数据可视化

彭超华

目录

  • 1 数据可视化课程导学
    • 1.1 课程教学大纲
    • 1.2 课程教学进度安排(教学日历)
    • 1.3 课程教学方案设计(教案)
    • 1.4 课程反思
    • 1.5 课堂反思
    • 1.6 课程教学目标
    • 1.7 课程考核方式
    • 1.8 课程推荐书目及资源
    • 1.9 课前软件安装准备:Anaconda3
  • 2 数据可视化概述
    • 2.1 引言(课程介绍、大纲介绍)
    • 2.2 数据可视化概述
    • 2.3 Jupyter Notebook的安装和使用
    • 2.4 本章实训:绘制词云图
  • 3 python程序设计基础(自学)
    • 3.1 python语言基础语法
    • 3.2 python的内置数据类型
    • 3.3 python的自定义函数
  • 4 Numpy数值基础
    • 4.1 Numpy多维数组、数组读写
    • 4.2 数组的索引、切片和运算
    • 4.3 NumPy中的数据统计与分析
  • 5 Pandas统计分析基础
    • 5.1 Pandas 数据结构的创建和文件读取
    • 5.2 Pandas数据预处理
    • 5.3 Pandas 查询与编辑
    • 5.4 数据分组与透视
  • 6 Matplotlib数据可视化
    • 6.1 Matplotlib绘图基础、Pyplot动态rc参数、折线图
      • 6.1.1 jupyter课件
    • 6.2 常用绘图:柱形图
      • 6.2.1 jupyter课件
    • 6.3 常用绘图:饼图、散点图、直方图
      • 6.3.1 jupyter课件
    • 6.4 常见绘图:箱线图、雷达图和表格
      • 6.4.1 jupyter课件
    • 6.5 Pandas可视化
    • 6.6 Pandas可视化实训
    • 6.7 Matplotlib可视化实训
  • 7 Seaborn可视化
    • 7.1 Seaborn简介及风格设置
    • 7.2 常用绘图:关系类图
    • 7.3 常用绘图:分类图
    • 7.4 常用绘图:分布图、回归图和矩阵图
    • 7.5 Seaborn实训
  • 8 Pyecharts可视化(选学)
    • 8.1 Pyecharts基本使用方法
    • 8.2 Pyecharts常用图表
    • 8.3 Pyecharts实训
  • 9 数据可视化综合实训
    • 9.1 数据可视化综合实训
  • 10 课程复习与总结(课程设计)
    • 10.1 课程复习与总结(课程设计)
课程考核方式

1.考核方式:考试(上机考试)。

2.主要考核内容:

参照各章节的教学要求中理解、掌握的部分,来重点考核各章节的重点内容。

3.成绩评定构成:

学科成绩总分100分:期末考核占50%,平时成绩占50%。

4.平时成绩组成:

考勤及表现(20%)+作业(上机实验)(20%)+测验(课堂测验及课下测验)(30%)+翻转课堂及课程论文(30%)

(1)考勤及表现:20%

考勤及表现:满分100分。迟到一次-5,缺勤一次-10,合理请假一次-2(请假需提前获得辅导员批假的假条,除临时性突发特殊事件(如突发疾病等)外,不得事后补假)。

课堂表现:提问或者代表小组发言每次2分/5分,主动回答+2分,被动回答答对+2分。

(2)作业(上机实验)20%

包括课内外作业完成情况评价;书面作业和操作练习主要评价学生完成作业或任务时的态度、知识或技能的掌握程度以及完成情况,态度良好、掌握情况好和全部完成评价为优,给满分评分。

实验作业/锦城在线实验作业不少于6次。

(3)测验(课堂测验及课下测验)30%

其中课堂测试3次,课下测验3次。

(4)翻转课堂及课程论文30%

包括翻转自学、课堂讨论及课程论文(一课一文)完成情况。根据完成的态度,掌握知识的程度以及完成情况进行评分。