Python金融数据分析与挖掘（微课版） 教案全套 黄恒秋 .docx

Python金融数据分析与挖掘课程教案

一、课程教学安排总览

课程内容

教学方法

学时安排

理论讲授

实践教学

第二章科学计算包Numpy

讲授法、实验教学法

3

2

第三章数据处理包Pandas

讲授法、实验教学法

5

5

第四章数据可视化包Matplotlib

讲授法、实验教学法

2

3

第五章机器学习与实现

讲授法、实验教学法

5

5

第六章金融数据基础

讲授法、实验教学法

4

1

第七章基础案例

讲授法、实验教学法

10

5

第八章综合案例一：上市公司综合评价

讲授法、实验教学法

3

2

第九章综合案例二：股票价格涨跌趋势预测

讲授法、实验教学法

5

5

第十章综合案例三：股票价格形态聚类与收益分析

讲授法、实验教学法

5

5

第十一章综合案例四：行业联动与轮动分析

讲授法、实验教学法

3

2

合计

45

35

二、课程教学内容计划

第二章科学计算包Numpy

【教学目标】

1.了解Numpy及导入使用；

2.理解数组的创建、切片、连接、存取、排序及有哪些信誉好的足球投注网站相关技能；

????3.掌握数组灵活切片的方法及数组连接、排序、有哪些信誉好的足球投注网站相关知识。

【教学重点】

数组的切片、连接、改变形态。数组的相关方法。

【教学难点】

数组的切片及改变形态、线性代数运算。

【教学时数】

3学时

【教学方法】

讲授法

【教学内容】

1.导入并使用Numpy创建数组；

2.数组的运算、切片、连接及存取、排序与有哪些信誉好的足球投注网站；数组相关属性与方法；

3.矩阵及线性代数运算

第三章数据处理包Pandas

【教学目标】

1.了解Pandas导入及创建数据框和序列；

2.理解数据框和序列的访问、切片及方法；

????3.掌握数据框和序列相关方法的灵活应用，数据框、序列、数组、列表之间的相关转换及运用。

4.熟练掌握常用时间处理函数、合并函数与关联函数，以及滚动计算、时间元素提取、映射与离散化、分组统计等相关数据处理与计算任务。

【教学重点】

数据框、序列相关属性、方法的应用，数据框和序列数据的访问、切片及相互之间的转换。常用外部数据文件的读取、数据关联与合并、滚动计算、时间元素提取与分组统计计算。

【教学难点】

数据框、序列的访问及切片。数据框、序列、数组、列表相关数据结构之间的相互转换。数据关联和分组统计的函数理解与应用。

【教学时数】

5学时

【教学方法】

讲授法

【教学内容】

1.导入并使用Pandas创建数据框和序列；

2.数据框和序列相关属性、方法的介绍及使用；

3.数据框和序列的访问、切片及运算；

4.外部数据文件的读取及滚动计算函数的使用；

5.时间处理函数、合并函数与关联函数，以及滚动计算、时间元素提取、映射与离散化、分组统计等相关数据处理与计算任务。

第四章数据可视化包Matplotlib

【教学目标】

1.了解Matplotlib中的pyplot模块导入及简单使用方法；

2.理解利用Matplotlib中的pyplot模块绘图的基本流程及原理；

????3.掌握利用Matplotlib中的pyplot模块绘制散点图、线性图、柱状图、直方图、饼图、箱线图和子图的方法，以及中文字符的显示、横轴字符刻度和子图的布局排列。

【教学重点】

利用Matplotlib中的pyplot模块进行散点图、线性图、柱状图、直方图、饼图、箱线图和子图的绘制。懂得图形中文字符的显示及横轴字符刻度，子图的布局排列。

【教学难点】

Matplotlib绘图的基本流程及原理。

【教学时数】

2学时

【教学方法】

讲授法

【教学内容】

1.导入并使用Matplotlib中的pyplot模块进行简单绘图；

2.Matplotlib中的pyplot模块绘图基本流程及原理；

3.利用Matplotlib中的yplot模块绘制常见的图形，包括散点图、线性图、柱状图、直方图、饼图、箱线图和子图。

第五章机器学习与实现

【教学目标】

1.了解Scikit-learn包及相关模块导入及简单使用方法；

2.理解均值、中位数、最频繁值的缺失值填充策略，均值-方差、极差数据规范化或标准化，主成分分析降维及综合评价，线性回归、神经网络非线性回归预测，逻辑回归、神经网络、支持向量机分类，K-mean聚类、关联规则相关的基本原理与方法；

????3.掌握均值、中位数、最频繁值的缺失值填充策略，均值-方差、极差数据规范化或标准化，主成分分析降维及综合评价，线性回归、神经网络非线性回归预测，逻辑回归、神经网络、支持向量机分类，K-mean聚类、关联规则的程序实现及案例应用。

【教学重点】

均值、中位数、最频繁值的缺失值填充策略，均值-方差、极差数据规范化或标准化，主成分分析降维及综合评价，线性回归、