进行插入式提问。或者是对引导式提问中尚未涉及但在课文中又是重要的问题加以设问。(4) 绘图分析特征间关系的完整流程是怎样的?(5) 调整rc参数会影响图形的哪些属性?(
14、6) 对十年间的各年龄段人口数据可视化可以从哪些角度入手?19. 拓展性问题拓展性问题需要教师深刻理解教材的意义,学生的学习动态后,根据学生学习层次,提出切实可行的关乎实际的可操作问题。亦可以提供拓展资料供学生研习探讨,完成拓展性问题。(7) 怎样确保对数据的可视化具有现实意义?(8) Python的Matplotlib库相比其他语言的可视化库有哪些优势?(9) Matplotlib可视化能够应用在现实的那些场景?十六、 主要知识点、重点与难点20. 主要知识点(9) Matplotlib数据可视化的概念、流程与应用场景。(10) 画布与子图的使用。(11) pyplot模块中各种图形的绘制方
15、法。(12) 绘图使用的动态rc参数。21. 重点(6) Matplotlib数据可视化的概念、流程与应用场景。(7) pyplot模块常用绘图参数的调节方法。(8) 对实际案例进行数据可视化。22. 难点(1) Matplotlib数据可视化的概念、流程与应用场景。(2) 对实际案例进行数据可视化。十七、 教学过程设计23. 理论教学过程(21) Python数据可视化的常用类库(22) Matplotlib数据可视化的概念。(23) Matplotlib数据可视化的流程。(24) Python数据可视化的优势。(25) 数据可视化的应用场景。24. 实验教学过程(9) 使用Matplotl
16、ib绘制常用图形。(10) 图形的动态rc参数调整。(11) 对20002019年我国总人口数据进行数据可视化。十八、 教材与参考资料25. 教材刘礼培,张良均Python数据可视化实战M北京:人民邮电出版社202226. 参考资料1张良均Python数据分析与挖掘实战M北京:机械工业出版社20192张良均Python与数据挖掘M北京:机械工业出版社20163刘大成. Python数据可视化之matplotlib实践M.北京:电子工业出版社,20184 张杰. Python数据可视化之美:专业图表绘制指南M北京:电子工业出版社2020第4章 seaborn绘制进阶图形教案课程名称:Python
17、数据可视化实战课程类别:必修适用专业:大数据技术类相关专业总学时:64学时(其中理论28学时,实验36学时)总学分:4.0学分本章学时:8学时十九、 材料清单(16) Python数据可视化实战教材。(17) 配套PPT。(18) 引导性提问。(19) 探究性问题。(20) 拓展性问题。二十、 教学目标与基本要求27. 教学目标seaborn库是在Matplotlib库的基础上进行了更高级的API封装,能同时兼容NumPy、SciPy与statsmodels等库,从而使得作图更加容易。本章将介绍seaborn库的绘图基础、绘图风格和调色板,结合案例由浅入深介绍利用seaborn库绘制关系图、分
18、类图和回归图的方法。28. 基本要求(12) 了解seaborn绘图中的基础图形。(13) 了解seaborn绘图中的绘图风格。(14) 熟悉seaborn的调色板。(15) 熟悉常见关系图的种类(16) 掌握绘制关系图的方法。(17) 熟悉常见分类图的种类。(18) 掌握绘制分类图的方法(19) 掌握绘制回归图的种类。(20) 熟悉绘制回归图的方法。二十一、 问题29. 引导性提问引导性提问需要教师根据教材内容和学生实际水平,提出问题,启发引导学生去解决问题,提问,从而达到理解、掌握知识,发展各种能力和提高思想觉悟的目的。(11) seaborn库能够绘制哪些图?(12) Python语言传
19、统的绘图有哪些不足?(13) 如何根据不同的业务进行定制图形?(14) 你了解的还有哪些绘图工具?30. 探究性问题探究性问题需要教师深入钻研教材的基础上精心设计,提问的角度或者在引导性提问的基础上,从重点、难点问题切入,进行插入式提问。或者是对引导式提问中尚未涉及但在课文中又是重要的问题加以设问。(7) Python绘图可视化的完整流程是怎样的?(8) 如何使用seaborn库进行绘图?(9) 如何使用Pandas库进行绘图?(10) 如何进行定制化的绘图?例如线条外观、颜色等31. 拓展性问题拓展性问题需要教师深刻理解教材的意义,学生的学习动态后,根据学生学习层次,提出切实可行的关乎实际的
20、可操作问题。亦可以提供拓展资料供学生研习探讨,完成拓展性问题。(10) 通过使用seaborn绘图,和传统绘图有哪些差异?(11) seaborn绘图对多分类特征数据进行可是哈有哪些优势?(12) 通过可视化图,可以看出数据的分布反应出什么特点?二十二、 主要知识点、重点与难点32. 主要知识点(13) seaborn绘图的主题样式、元素缩放、边框控制。(14) seaborn的定向、连续、离散调色板的设置。(15) 绘制常见关系图,例如:散点图、折线图、热力图。(16) 绘制分类图,例如:条形图、箱线图。(17) 绘制回归图。例如:线性回归。33. 重点(9) 绘制关系图。(10) 绘制分类
21、图。(11) 绘制回归图34. 难点(1) searnorn的主题样式、元素缩放、边框控制。(2) seaborn的调色板配置。二十三、 教学过程设计35. 理论教学过程(26) 回顾基本绘图流程。(27) 复习传统的Python Mathplotlib的可视化绘制。(28) 引入seaborn库。(29) 了解seaborn基本语法。(30) 演示seaborn的简单入门。(31) 介绍seaborn基础图形绘制。(32) 实验调色板和主题样式,演示seaborn绘图优化。(33) 结合波士顿房价数据案例,使用seaborn绘制关系图。(34) 结合人力资源离职数据案例,使用seaborn绘
22、制分类图。(35) 结合波士顿房价数据案例,使用seaborn绘制回归图。36. 实验教学过程(12) 打开Jupyter Notebook或Pycharm。(13) 新建实验文件。(14) 导入所需库(15) 加载空气指数数据(16) 调用seaborn函数(17) 绘制可视化图形(18) 保存图形二十四、 教材与参考资料37. 教材刘礼培,张良均Python数据可视化实战M北京:人民邮电出版社202238. 参考资料1张良均Python数据分析与挖掘实战M北京:机械工业出版社20192张良均Python与数据挖掘M北京:机械工业出版社20163刘大成. Python数据可视化之matplo
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- Python 数据 可视化 实战 全书 教案
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【w****g】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【w****g】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。