機(jī)器學(xué)習(xí)實(shí)踐教程 教案 第02章 數(shù)據(jù)分析

教案標(biāo)題：PandasSeries教學(xué)目標(biāo)：理解PandasSeries的概念及其作為帶索引一維數(shù)組的特性。掌握創(chuàng)建簡(jiǎn)單Series和指定索引的Series的方法。學(xué)會(huì)通過索引訪問Series中的數(shù)據(jù)，包括使用布爾索引。理解如何將Python字典轉(zhuǎn)換為Series，并處理索引不一致的情況。教學(xué)重點(diǎn)與難點(diǎn)：重點(diǎn)：Series的創(chuàng)建、索引的使用以及字典到Series的轉(zhuǎn)換。難點(diǎn)：處理索引不一致時(shí)的情況，理解NaN值的產(chǎn)生。教學(xué)流程：一、引入簡(jiǎn)述Pandas庫(kù)的重要性和Series在其中的作用。強(qiáng)調(diào)Series與普通數(shù)組在索引方面的區(qū)別。二、Series基礎(chǔ)2.1Series概述解釋Series是帶索引的一維數(shù)組，索引可以是各種類型。2.1.1簡(jiǎn)單的Series演示如何創(chuàng)建一個(gè)簡(jiǎn)單的Series，并查看其值和索引。示例代碼：obj=pd.Series([18753.73,21462.69,22990.35])2.1.2指定索引演示如何在創(chuàng)建Series時(shí)指定索引，并查看結(jié)果。示例代碼：obj2=pd.Series([18753.73,21462.69,22990.35],index=['2007','2008','2009'])2.1.3索引的使用講解如何通過索引訪問Series中的數(shù)據(jù)，包括使用單個(gè)索引和列表索引。演示如何使用布爾索引篩選數(shù)據(jù)。示例代碼：obj2['2007']

和

obj2[obj2>20000]2.1.4將Python字典轉(zhuǎn)換為Series演示如何將Python字典轉(zhuǎn)換為Series，并解釋字典的key如何轉(zhuǎn)換為Series的索引。示例代碼：sdata={...};obj3=pd.Series(sdata)2.1.5自定義索引講解當(dāng)指定的索引與字典的key不一致時(shí)，Series是如何處理的。演示自定義索引與字典key不一致時(shí)的情況，并解釋NaN值的產(chǎn)生。示例代碼：obj4=pd.Series(sdata,index=cities)三、學(xué)生練習(xí)學(xué)生根據(jù)提供的示例代碼，自行練習(xí)創(chuàng)建不同索引的Series。鼓勵(lì)學(xué)生嘗試使用不同的索引類型（如整數(shù)、字符串、日期等）。引導(dǎo)學(xué)生處理索引不一致時(shí)的情況，并解釋結(jié)果。四、總結(jié)回顧Series的基本概念、創(chuàng)建方法、索引的使用以及字典到Series的轉(zhuǎn)換。強(qiáng)調(diào)Series在數(shù)據(jù)處理中的靈活性和重要性。五、作業(yè)布置要求學(xué)生編寫代碼，創(chuàng)建一個(gè)包含不同數(shù)據(jù)類型（如整數(shù)、浮點(diǎn)數(shù)、字符串）的Series，并為其指定自定義索引。要求學(xué)生練習(xí)使用布爾索引篩選數(shù)據(jù)，并解釋結(jié)果。鼓勵(lì)學(xué)生思考Series在數(shù)據(jù)分析中的實(shí)際應(yīng)用場(chǎng)景。

