数据预处理教案.pdf

数据预处理

教案

课程名称：Python数据分析与挖掘实战

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：6学时

一、材料清单

（1）《Python数据分析与挖掘实战》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

介绍数据分析的数据预处理过程，即数据清洗、数据变换和数据合并。数据清洗介绍对

重复值、缺失值和异常值的处理。数据变换介绍了如何从不同的应用角度对已有属性进行函

数变换、数据标准化、数据离散化、独热编码；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，以及分组聚合。

2.基本要求

（1）掌握Python中数据清洗的方法。

（2）掌握Python中数据变换的方法。

（3）掌握Python中数据合并的方法。

（4）了解Python主要数据预处理函数。

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，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）数据预处理包含哪些内容？

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）数据预处理各个步骤是否有先后？

（2）数据变换的目的是什么？

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）数据清洗除了缺失值处理和异常值处理外，还能有什么操作？

（2）能否将数据预处理当中的方法写成自定义函数?

四、主要知识点、重点与难点

1.主要知识点

（1）数据清洗的方法。

（2）数据变换的方法。

（3）数据合并的方法。

（4）主要的数据预处理函数。

2.重点

（1）数据清洗的方法。

（2）数据变换的方法。

（3）数据合并的方法。

3.难点

（1）数据清洗的方法。

（2）数据变换的方法。

（3）数据合并的方法。

五、教学过程设计

1.理论教学过程

（1）重复值、缺失值、异常值处理方法。

（2）常见的函数变换。

（3）数据规范化和离散化的方法。

（4）独热编码的方法。

（5）多表合并的方法。

（6）分组聚合的方法。

（7）Python主要数据预处理函数。

2.实验教学过程

（1）使用Python进行数据清洗。

（2）使用Python进行数据变换。

（3）使用Python进行数据合并。

六、教材

1.教材

翟世臣，张良均．Python数据分析与挖掘实战[M]．北京：人民邮电出版社．2022．

2.参考资料

[1]黄红梅，张良均．Python数据分析与应用[M]．北京：人民邮电出版社．2018．

[2]张良均，谭立云．Python数据分析与挖掘实战（第2版）[M]．北京：机械工业出

版社．2019．

[3]张健，张良均．Python编程电子商务数据的概念及意义

电子商务是与数据分析关系非常紧密的重要行业之一，也是数据分析广泛应用的行业之

一。通过数据分析对数据进行有效的整理和分析，为企业经营决策提供参考依据，