搜索到
71
篇与
的结果
-
第3章 Pandas统计分析基础 一、 材料清单（1） 《Python数据分析与应用（第2版）（微课版）》教材。（2） 配套PPT。（3） 数据。（4） 代码。（5） 引导性提问。（6） 探究性问题。（7） 拓展性问题。二、 教学目标与基本要求教学目标以音乐行业收入饮数据为例，介绍csv数据、Excel数据、数据库数据3种常用的数据读取与写入方式。阐述DataFrame的常用属性，方法与描述性统计相关内容。介绍时间数据的转换，信息提取与算术运算。剖析分组聚合方法groupby的原理、用法和三种聚合方法。展现透视表与交叉表的制作方法。通过本章的学习，能够对pandas库有一个整体了解并能够利用pandas库进行基础的统计。基本要求（1） 掌握常见的数据读取方式。（2） 掌握DataFrame常用属性与方法。（3） 掌握基础时间数据处理方法。（4） 掌握分组聚合的原理与方法。（5） 掌握透视表与交叉表的制作。三、 问题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） 数据分析中常见的结构话数据读取方式有那些？（2） DataFrame和数组有什么相似之处？（3） Excel透视表如何制作？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） 读取数据库数据为什么需要别的库？（2） 时间数据中存在哪些信息？（3） 以百万级的数据为例，Excel制作透视表和Python制作透视表哪个速度更快？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） 能否读取word数据，该如何做？（2） 为什么索引的时候有loc和iloc，设计者的意何在？四、 主要知识点、重点与难点主要知识点（1） 常见的数据读取方式。（2） DataFrame常用属性与方法。（3） 基础时间数据处理方法。（4） 分组聚合的原理与方法。（5） 透视表与交叉表的制作。重点（1） 读写数据。（2） DataFrame数据的常用属性与方法。（3） 基础时间数据处理方法。（4） 分组聚合的原理与方法。（5） 透视表与交叉表的制作。难点（1） 读写数据。（2） 分组聚合的原理与方法。（3） 透视表与交叉表的制作。五、 教学过程设计理论教学过程（1） 读写文本文件。（2） 读写Excel文件。（3） 读写数据库数据。（4） 查看DataFrame的常用属性。（5） 查改增删DataFrame数据。（6） 描述分析DataFrame数据。（7） 转换字符串时间为标准时间。（8） 提取时间序列数据信息。（9） 加减时间数据。（10） 使用groupby方法拆分数据。（11） 使用agg方法聚合数据。（12） 使用apply方法聚合数据。（13） 使用transform方法聚合数据。（14） 使用povit_table函数创建透视表。（15） 使用crosstab函数创建交叉表实验教学过程。实验教学过程（1） 读写文本文件。（2） 读写Excel文件。（3） 读写数据库数据。（4） 查看DataFrame的常用属性。（5） 查改增删DataFrame数据。（6） 描述分析DataFrame数据。（7） 转换字符串时间为标准时间。（8） 提取时间序列数据信息。（9） 加减时间数据。（10） 使用groupby方法拆分数据。（11） 使用agg、apply、transform方法聚合数据。（12） 制作透视表。（13） 制作交叉表。 -
金融科技（FinTech）专业前景分析 金融科技（FinTech）专业在过去几年里一直呈现出强劲的增长趋势，其前景仍然相当光明。以下是一些金融科技专业的前景方面的考虑：就业机会：金融科技行业提供了广泛的就业机会，包括软件开发、数据分析、网络安全、数字支付等领域。金融科技公司、银行、投资机构和初创企业都在积极招聘金融科技专业的毕业生。创业机会：如果你有创业精神，金融科技领域也提供了很多机会。许多成功的金融科技初创企业如PayPal、Stripe、Robinhood等都开始于创始人的愿景和技术专长。技能需求：金融科技专业通常需要具备技术、数据分析、人工智能和区块链等领域的知识和技能。（熟练使用一门计算机语言如Python）这些技能在当前和未来的就业市场中非常有价值。行业创新：金融科技在改变传统金融服务的方式，包括支付、借贷、投资和保险。这种创新将继续推动行业的发展，并创造新的职业机会。持续增长：金融科技行业的全球市场规模仍在不断扩大，尤其是在数字化支付、智能投资、区块链和金融安全等领域。 需要注意的是，金融科技行业也面临监管和竞争等挑战，因此，成功进入该领域需要不断学习和适应快速变化的环境。但总体来说，金融科技专业仍然具有广泛的就业和发展前景。
-
第2章 NumPy数值计算基础(21金融科技专用) 第2章 NumPy数值计算基础教案课程名称：Python数据分析与应用课程类别：必修适用专业：大数据技术类相关专业总学时：48学时（其中理论16学时，实验32学时）总学分：4.0学分本章学时：4学时一、 材料清单（1） 《Python数据分析与应用（第2版）（微课版）》教材。（2） 配套PPT。（3） 数据。（4） 代码。（5） 引导性提问。（6） 探究性问题。（7） 拓展性问题。二、 教学目标与基本要求教学目标主要介绍NumPy重要的基础内容，包括NumPy的“心脏”ndarray及其索引，生成随机数，创建矩阵，使用通用函数计算，以及利用NumPy进行数据分析的常用函数，为后面真正进入数据分析课程内容和学习其他数据分析库（如pandas）打下坚实的基础。基本要求（1） 掌握NumPy创建多维数组与生成随机数的方法。（np.random.random()/np.random.rand()）（2） 掌握数组的索引与转换。(回忆list和string索引的用法)（3） 了解NumPy中数组矩阵的运算及通用函数的基本使用方法。（4） 掌握NumPy统计分析的方法。三、 问题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） NumPy从这个库的名字理解，这个库的作用是什么？（2） 数组内部存放的数据是否可以为字符串？（3） 怎样取出数组内部的某个元素？（4） 数组和矩阵是否可以转换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） 数组和矩阵的异同点？（2） 数组和矩阵能否互相转换？（3） 能否自定义ufunc？