教案標(biāo)題：PandasDataFrame教學(xué)目標(biāo)：理解DataFrame的概念，即多個(gè)Series組成的表，并了解其與Series的關(guān)系。掌握構(gòu)建DataFrame的方法，包括使用Python字典直接構(gòu)建，以及通過指定columns和index屬性進(jìn)行構(gòu)建。學(xué)會(huì)如何獲取DataFrame中的指定列和指定行。理解DataFrame中列和行的訪問方式，包括使用類似字典的語法和屬性訪問的語法。教學(xué)重點(diǎn)與難點(diǎn)：重點(diǎn)：DataFrame的構(gòu)建、列和行的訪問方法。難點(diǎn)：理解DataFrame中列和行的訪問方式，特別是處理列名中的特殊字符時(shí)。教學(xué)流程：一、引入回顧Series的概念，引出DataFrame作為由多個(gè)Series組成的表。強(qiáng)調(diào)DataFrame在數(shù)據(jù)處理中的重要作用，特別是在處理表格數(shù)據(jù)時(shí)。二、DataFrame基礎(chǔ)2.2DataFrame概述闡述DataFrame的定義和特性，即多個(gè)Series組成的表，且這些Series共享相同的index。2.2.1構(gòu)建DataFrame演示如何使用Python字典直接構(gòu)建DataFrame，并解釋其結(jié)構(gòu)和內(nèi)部邏輯。講解如何通過指定columns和index屬性在構(gòu)建時(shí)控制列名和索引。示例代碼：構(gòu)建frame和frame2，并解釋其輸出結(jié)果。2.2.2獲取指定列講解如何使用類似字典的語法獲取DataFrame中的指定列。演示如何通過屬性訪問的方式獲取列（注意列名中不能包含特殊字符）。示例代碼：獲取frame2中的'province'列和'year'列。2.2.3獲取指定行講解使用.loc[]方法獲取DataFrame中指定行的語法。強(qiáng)調(diào).loc[]方法在處理行索引時(shí)的靈活性和準(zhǔn)確性。示例代碼：獲取frame2中索引為'three'的行。三、學(xué)生練習(xí)學(xué)生根據(jù)提供的示例代碼，自行練習(xí)構(gòu)建DataFrame，并嘗試獲取不同的列和行。鼓勵(lì)學(xué)生嘗試使用不同的列名和索引，并觀察輸出結(jié)果的變化。引導(dǎo)學(xué)生思考DataFrame在數(shù)據(jù)處理中的實(shí)際應(yīng)用場(chǎng)景。四、總結(jié)回顧DataFrame的基本概念、構(gòu)建方法、以及列和行的訪問方式。強(qiáng)調(diào)DataFrame在數(shù)據(jù)分析中的重要性，以及熟練掌握其基礎(chǔ)操作對(duì)于后續(xù)學(xué)習(xí)的意義。五、作業(yè)布置要求學(xué)生編寫代碼，構(gòu)建一個(gè)包含學(xué)生信息的DataFrame，包括姓名、學(xué)號(hào)、年齡和成績(jī)等列。要求學(xué)生練習(xí)使用不同的方法獲取DataFrame中的指定列和行，并解釋輸出結(jié)果。鼓勵(lì)學(xué)生思考如何在實(shí)際數(shù)據(jù)分析中利用DataFrame進(jìn)行數(shù)據(jù)處理和分析。

