原标题：Python数据分析课程教学大纲
课程编号：XXXXXXXX
课程名称：Python数据分析与实践
英文名称：Python Data analysis and Practice
课程类型：专业课
学时/学分：48/3 （讲课学时：32 上机学时：16）
一、课程性质与任务
Python是信管、电子商务、计算机科学与技术专业学生进行数据分析所需要掌握基础性语言和分析工具，是未来学生掌握大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语言讲解及Python语言数据分析工具包应用为主。通过一系列的Python语言数据分析训练项目，培养学生具有一定的Python语言数据分析理解和应用实践能力。
二、课程与其他课程的联系
本课程的先修课程为Java语言，后续课程为大数据技术导论和Hadoop在大数据中应用。Java语言是Python语言学习的基础，Python数据分析知识为后续的大数据技术导论和Hadoop在大数据中的应用奠定基础。
三、课程教学目标
1．学习Python基本编程语言知识，了解Python在互联网和智能商务分析中的应用。
2．掌握Python机器学习基础库，具有应用Python语言解决数据分析中实际问题能力。
3.掌握网络数据抓取技术，Python数据库应用开发，实现Python数据可视化操作，提高数据收集和数据分析能力。
4.掌握Python地理信息系统数据分析能力，具有应用Python解决地理信息问题能力。
5.应用Python编程技术进行电子商务企业运营、信息技术创新创业提供技能准备。
序号
教学内容
教学要求
学时
教学
方式
1
第一章、Python概述
1. Python语言的发展史及特点；
2.Python的交互方式、代码文件方式
3. Python的集成开发环境
4. Python的模块
1.了解Python语言特点
2.掌握Python语言的交互方式。
3.了解Python语言的相关模块
2
1
讲授
实验
2
第二章、Python语言基础知识
1.输入与输出
2.标识符与变量
3.数据类型及运算
4. 分支结构控制语句
5. 选择结构嵌套语句
6. 常见的Python函数
实验：Python基本语句练习
1. 掌握Python的输入与输出方法
2. 掌握数据类型及运算
3.掌握分支结构控制语句和选择结构嵌套语句
3.了解Python函数
2
1
讲授
实验
3
1. 序列
2. 字典
3. 集合
4. 函数的定义
1.掌握序列中列表与元祖转换
2.掌握字典中列表、元组与字典之间的转换
3.掌握集合算法
4.了解函数的定义
2
1
讲授
实验
4
第四章、类与对象
1. 类的属性
2. 类的方法
3. 面向对象和面向过程的编程
4. 类的继承和组合
1.掌握类的属性、方法
2.掌握面向对象和面向过程的编程
3.了解累的继承和组合
2
1
讲授
实验
5
第四章、类的异常处理
1. 类异常
2. Python中的异常类
3. 捕获与处理异常
4. 自定义异常类
5. with语句、断言
1.了解Python的异常处理
2.捕获与处理异常的方法
3.断言处理、异常捕获与处理
2
1
讲授
实验
6
第五章、Python库介绍
1.NumPy库
2.Pandas库
3.Matplotlib库
4.SciPy库
5.Scikit-learn库
1.熟悉Python 的NumPy、SciPy、Pandas和Matplotlib各种程序库,使其在数据分析领域的广泛应用。
3
讲授
7
第六章、网络数据获取
1. 网页数据的组织形式
2.利用urllib处理HTTP协议
3. 利用BeautifulSoup4解析HTML文档
1. 了解网页数据的组织形式
2. 掌握利用urllib处理HTTP协议
3.掌握利用BeautifulSoup4解析HTML文档
2
1
讲授
实验
8
第七章、文件操作
1. 打开与关闭文件
2. 读写文件
3. 文件对话框
1. 掌握文件读写方法
2. 掌握文件对话框构建方法
2
1
讲授
实验
9
第八章、Python数据可视化
1. 数据可视化概念框架
2. 绘制图表
3. 更多高级图表及定制
4. 3D可视化图表
1. 掌握数据可视化概念框架
2. 掌握绘制图表方法
