Py數據基礎及實戰6

打造基于產教融合的就業育人綜合服務平臺打造基于產教融合的就業育人綜合服務平臺第4章數據預處理教案課程名稱：Python數據分析與挖掘實戰課程類別：必修（專業核心課）適用專業：數據科學與大數據技術、人工智能、計算機科學與技術、統計學、信息管理與信息系統等相關專業總學時：64學時（其中理論28學時，實驗36學時）總學分：4.0學分本章學時：6學時（理論3學時，實驗3學時）材料清單《Python數據分析與挖掘實戰（第2版）（微課版）》教材。配套PPT。引導性提問。探究性問題。拓展性問題。教學目標與基本要求教學目標本章介紹數據預處理的核心內容，包括數據清洗（重復值處理、缺失值處理、異常值處理）、數據變換（數據標準化、數據離散化、獨熱編碼）、數據合并（多表合并、分組聚合）和自動化預處理。使學生掌握數據預處理的常用方法，能夠根據數據特點選擇合適的預處理方案，為后續的數據分析與建模打下良好的數據基礎。基本要求掌握重復值處理的常見方法。掌握缺失值處理的常見方法。掌握常見的異常值分析和處理方法。掌握數據標準化和數據離散化的常用方法。掌握多表合并和分組聚合的方法。了解自動化預處理的概念、常用工具與流程。問題引導性提問引導性提問需要教師根據教材內容和學生實際水平，提出問題，啟發引導學生去解決問題、理解并掌握知識、發展各種能力和提高思想覺悟。數據清洗中的重復值、缺失值和異常值分別如何處理？各自適用的場景是什么？數據標準化有哪些常用方法？最小-最大標準化和零-均值標準化有什么區別？數據離散化中的等寬法、等頻法和聚類分析法各自有什么優缺點？多表合并中，堆疊合并和主鍵合并分別適用于什么場景？自動化預處理相比手動處理有哪些優勢和注意事項？探究性問題探究性問題需教師在深入鉆研教材的基礎上精心設計，從重點、難點問題切入進行插入式提問，或對引導性提問中尚未涉及但重要的內容加以設問。獨熱編碼在什么情況下是必要的？它如何解決類別型數據在模型中的距離計算問題？數據合并中，merge函數和concat函數在功能上有哪些異同？如何根據實際需求選擇合適的合并方式？自動化預處理流程中，數據泄露問題的根源是什么？在實際項目中應如何避免？拓展性問題拓展性問題需教師深刻理解教材意義、掌握學生學習動態后，根據不同學習層次提出切實可行的、關乎實際應用的操作問題，亦可提供拓展資料供學生研習探討。在大規模數據處理場景中，pandas庫的性能瓶頸是什么？Dask等并行處理庫如何解決這些問題？除了本章介紹的插值方法，還有哪些高級的缺失值處理方法（如多重插補）？它們在什么場景下更適用？請調研一種工業級的數據預處理流水線工具（如ApacheAirflow），分析其與scikit-learnPipeline的異同。主要知識點、重點與難點主要知識點重復值的處理方法。缺失值的處理方法。異常值的處理方法。數據標準化的方法。數據離散化的方法。獨熱編碼的方法。多表合并與分組聚合的方法。自動化預處理的概念、工具與流程。重點重復值的處理方法。缺失值的處理方法。數據標準化的方法。多表合并與分組聚合的方法。難點數據離散化的方法。獨熱編碼的方法。自動化預處理的概念、工具與流程。教學過程設計理論教學過程數據清洗。數據變換。數據合并。自動化預處理。實驗教學過程重復值、缺失值與異常值的處理。數據標準化與數據離散化的應用。教材與參考資料教材翟世臣，張良均．Python數據分析與挖掘實戰（第2版）（微課版）[M]．北京：人民郵電出版社，2026．參考資料張良均，王路，譚立云