教案標(biāo)題：Pandas數(shù)據(jù)選擇操作教學(xué)教學(xué)目標(biāo)：理解數(shù)據(jù)開放平臺(tái)的作用和重要性。掌握使用Pandas從CSV文件中讀取數(shù)據(jù)到DataFrame對(duì)象的方法。學(xué)會(huì)如何根據(jù)列名選擇DataFrame中的列。學(xué)會(huì)使用iloc和loc進(jìn)行行的選擇和行列的同時(shí)選擇。教學(xué)重點(diǎn)與難點(diǎn)：重點(diǎn)：掌握Pandas讀取CSV文件、選擇列和行的基本方法。難點(diǎn)：理解iloc和loc在行選擇中的差異和用法。教學(xué)流程：一、引入簡(jiǎn)要介紹數(shù)據(jù)開放平臺(tái)的概念和其在現(xiàn)代社會(huì)中的重要性。引出Pandas在處理和分析開放數(shù)據(jù)中的重要作用。二、數(shù)據(jù)開放平臺(tái)與數(shù)據(jù)下載展示浙江省數(shù)據(jù)開放平臺(tái)，并簡(jiǎn)要介紹其中的數(shù)據(jù)集。指導(dǎo)學(xué)生從浙江省數(shù)據(jù)開放平臺(tái)或教材配套的碼云倉(cāng)庫(kù)中下載“浙江省中小學(xué)教壇新秀信息”數(shù)據(jù)集。三、導(dǎo)入數(shù)據(jù)講解Pandas中read_csv函數(shù)的作用和用法。演示如何使用read_csv函數(shù)將CSV文件讀取到DataFrame對(duì)象中，并指定正確的編碼方式（如'gbk'）。展示starsDataFrame的前幾行數(shù)據(jù)，使用head()函數(shù)。四、選擇列講解如何通過列名來選擇DataFrame中的列。演示如何選擇“工作單位”列，并展示結(jié)果。強(qiáng)調(diào)中文列名在代碼中的正確使用方法。五、選擇行講解iloc和loc在行選擇中的區(qū)別和用法。演示如何使用iloc選擇DataFrame中的第0行，并解釋結(jié)果。演示如何使用iloc選擇前10個(gè)“工作單位”值，并解釋iloc在Series對(duì)象上的作用。簡(jiǎn)要介紹loc在基于標(biāo)簽選擇行時(shí)的用法（如果數(shù)據(jù)集包含可以作為標(biāo)簽的索引）。六、學(xué)生練習(xí)學(xué)生自行使用Pandas讀取提供的CSV文件到DataFrame中。學(xué)生練習(xí)選擇“姓名”和“獲選時(shí)間”兩列，并展示結(jié)果。學(xué)生嘗試使用iloc和loc選擇特定的行和行列組合，并解釋結(jié)果。七、總結(jié)回顧Pandas在數(shù)據(jù)選擇中的基本方法，包括讀取CSV文件、選擇列和行。強(qiáng)調(diào)iloc和loc在行選擇中的差異和適用場(chǎng)景。鼓勵(lì)學(xué)生利用Pandas進(jìn)行更多的數(shù)據(jù)分析和處理實(shí)踐。八、作業(yè)布置要求學(xué)生從其他數(shù)據(jù)開放平臺(tái)下載一個(gè)感興趣的數(shù)據(jù)集，并使用Pandas進(jìn)行數(shù)據(jù)的讀取和選擇操作。要求學(xué)生提交作業(yè)，包括讀取數(shù)據(jù)的代碼、選擇特定列和行的代碼及結(jié)果截圖。注意事項(xiàng)：在教學(xué)過程中，注意引導(dǎo)學(xué)生理解Pandas在數(shù)據(jù)處理中的強(qiáng)大功能，并鼓勵(lì)他們?cè)趯?shí)踐中探索更多Pandas的用法。提醒學(xué)生在編寫代碼時(shí)注意語法和邏輯的正確性，以及代碼的可讀性和可維護(hù)性。

