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)
数据可视化综合实训

实训内容:关于XX问题的可视化分析

实训要求:以小组为单位,自主选择一个感兴趣的主题,收集和清洗相关的数据,进行数据分析和可视化,最后解释可视化结果的发现并提出相关的建议。要求综合使用Python的Numpy、Pandas、Matplotlib和Seaborn库等工具来完成。


参考选题(可选但不限于):

(1)股市数据分析:选择一个股市数据集,并使用Python的数据分析和可视化工具来分析这个数据集。例如,可以预测股票价格,或者找出影响股票价格的因素。

(2)气候变化数据分析:使用Python的数据分析和可视化工具来理解全球气候变化趋势,或者研究气候变化对特定地区的影响。

(3)人口统计学数据分析:选择一个包含人口统计学信息的数据集,例如人口数量、年龄分布、性别比例等,使用Python的数据分析和可视化工具来分析这个数据集。例如,找出人口分布的模式,或者理解人口变化的原因。

(4)电子商务用户行为分析:在电子商务平台上,用户的行为会产生大量的数据。使用Python的数据分析和可视化工具来理解用户的购买行为、搜索行为或其他交互行为,以此来优化电子商务平台的运营策略。例如,通过用户的购买数据来找出最受欢迎的产品或服务,或者通过用户的搜索数据来改进产品的搜索排名。