Python数据可视化实战-教案.docx

《Python数据可视化实战-教案.docx》由会员分享，可在线阅读，更多相关《Python数据可视化实战-教案.docx（36页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

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

2、数据可视化的概念以及实现流程，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，

3、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

4、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。

5、（2） Jupyter Notebook 的常用操作功能。3. 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Py

6、thon 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：

7、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） 探究性问题。（10） 拓展性问题。八、教学目标与基本要求1. 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。2. 基本要求（1） 掌握不同数据类型的读取方法。（2） 掌握数据检

8、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3. 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。（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？4. 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

9、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？5. 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。（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6. 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。7. 重点（3） 数据读取。（4） 数据清洗。（5）

10、 数据合并。8. 难点（1） 数据清洗。（2） 数据合并。十一、 教学过程设计9. 理论教学过程（9） 读取和保存 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。10. 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。

11、（8） 处理后的数据保存。十二、 教材与参考资料11. 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202112. 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

12、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） 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13. 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。14. 基本要

13、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） 掌握箱线图的绘制方法。十五、 问题15. 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？16. 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

14、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？（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？17. 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

15、够应用在现实的那些场景？十六、 主要知识点、重点与难点18. 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法。（12） 绘图使用的动态 rc 参数。19. 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。20. 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21. 理论教学过程（21） Python 数据可视化的常

16、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。22. 实验教学过程（9） 使用 Matplotlib 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23. 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202224. 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

17、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 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

18、求n 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、分类图和回归图的方法。n 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

19、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25. 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？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

20、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。（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2

21、6. 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。27. 重点（9） 绘制关系图。（10） 绘制分类图。（11） 绘制回归图28. 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29. 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。

22、（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 绘制分类图。（35） 结合波士顿房价数据案例，使用 seaborn 绘制回归图。30. 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（

23、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31. 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2022参考资料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20201 张良均Python 数据分析与挖掘实战M北京：机械工业出版社20152 张良均

24、Python 与数据挖掘M北京：机械工业出版社2016第 5 章 pyecharts 交互式绘图教案课程名称：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 学时二十五、 材料清单（21） Python 数据可视化实战教材。（22） 配套 PPT。（23） 引导性提问。（24） 探究性问题。（25） 拓展性问题。二十六、 教学目标与基本要求32. 教学目标以实际数据为例子，介绍利用pyecharts 绘制交互式图形，即pyecharts 配置项介绍，绘制交互式基础图形、绘制交

25、互式高级图形以及绘制组合图形。pyecharts 配置项主要介绍了初始配置项、常用的全局配置项和系列配置项。绘制交互式基础图形主要介绍了条形图、散点图、折线图、箱线图、3D 散点图和饼图的绘制。绘制交互式高级图形介绍了层叠多图、漏斗图、热力图、词云图、关系图和桑基图的绘制。绘制组合图形介绍并行多图、顺序多图以及时间线轮播多图的绘制。33. 基本要求（5） 了解 pyecharts库绘图的基础知识。（6） 掌握交互式基础图形的绘制方法。（7） 掌握交互式高级图形的绘制方法。（8） 掌握组合图形的绘制方法。二十七、 问题34. 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

26、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。（4） 交互式图形的概念？（5） 常见的交互式图形类型？（6） 各类图形的意义和使用场景？35. 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。（5） 常见的配置项有那些？（6） 条形图可以反应数据的什么特征？（7） 折线图适用什么样的场景？（8） 如何体现随时间变化的条形图、饼图等？36. 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

27、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。（13） 各类型图形的数据项的使用方法？（14） 地理图标如何绘制？（15） 绘制后的交互式图形如何嵌入到html 文件中？二十八、 主要知识点、重点与难点37. 主要知识点（18） pyecharts 配置项的介绍。（19） 交互式基础图形的绘制方法。（20） 交互式高级图形的绘制方法。（21） 组合图形的绘制方法。38. 重点（12） 交互式基础图形的绘制。（13） 交互式高级图形的绘制。（14） 组合图形的绘制。39. 难点（3） pyecharts 配置项。（4） 组合图形的绘制。二十九、