Pandas數(shù)據(jù)概要與映射教學(xué)教案教案標(biāo)題：Pandas數(shù)據(jù)概要與映射教學(xué)教學(xué)目標(biāo)：理解數(shù)據(jù)開放平臺(tái)的作用和重要性。掌握使用Pandas從CSV文件中讀取數(shù)據(jù)到DataFrame對(duì)象的方法。學(xué)會(huì)使用Pandas的head、columns、describe等函數(shù)來查看數(shù)據(jù)集的概要。學(xué)會(huì)使用value_counts函數(shù)來計(jì)算數(shù)值的頻率。掌握如何計(jì)算數(shù)據(jù)列與平均值的差，進(jìn)行簡(jiǎn)單的數(shù)據(jù)分析。教學(xué)重點(diǎn)與難點(diǎn)：重點(diǎn)：掌握Pandas讀取CSV文件、查看數(shù)據(jù)概要、計(jì)算數(shù)值頻率和與平均值差的方法。難點(diǎn)：理解Pandas在處理非數(shù)值型數(shù)據(jù)時(shí)的行為，以及如何正確應(yīng)用value_counts函數(shù)。教學(xué)流程：一、引入簡(jiǎn)要介紹數(shù)據(jù)開放平臺(tái)的概念和重要性。引出Pandas在處理和分析開放數(shù)據(jù)中的重要作用。二、數(shù)據(jù)下載與導(dǎo)入展示浙江省數(shù)據(jù)開放平臺(tái)，并介紹“全省公共圖書館基本信息”數(shù)據(jù)集。指導(dǎo)學(xué)生從數(shù)據(jù)開放平臺(tái)或提供的資源中下載CSV文件。講解使用pd.read_csv函數(shù)讀取CSV文件到DataFrame對(duì)象的方法，并指定正確的編碼方式（如'gbk'）。三、查看數(shù)據(jù)頭部演示使用head函數(shù)查看數(shù)據(jù)集的前5行數(shù)據(jù)。解釋默認(rèn)情況下JupyterNotebook中head函數(shù)的輸出格式。四、查看所有的列名演示如何訪問DataFrame的columns屬性來查看所有列的名稱。引導(dǎo)學(xué)生根據(jù)列名理解數(shù)據(jù)集包含的信息。五、查看數(shù)據(jù)概要講解describe函數(shù)的作用和用法，并演示如何查看數(shù)據(jù)集的統(tǒng)計(jì)指標(biāo)。解釋Pandas在計(jì)算統(tǒng)計(jì)指標(biāo)時(shí)只考慮數(shù)值型列的規(guī)則。六、計(jì)算數(shù)值的頻率引出value_counts函數(shù)的概念和用途。演示如何使用value_counts函數(shù)計(jì)算“評(píng)估定級(jí)情況”列中不同級(jí)別的頻率。強(qiáng)調(diào)value_counts函數(shù)在處理非數(shù)值型數(shù)據(jù)時(shí)的應(yīng)用。七、與平均值的差講解如何計(jì)算某列數(shù)據(jù)與平均值的差，以評(píng)估數(shù)據(jù)分布情況。演示如何使用Pandas的運(yùn)算功能來計(jì)算“總藏量”列與平均值的差。八、學(xué)生練習(xí)學(xué)生自行使用Pandas讀取提供的CSV文件到DataFrame中。學(xué)生練習(xí)使用head、columns、describe、value_counts等函數(shù)來查看數(shù)據(jù)集的概要。學(xué)生嘗試計(jì)算某列數(shù)據(jù)與平均值的差，并解釋結(jié)果。九、總結(jié)回顧Pandas在數(shù)據(jù)概要和映射中的基本方法，包括查看數(shù)據(jù)頭部、列名、數(shù)據(jù)概要、數(shù)值頻率和與平均值差的計(jì)算。強(qiáng)調(diào)Pandas在處理不同類型數(shù)據(jù)時(shí)的差異和注意事項(xiàng)。鼓勵(lì)學(xué)生利用Pandas進(jìn)行更多的數(shù)據(jù)分析和處理實(shí)踐。十、作業(yè)布置要求學(xué)生從其他數(shù)據(jù)開放平臺(tái)下載一個(gè)感興趣的數(shù)據(jù)集，并使用Pandas進(jìn)行數(shù)據(jù)的讀取、概要查看和簡(jiǎn)單分析。要求學(xué)生提交作業(yè)，包括讀取數(shù)據(jù)的代碼、查看數(shù)據(jù)概要的截圖和簡(jiǎn)單分析的結(jié)果。注意事項(xiàng)：在教學(xué)過程中，注意引導(dǎo)學(xué)生理解Pandas在數(shù)據(jù)處理中的強(qiáng)大功能，并鼓勵(lì)他們?cè)趯?shí)踐中探索更多Pandas的用法。提醒學(xué)生在編寫代碼時(shí)注意語法和邏輯的正確性，以及代碼的可讀性和可維護(hù)性。