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） 使用NumPy能否进行本班人员的基本信息？（2） 如何将所有的分析方法做成一个ufunc？四、 主要知识点、重点与难点主要知识点（1） NumPy创建多维数组与生成随机数的方法。（2） 数组的索引与转换。（3） NumPy中数组矩阵的运算及通用函数的基本使用方法。（4） NumPy统计分析的方法。重点（1） ndarray对象的创建与生成随机数的方法。（2） 数组的索引与变换。（3） 矩阵的运算及通用函数的基本使用方法。难点（1） ndarray对象的创建与生成随机数的方法。（2） 数组的索引与变换。五、 教学过程设计理论教学过程（1） 创建数组对象。（2） 生成随机数。（3） 通过索引访问数组。（4） 变换数组的形态。（5） 创建NumPy矩阵。（6） ufunc函数。（7） 读写文件。（8） 使用数组进行简单的统计分析。实验教学过程（1） 创建NumPy数组对象ndarray。（2） 查看ndarray的常用属性。（3） 花式索引ndarray。（4） 变换ndarray的形态。（5） 创建NumPy矩阵并使用。（6） 使用常见ufunc。（7） 使用NumPy读写文件。六、 教材与参考资料教材曾文权，张良均．Python数据分析与应用（第2版）（微课版）[M]．北京：人民邮电出版社．2022．参考资料[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编程基础[M]．北京：人民邮电出版社．2018．
-
Python程序设计电子教案--第2章 内置类型、内置函数与运算符 第2章 内置类型、内置函数与运算符 本章教学目标：了解常用内置数据类型及其简单使用（个人看法这边应该让同学们掌握）；熟练掌握常用运算符的功能和用法；熟练掌握常用内置函数的功能和用法；了解自定义函数的基本语法；了解lambda表达式的概念和语法含义；了解函数式编程的形式和思路。2.1 常用内置类型教学内容：数字（用数值的说话会比较好:数値）、字符串、字节串、列表、元组、字典、集合、函数、lambda表达式等基本概念。教学重点：数字、字符串、列表、元组、字典、集合的创建与简单使用。习题：1、2、3、4、52.2 运算符与表达式教学内容：算术运算符，关系运算符，成员测试运算符，集合运算符，逻辑运算符，下标运算符与属性访问运算符，赋值运算符。教学重点：使用圆括号修改表达式中不同运算符的计算顺序。习题：6、7、8、9、10、11、192.3 常用内置函数教学内容：类型转换，最大值、最小值，元素数量、求和，排序、逆序，基本输入输出，range()，zip()，enumerate()，next()，dir()、help()，map()、reduce()、filter()。教学重点：函数参数的高级用法，函数的返回值类型。习题：12、13、14、15、16、17、18
-
第1章 Python数据分析概述(21金融科技专用) 第1章 Python数据分析概述教案课程名称：Python数据分析与应用课程类别：必修适用专业：大数据技术类相关专业总学时：48学时（其中理论16学时，实验32学时）总学分：4.0学分本章学时：3学时一、 材料清单（1） 《Python数据分析与应用（第2版）（微课版）》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教学目标根据目前数据分析发展状况，将数据分析具象化。而后介绍数据分析的概念，流程，目的以及应用场景。阐述使用Python进行数据分析的优势。列举说明Python数据分析重要库的功能。紧接着阐述Anaconda简介，实现在Windows和Linux两个系统下Anaconda数据分析环境。最后展现Python数据分析工具Jupyter Notebook的优异特性及使用方法。基本要求（1） 了解数据分析的概念。（2） 了解数据分析的流程。（3） 了解数据分析在实际中的应用。（4） 了解Python在数据分析的优势。（5） 了解Python常用的数据分析库。（6） 掌握Windows／Linux系统下Anaconda的安装。三、 问题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） 数据分析能够做什么？（2） 现实生活中存在哪些数据分析技术？（3） 该如何进行数据分析？（4） Python语言有哪些优势？（5） Pycahrm这个PythonIDE有那些优点和缺点？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） 数据分析的完整流程是怎样的？（2） 数据分析的能够应用在那些场景？（3） Jupyter Notebook的哪些优缺点？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） 数据分析是不是万能的？（2） Python语言用于做数据分析有哪些优势？（3） 分析本班人员的基本信息可以从哪些角度入手？四、 主要知识点、重点与难点主要知识点（1） 数据分析的概念、流程与应用场景。（2） Python常用的数据分析库。（3） Windows/Linux系统下Anaconda安装。（4） Jupyter Notebook的常用功能。重点（1） 数据分析的概念、流程与应用场景。（2） Jupyter Notebook的常用功能。难点数据分析的概念与流程。五、 教学过程设计理论教学过程（1） 数据分析的概念。（2） 数据分析的流程。（3） 数据分析的应用场景。（4） 数据分析的常用工具。（5） Python数据分析的优势。（6） Python数据分析的常用类库。（7） Python的Anaconda发行版。（8） 在Windows操作系统上安装Anaconda。（9） 在Linux系统上安装Anaconda。（10） Jupyter Notebook的基础功能。（11） Jupyter Notebook的高级功能。实验教学过程（1） 在Windows/Linux系统上安装Anaconda。（2） Jupyter Notebook的常用功能。六、 教材与参考资料教材曾文权，张良均．Python数据分析与应用（第2版）（微课版）[M]．北京：人民邮电出版社．2022．参考资料[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编程基础[M]．北京：人民邮电出版社．2018．