28、教学过程设计40. 理论教学过程（36） 初始配置项。（37） 系列配置项。（38） 全局配置项。（39） 绘制条形图。（40） 绘制散点图。（41） 绘制折线图。（42） 绘制箱线图。（43） 绘制 3D 散点图。（44） 绘制饼图。（45） 绘制层叠多图。（46） 绘制漏斗图。（47） 绘制热力图。（48） 绘制词云图。（49） 绘制关系图。（50） 绘制桑基图。（51） 绘制并行多图（52） 绘制顺序多图（53） 绘制时间线轮播多图41. 实验教学过程（19） 读取数据。（20） 绘制条形图。（21） 绘制折线图。（22） 绘制饼图。（23） 绘制并行多图。（24） 绘制时间线轮播多图三

29、十、 教材与参考资料42. 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202243. 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 6 章 广电大数据可视化项目实战教案课程名称：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

30、28 学时，实验 36 学时） 总学分：4.0 学分本章学时：8 学时三十一、 材料清单（26） Python 数据可视化实战教材。（27） 配套 PPT。（28） 引导性提问。（29） 探究性问题。（30） 拓展性问题。三十二、 教学目标与基本要求44. 教学目标随着经济的不断发展，人民的生活水平显著提高，对生活品质的要求也在不断提高。广播电视网、互联网、通信网实现“三网融合”，产生了大量的用户状态数据、收视行为信息数据、订单数据、缴费数据等。本项目结合广播电视行业的实际情况，基于广播电视数据， 包括用户的收视行为信息数据和收费数据，介绍了数据清洗的方法，并从用户分析、频道分析、时长分析、周

31、时长分析和用户支付方式分析5 个方面对广播电视数据进行可视化分析， 从而根据可视化结果，撰写项目分析报告。45. 基本要求（21） 了解广播电视行业的市场现状。（22） 了解熟悉广电数据可视化项目的流程与步骤。（23） 掌握数据清洗方法，包括对收视行为、账单、收费、订单和用户状态数据进行处理。（24） 掌握数据可视化分析方法，包括对用户、频道、时长、周时长、支付方式等进行分析。（25） 掌握并撰写项目分析报告的方法。三十三、 问题46. 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。（1

32、5） 人们不仅可以使用传统的电视机观看电视节目，而且可以通过网络观看电视节目，这样使得运营商、用户、网络之间产生了哪些交互关系？（16） 广大市民提供有线数字电视、互联网接入服务、高清互动电视、移动数字电视、手机电视、信息内容集成等多样化、跨平台的信息服务。信息数据的收集过程具体是什么？（17） 如何将丰富的电视产品与用户个性化需求实现最优匹配？（18） 现实生活中存在哪些数据分析技术？（19） 如何对用户分析、频道分析、时长分析、周时长分析和用户支付方式分析？47. 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

33、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。（11） 广电大数据基础信息、订单数据、工单数据、账单数据有什么关联？（12） 如何对清洗不规则字段数据？（13） 如何给客户呈现了解更清晰的展示项目的结果和项目分析报告？48. 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。（16） 用户对电视产品的需求不同，在挑选搜寻想要的信息过程中，如何规避用户的流失？（17） 通过对广电大数据可视化分析，能发现什么潜在问题？（18） 结合广电大数据分析结果，如何给

34、运营方提供有效的策略？三十四、 主要知识点、重点与难点49. 主要知识点（22） 了解项目业务场景。（23） 熟悉数据情况。（24） 熟悉项目可视化流程。（25） 读取操作数据。（26） 绘制可视化图形（27） 分析结果（28） 总结报告50. 重点（15） 业务数据清洗处理。（16） 绘制可视化图形。51. 难点广电大数据可视化分析。三十五、 教学过程设计52. 理论教学过程（54） 广电大数据业务场景介绍，了解项目背景。（55） 熟悉整合项目可视化分析流程。（56） 熟悉数据情况，准备清晰数据。（57） 启动 jupyter 开发工具，导入所需库（58） 读取有效字段数据。（59） 绘制可

35、视化图形。（60） 分析结果。（61） 撰写可视化分析报告。53. 实验教学过程（25） 了解学生考试成绩需求，熟悉项目场景，分析字段意义。（26） 读取数据（27） 绘制可视化图形（28） 分析结果（29） 总结建议三十六、 教材与参考资料54. 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202255. 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. Pyth

36、on 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 7 章 新零售智能销售数据可视化实战教案课程名称：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 学时三十七、 材料清单（31） Python 数据可视化实战教材。（32） 配套 PPT。（33） 引导性提问。（34） 探究性问题。（35） 拓展性问题。三十八、 教学目标与基本要求56. 教学目标以某公司在广东省投放了大量的新零售智能销售设备的销售数据为原始数据，介绍处理数据和利用 pyecharts 绘