教案：Pandas分組與排序教學(xué)目標(biāo)使學(xué)生理解分組與排序在數(shù)據(jù)分析中的重要性。教授學(xué)生如何使用Pandas的groupby函數(shù)進(jìn)行分組統(tǒng)計(jì)。教授學(xué)生如何使用Pandas的排序功能對(duì)DataFrame進(jìn)行排序。使學(xué)生能夠識(shí)別并理解Pandas中size函數(shù)在不同上下文中的用法。教學(xué)重點(diǎn)groupby函數(shù)的使用及其參數(shù)的理解。排序功能的實(shí)現(xiàn)方法。size函數(shù)在分組統(tǒng)計(jì)中的應(yīng)用。教學(xué)難點(diǎn)理解Pandas中g(shù)roupby操作后返回對(duì)象的特性及其鏈?zhǔn)讲僮?。教學(xué)流程一、引入簡(jiǎn)要介紹數(shù)據(jù)分析中分組與排序的重要性。引入Pandas庫(kù)，并說明其在數(shù)據(jù)處理和分析中的優(yōu)勢(shì)。二、數(shù)據(jù)集介紹展示winemag數(shù)據(jù)集的內(nèi)容，并解釋數(shù)據(jù)集中包含的主要信息類型（葡萄酒信息、品酒師信息、評(píng)價(jià)信息）。演示如何加載數(shù)據(jù)集到PandasDataFrame中。三、分組統(tǒng)計(jì)導(dǎo)入Pandas庫(kù)python復(fù)制代碼importpandasaspd加載數(shù)據(jù)集python復(fù)制代碼reviews=pd.read_csv('datasets/winemag-data-130k-v2.csv',index_col=0)查看數(shù)據(jù)集頭部python復(fù)制代碼print(reviews.head())介紹分組統(tǒng)計(jì)的概念

解釋為什么要進(jìn)行分組統(tǒng)計(jì)，并舉例說明。使用groupby函數(shù)進(jìn)行分組python復(fù)制代碼grouped_reviews=reviews.groupby('taster_twitter_handle')統(tǒng)計(jì)每組的大小

解釋size函數(shù)在分組統(tǒng)計(jì)中的用法，并演示如何計(jì)算每位品酒師的評(píng)價(jià)次數(shù)。python復(fù)制代碼review_counts=grouped_reviews.size()print(review_counts)討論size函數(shù)的不同用法

比較在DataFrame對(duì)象和分組對(duì)象上調(diào)用size函數(shù)的不同結(jié)果。四、排序介紹排序的概念

解釋排序的目的和重要性。按評(píng)分排序

演示如何根據(jù)葡萄酒的評(píng)分（points列）對(duì)DataFrame進(jìn)行排序。python復(fù)制代碼sorted_reviews=reviews.sort_values(by='points',ascending=False)print(sorted_reviews.head())按多列排序

演示如何根據(jù)多列（如points和price）對(duì)DataFrame進(jìn)行排序。python復(fù)制代碼multi_sorted_reviews=reviews.sort_values(by=['points','price'],ascending=[False,True])print(multi_sorted_reviews.head())五、學(xué)生練習(xí)要求學(xué)生嘗試使用groupby函數(shù)對(duì)winemag數(shù)據(jù)集中的其他列（如country、province）進(jìn)行分組統(tǒng)計(jì)。要求學(xué)生根據(jù)price列對(duì)葡萄酒進(jìn)行排序，并查看最貴和最便宜的葡萄酒。六、總結(jié)回顧Pandas中分組與排序的基本操作。強(qiáng)調(diào)分組統(tǒng)計(jì)和排序在數(shù)據(jù)分析中的重要性。鼓勵(lì)學(xué)生多實(shí)踐，掌握Pandas的更多高級(jí)功能。七、作業(yè)布置要求學(xué)生使用groupby和排序功能，對(duì)另一個(gè)數(shù)據(jù)集進(jìn)行分組統(tǒng)計(jì)和排序分析，并提交分析報(bào)告。

教案：Pandas空值處理教學(xué)目標(biāo)讓學(xué)生了解空值在數(shù)據(jù)處理中的概念和重要性。教授學(xué)生如何在Pandas中識(shí)別和處理空值。讓學(xué)生掌握如何使用isnull(),

