Py數據基礎及實戰11

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3章數據探索教案課程名稱：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從數據校驗和數據特征分析兩個角度講解數據探索的方法。數據校驗部分涵蓋一致性校驗（時間校驗與字段信息校驗）、缺失值校驗（產生原因、影響及Python校驗方法）、異常值校驗（簡單統計量分析、3σ原則與IQR準則、箱形圖分析）和數據漂移校驗（核心類型、主要成因與常用檢測方法）；數據特征分析部分涵蓋描述性統計分析、分布分析、對比分析、周期性分析、貢獻度分析和相關性分析。使學生掌握數據探索的核心方法與工具，能夠對實際數據集進行系統性探索分析。基本要求了解一致性校驗的常用方法。掌握缺失值校驗的常用方法。掌握異常值校驗的常用方法。了解數據漂移校驗的核心類型、主要成因與常用檢測方法。掌握數據特征分析的方法。了解ydata-profiling工具在探索性數據分析中的應用。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。數據校驗在數據挖掘流程中處于什么位置？它與數據預處理有什么區別？缺失值校驗中，完全隨機缺失和完全非隨機缺失的區別是什么？3σ原則和IQR準則檢測異常值時，各自的適用條件是什么？描述性統計分析中的集中趨勢和離中趨勢各有哪些常用的度量指標？相關性分析中，Pearson相關系數和Spearman相關系數的適用場景有何不同？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。數據漂移校驗中的目標漂移、特征漂移和概念漂移分別對應什么場景？在實際項目中如何綜合運用統計檢驗法和模型性能關聯分析法進行檢測？貢獻度分析（帕累托分析）在商業決策中有哪些典型應用？如何利用Python繪制帕累托圖并確定關鍵的20%因素？ydata-profiling工具相比手動調用describe()等方法進行描述性統計分析，在效率和深度上有哪些提升？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。在實際數據分析項目中，面對大規模數據集時，如何高效地進行缺失值和異常值的檢測與處理？請調研一種工業級的解決方案。除了本章介紹的Pearson和Spearman相關系數外，還有哪些相關性度量方法？它們各自的適用場景是什么？數據漂移檢測在機器學習模型部署后的持續監控中有哪些最佳實踐？請結合一個具體行業案例進行分析。主要知識點、重點與難點主要知識點一致性校驗的方法。缺失值校驗的方法。異常值校驗的方法。數據漂移校驗的方法。描述性統計分析的方法。分布分析的方法。對比分析的方法。周期性分析的方法。貢獻度分析的方法。相關性分析的方法。重點一致性校驗的方法。缺失值校驗的方法。異常值校驗的方法。描述性統計分析的方法。相關性分析的方法。難點異常值校驗的方法。數據漂移校驗的方法。相關性分析的方法。教學過程設計理論教學過程數據校驗。數據特征分析。實驗教學過程分布分析、描述性統計分析和貢獻度分析的綜合應用。對比分析、相關性分析和周期性分析的綜合應用。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