散学内容 顶期学习成果 重点、难点 学时 Python Matplotli库分 22+ 讲授 常规图表的 2 3)第三节绘图区域设置 验证实 4)字体设置 第七章Python Matploib库介 讲授 2吉尾花数 2 其据数据处理 重点：Pandas的基本使用 讲授 数据索引和选 2 5)层级索引 第九章Python Pandas库介绍下 塑最据的合 讲授 2+1 2 )聚合和分组 析、特征分析 特征分析，数据清洗数据分析 据分析的基不 2+性。验证实验 方法 第十一章案例分析三 22+1 案例分析 盒：数分工具的造用 22+1 转特课堂学生答 3 大数指在不同领域 案例分析 点 22+2 3 四、课程考核评价方式 (一)考核方式 课程考核由平时成绩与期末答辩成绩相结合的方式进行。 平时成绩占比50%，主要包括：课堂表现和线上学习情况（泛雅平台统计分数）25%、期中随 堂考核25% 期末答辩占比50%，主要考核数据分析基本理论，数据分析算法、Pythor数据库技术、数据 3·3· 教学内容 预期学习成果 重点、难点 学时 教学方式（讲授、 实验、上机、讨论） 支撑课 程目标 第六章 Python Matplotlib 库介 绍上 1) 概述 2) 第二节图例 3) 第三节绘图区域设置 4) 字体设置 掌握数据可视 化的基础 重点：数据可视化的基本设置 难点：各种图形的选择 22+1 讲授 上机：常规图表的 验证实验 2 第七章 Python Matplotlib 库介 绍下 1) 概述 2) 散点图 3) 折线图 4) 柱状图 5) 直方图 6) 面积图 掌握基本图形 的绘制 重点：各种图形的绘制 难点：如何选择适当图形 22+1 讲授 上机：莺尾花数据 可视化 2 第八章 Python Pandas 库介绍上 1) Pandas 对象简介 2) 数据索引和选择 3) Pandas 数据处理 4) 缺失值处理 5) 层级索引 掌握数据处理 的 基 础 工 具 Pandas 重点：Pandas 的基本使用 难点：缺失值使用何种方式处 理 22+1 讲授 上机：常规验证实 验 NBA 球员得 分数据分析 2 第九章 Python Pandas 库介绍下 1) 数据集合并：concat和append 2) 数据集合并：合并与连接 3) 聚合和分组 掌握数据的合 并 重点：数据合并与分组 难点：数据分组的条件 22+1 讲授 上机：安家数据处 理及可视化 2 第十章 案例分析一 泰坦尼克号数据分析 特征分析，数据清洗 数据分析 掌 握 数 据 分 析、特征分析、 数据清洗和数 据分析的基本 方法 重点：特征值的选取 难点：数据可视化方法 22+1 讲授 上机：验证实验 3 第十一章 案例分析三 自然语言处理 文本分析 词云图分析 掌握文本分析 的基本方法 重点：文本分析的常用工具 难点：文本分析基础理论 22+1 讲授 上机：词云图 第十二章 大数据在不同领域 的应用 案例分析 重点：数据分析工具的选用 难点：数据分析 22+1 翻转课堂、学生答 辩 3 第十三章 大数据在不同领域 的应用 案例分析 重点：数据分析工具的选用 难点：数据分析 22+2 翻转课堂、学生答 辩 3 四、课程考核评价方式 (一) 考核方式 课程考核由平时成绩与期末答辩成绩相结合的方式进行。 平时成绩占比 50%，主要包括：课堂表现和线上学习情况（泛雅平台统计分数）25%、期中随 堂考核 25%； 期末答辩占比 50%，主要考核数据分析基本理论，数据分析算法、Python 数据库技术、数据