sum(),

dropna()等函數(shù)來處理空值。教學(xué)重點(diǎn)空值的概念及其在數(shù)據(jù)分析中的影響。Pandas中isnull(),

sum(),

dropna()等函數(shù)的使用。教學(xué)難點(diǎn)理解dropna()函數(shù)中axis參數(shù)的作用。根據(jù)實(shí)際情況選擇恰當(dāng)?shù)目罩堤幚聿呗?。教學(xué)流程一、引入簡(jiǎn)要介紹空值在現(xiàn)實(shí)世界數(shù)據(jù)中的普遍存在性。闡述空值在數(shù)據(jù)處理中的潛在問題。二、空值的概念解釋空值（NaN）在Pandas中的定義和表示。舉例說明空值在數(shù)據(jù)分析中的影響。三、FIFA數(shù)據(jù)集介紹展示FIFA數(shù)據(jù)集的加載方法。簡(jiǎn)要介紹數(shù)據(jù)集的主要內(nèi)容和結(jié)構(gòu)。四、查看空值的數(shù)量演示如何使用isnull()函數(shù)檢測(cè)空值。python復(fù)制代碼missing_values=players.isnull()展示如何按列對(duì)空值進(jìn)行求和。python復(fù)制代碼missing_values_sum=missing_values.sum()print(missing_values_sum)解釋輸出結(jié)果的含義。五、計(jì)算空值的百分比演示如何計(jì)算空值占數(shù)據(jù)總數(shù)的百分比。python復(fù)制代碼importnumpyasnpmissing_percentage=missing_values_sum.sum()/duct(players.shape)print(missing_percentage)解釋計(jì)算結(jié)果并討論其意義。六、清除空值討論dropna()函數(shù)的作用和潛在風(fēng)險(xiǎn)。演示如何使用dropna()函數(shù)刪除包含空值的行（默認(rèn)行為）。python復(fù)制代碼players_dropped_rows=players.dropna()print(players_dropped_rows)展示結(jié)果并解釋原因。演示如何清除包含空值的列。python復(fù)制代碼players_dropped_cols=players.dropna(axis=1)print(players_dropped_cols.shape)解釋axis=1參數(shù)的作用，并討論清除列的影響。七、學(xué)生練習(xí)要求學(xué)生嘗試找出FIFA數(shù)據(jù)集中空值最多的幾列。要求學(xué)生根據(jù)實(shí)際需求，選擇恰當(dāng)?shù)牟呗蕴幚砜罩担ɡ纾瑒h除空值所在的行或列，或用某個(gè)值填充空值）。八、總結(jié)回顧Pandas中空值處理的基本方法和策略。強(qiáng)調(diào)在實(shí)際數(shù)據(jù)分析中，合理處理空值的重要性。九、作業(yè)布置要求學(xué)生從另一個(gè)數(shù)據(jù)集（如電影數(shù)據(jù)集、房?jī)r(jià)數(shù)據(jù)集等）中加載數(shù)據(jù)，并處理其中的空值。要求學(xué)生撰寫一份報(bào)告，說明空值處理的過程、方法和結(jié)果。

教案：不一致數(shù)據(jù)的處理教學(xué)目標(biāo)讓學(xué)生了解不一致數(shù)據(jù)在數(shù)據(jù)處理中的常見問題。教授學(xué)生使用TheFuzz庫(kù)進(jìn)行字符串的模糊匹配。引導(dǎo)學(xué)生掌握數(shù)據(jù)清洗的基本方法，如去除空格、轉(zhuǎn)換為小寫等。教學(xué)重點(diǎn)不一致數(shù)據(jù)的定義及其對(duì)數(shù)據(jù)分析的影響。TheFuzz庫(kù)的安裝與使用。數(shù)據(jù)清洗的基本操作。教學(xué)難點(diǎn)模糊匹配的原理與實(shí)現(xiàn)。靈活應(yīng)用數(shù)據(jù)清洗方法處理不一致數(shù)據(jù)。教學(xué)流程一、引入簡(jiǎn)要介紹不一致數(shù)據(jù)的概念，以及其對(duì)數(shù)據(jù)分析的影響。舉例說明不一致數(shù)據(jù)在現(xiàn)實(shí)世界數(shù)據(jù)集中的表現(xiàn)。二、TheFuzz庫(kù)介紹闡述TheFuzz庫(kù)的作用與特點(diǎn)。演示TheFuzz庫(kù)的安裝過程。bash復(fù)制代碼pip3installpython-Levenshteinthefuzz導(dǎo)入TheFuzz庫(kù)的相關(guān)模塊。p