- 1、本文档共9页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
《大数据可视化》教案
(学年第学期)
课程名称: 大数据可视化
所属专业: 大数据技术
所属系部: 计算机与软件技术系授课班级:
课程总学时: 48任课教师
PAGE
PAGE1
序号:1
一、教学分析
课题名称
Pandas数据清洗
课程
大数据可视化
系部
计算机与软件技术系
任课教师
教材
《大数据可视化技术》
课题类型
理论+实践课
课时
2课时
地点
实训机房
班级
内容提要与时间分配:
1、学习目标
素质目标
小组协作搜集、分析、归纳篇Pandas相关技术,初步了解Pandas技术,并收集用户画像相关数据。
小组协作实现对用户画像数据的清洗,锻炼学生协作能力、人际关系处理能力以及归纳总结能力。
知识目标
掌握使用Pandashead()方法
掌握使用Pandasinfo()方法
掌握使用drop_duplicates()方法
掌握使用dropna()方法
掌握使用replace()方法
掌握使用Pandas中的基本统计函数
技能目标
使用Pandashead()方法查看前5条
使用Pandasinfo()方法查看数据摘要信息
使用drop_duplicates()方法实现数据去重
使用dropna()方法实现缺失值处理
使用replace()方法实现数据替换
使用Pandas中的基本统计函数
2、教学内容
内容布置:
Pandashead()方法
Pandasinfo()方法
drop_duplicates()方法
dropna()方法
replace()方法
Pandas中的基本统计函数
内容引入:我们已初步了解Plotly两个绘图模块的绘图步骤与绘图原理,现在对面积图、子图和多坐标轴图进行了解和学习。
知识讲解:
Pandashead()方法
Pandasinfo()方法
drop_duplicates()方法
dropna()方法
replace()方法
Pandas中的基本统计函数
项目实施:
Pandashead()方法用于返回数据的前n行
Pandasinfo()函数用于获取DataFrame的简要摘要
drop_duplicates()函数对数据去重操作
dropna()函数用来删除含有空值的行
replace()函数实现数据的替换
Pandas中的基本统计函数的使用
内容总结:总结本节课程中遇到的问题,并对涉及到的知识点进行梳理。
3、本次课程内容特点:
本任务课程主要围绕Pandas数据清洗,以及用户画像场景分析,利用Plotly讲分析结果可视化绘。
本任务对用户画像数据进行分析建模并实现可视化。
4、教学重点与难点
重点:Pandas数据清洗
难点:用户画像数据分析场景建模。
5、学情分析
1、学生在学习本课程之前已掌握了Plotly的部分图形绘制实现可视化,对数据清洗和用户画像场景分析建模不了解。
6、教学设计
基本原则:
1、将教学内容与信息资源进行有机整合,利用实训平台创造一个同时具备项目式体验功能、教学实施功能、学习效果评测功能和实时互动交流功能的多功能信息化教学环境。
2、充分利用教材、学习通教学平台、多媒体课件和实训室等信息化教学手段,调动学生积极性和主动性,促进学生自主学习和主动学习。
7、教学方法、手段:
1、案例教学法:本情境教学开始引入可视化案例,引出课程目标及重点和难点。
2、过程互动教学法:教学过程中使学生积极回答问题,小组内展开讨论,并组间进行分享。
3、“任务驱动”法,下发随堂任务,由学生独立完成,教师当堂进行考核和讲评,解决学生遇到的问题,并就共性问题进行点评。
8、内容提要与时间分配
环节一:课程总览(5分钟)
环节二:Pandashead()方法(10分钟)
环节三:Pandasinfo()函数(10分钟)
环节四:drop_duplicates()函数(10分钟)
环节五:dropna()函数(15分钟)
环节六:replce()函数(15分钟)
环节七:基本统计函数,如sum()等(15分钟)
环节八:课程回顾(10分钟)
9、教学材料
教材《大数据可视化技术》
二、教学组织方式
按照“课程回顾→内容介绍→任务实施→任务点评与总结→布置课后作业”实施教学,并根据具体实施成效采用“思学练”多次循环完善课堂教学。
利用多媒体教学平台、学习通,丰富课堂教学。
任务驱动方式、结合专业教师引导,完善理实一体的教学环境及方法。
三、学习资源使用
多媒体教学平台
完成课前复习、教学资源分发、作业评分。
微课教学平台
完成在线课自学、教师操作视频演示、及课程思政微课的展示。
教学反馈平台
完成学情调查、教学实施效果调查,了解学生学情和课堂教学反馈。
四、教学实施
环节
您可能关注的文档
- 大数据可视化 教案 0-1数据可视化概述.docx
- 大数据可视化 教案 0-2数据集应用概述.docx
- 大数据可视化 教案 1-1Matplotlib入门.docx
- 大数据可视化 教案 1-2Matplotlib绘制基础图形.docx
- 大数据可视化 教案 1-3Matplotlib绘制复杂图形.docx
- 大数据可视化 教案 1-4Matplotlib绘制特殊图形.docx
- 大数据可视化 教案 2-1Matplotlib实站(一).docx
- 大数据可视化 教案 2-2Matplotlib实战(二).docx
- 大数据可视化 教案 3-1pyechats初识.docx
- 大数据可视化 教案 3-2pyecharts全局配置项.docx
文档评论(0)