37、制交互式图形以及撰写数据分析报告的全过程，即了解项目的背景与目标，读取与处理新零售智能销售设备的销售数据、绘可视化图形以及撰写项目分析报告。了解项目的背景与目标主要介绍了项目背景，熟悉数据情况以及项目分析流程。读取与处理新零售智能销售设备的销售数据主要介绍了读取数据、清洗数据和规约数据。绘制可视化图形介绍了销售分析图形、库存分析图形和用户分析图形的绘制。项目分析报告主要介绍了项目分析的思路、分析结果以及总结和建议。57. 基本要求（9） 了解新零售智能销售设备市场现状。（10） 熟悉新零售智能销售数据可视化项目的流程与步骤。（11） 掌握获取新零售智能销售数据的方法。（12） 掌握对原始数据进

38、行清洗、规约的方法。（13） 掌握对新零售智能销售数据进行可视化分析的方法。（14） 掌握撰写项目分析报告的方法。三十九、 问题58. 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。（7） 实际问题数据的获取方式？（8） 实际数据可否直接应用于数据可视化？（9） 数据分析报告包含那些要素？59. 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。

39、（9） 常见的数据清洗的方法？（10） 数据规约的目的？（11） 从那些角度对销售数据进行可视化？60. 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。（19） 根据不同的目的如何选择绘制可视化图形的类型？（20） 可以从那些方面分析数据？（21） 不同角度的分析对现实问题有什么启示？（22） 分析的目的不同对数据可视化有什么样的影响？四十、 主要知识点、重点与难点61. 主要知识点（29） 新零售智能销售数据的背景与目标。（30） 读取与处理新零售智能数据。（31） 绘

40、制可视化图形。（32） 撰写项目分析报告。62. 重点（17） 读取与处理新零售智能数据。（18） 绘制可视化图形。（19） 撰写项目分析报告。63. 难点（5） 处理新零售智能数据。（6） 绘制可视化图形。四十一、 教学过程设计64. 理论教学过程（62） 了解项目背景。（63） 熟悉数据情况。（64） 熟悉项目流程。（65） 读取数据。（66） 清洗数据。（67） 规约数据。（68） 绘制销售分析图。（69） 绘制库存分析图。（70） 绘制用户分析图。（71） 分析思路。（72） 分析结果。（73） 总结和建议。65. 实验教学过程（30） 读取数据。（31） 数据的预处理与规约。（32）

41、 数据的统计处理。（33） 绘制生鲜类商品和一般商品每天销售金额的折线图。（34） 按月绘制各大类商品销售金额的占比饼图。（35） 绘制促销商品和非促销商品销售金额的周环比增长率柱状图。（36） 根据消费情况，分别为累计消费前 10 的顾客画像。（37） 撰写项目分析报告四十二、 教材与参考资料66. 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202167. 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

42、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 8 章 基于 TipDM 大数据挖掘建模平台实现广电大数据可视化项目教案课程名称：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 学时四十三、 材料清单（36） Python 数据可视化实战教材。（37） 配套 PPT。（38） 引导性提问。（39） 探究性问题。（40） 拓展性问题。四十四、 教学目标与基本要求68. 教学目标根据目前大数据分析发

43、展状况，在 TipDM 大数据挖掘建模平台上配置广电大数据可视化项目的实训，从获取数据到数据可视化，向读者展示平台流程化的工作思维，使读者加深对数据可视化流程的理解。同时，平台去编程、拖曳式的操作，方便了没有 Python 编程基础的读者轻松构建数据可视化流程，从而达到数据可视化分析的目的。69. 基本要求（26） 了解 TipDM 大数据挖掘建模平台的相关概念和特点。（27） 熟悉使用 TipDM 大数据挖掘建模平台实现广电大数据可视化项目的总体流程。（28） 掌握使用 TipDM 大数据挖掘建模平台获取数据的方法。（29） 掌握使用 TipDM 大数据挖掘建模平台进行数据筛选、分组聚合等操作的方法。（30） 掌握使用 TipDM 大数据挖掘建模平台绘制柱形图、折线图、饼图等图形的方法。四十五、 问题70. 引导性提问引导性提问需要教师根据教材内容和学生