3.了解高级图表及定制图表操作
3
2
讲授
实验
10
第九章、数据库应用开发
1. Python数据库
2.基于Python的关系型数据库
3.基于Python的非关系型数据库
4.本地数据库sqlite
1.了解Python的数据库
2.掌握关系型数据库
3.掌握菲关系型数据库
3
2
讲授
实验
11
第十章、Python机器学习—有监督学习算法
1.线性回归算法的设计和实现
2.Logistic回归分类器的使用
3.朴素贝叶斯分类器算法
4.SVM支持向量机算法
5.常用KNN算法
6.决策树分析类算法的使用
1. Python有监督机器学习
2. Scikit-Learn核心程序库
3.SVM支持向量机算法
4.常用KNN算法
5.决策树分析类算法的使用
3
2
讲授
实验
12
1.了解无监督机器学习原理
2. DBSCAN算法
3. K-Means算法
4. Apriori算法
5. FP-growth算法
1.了解无监督机器学习原理
2.了解聚类相关算法和运用
3.了解关联规则相关算法运用
3
2
讲授
实验
13
第十二章、Python地理空间分析
1. 理解地理空间分析的基本概念
2.了解地理空间数据及组织、结构
3.熟练掌握Python地理空间分析工具
4.使用Python进行对地理信息系统的地理空间分析
5.使用Python进行对遥感的地理空间分析
1.理解地理空间分析的基本概念
2.了解常用的地理空间数据及其组织、结构
3.熟练掌握常用的Python地理空间分析工具
3
2
讲授
实验
1.案例分析
针对教学内容，本课程选取具体商业数据作为案例，完成相应的Python语言编程操作，更好的理解知识点。
2.上机实验
针对教学中Python基本语句练习、面向对象编程、网络数据抓取、文本文件操作、数据库操作、数据可视化操作、Python机器学习—有监督学习算法与无监督学习算法、Python地理空间分析进行上机实验，分次计算上机成绩。
六、教学方法
1. 以课堂讲授为主，课堂讨论、学生PPT展示以及启发式的教学方法。
2. 加强互动教学，采用多媒体教学方式，学生参与案例讨论相结合，提高学生解决实际问题的能力。
七、考核及成绩评定方式
最终成绩由平时作业成绩、平时测验成绩、期末成绩和小论文成绩等组合而成。各部分所占比例如下：
平时作业成绩：10%。出勤以及课堂情况，主要考核对每堂课知识点的理解和掌握程度。
上机成绩：30%。主要考核数据处理分析能力。
平时作业成绩：10%。主要考核对核心知识的理解程度，以小组作业或个人作业为考核依据。
期末考试成绩：50%。主要考核Python数据分析基本理论，Python机器学习数据分析算法、Python数据库技术、数据可视化技术等。书面考试形式。题型为1、概念题，2、选择题，3、填空题，4、判断题，5、简答题， 6、程序设计题等。
八、教学安排
九、配套教材
省十三五规划，提供教学课件、教学大纲、电子教案、习题答案、程序源码，并提供400分钟教学视频。
作者：柳毅、毛峰、李艺
定价：59元
ISBN：9787302515791
本书共分12章，着重讲述Python语言和数据分析工具包的应用。第1章主要介绍Python的发展历史、特点、集成开发环境、内置模块、帮助的使用等内容；第2章主要介绍Python语言的基础知识；第3章主要介绍Python中的常用数据结构，包括序列、字典、集合等，以及函数的定义和调用等；第4章主要介绍Python中类、对象和方法的相关内容；第5章主要介绍Python进行数据分析常用的NumPy、Pandas、Matplotlib、SciPy和Scikitlearn等基础库内容；第6章主要介绍网络数据获取的HTML和XML两种网页组织形式，以及urllib和BeautifulSoup4两个模块内容；第7章主要介绍文件的操作；第8章主要介绍数据可视化，以及使用Python绘制图表的知识；第9章主要介绍利用Python进行数据库应用开发；第10、11章主要介绍Python机器学习的基本概念以及有监督、无监督学习算法的原理；第12章主要介绍Python在地理空间分析上的应用。
额外资源赠送
如果你是教师，选用了这本书作教材，请将提交给教学秘书或者教务处的订书信息截图发到邮箱：itbook8@
责任编辑：
