1、第五章第五章 数据处理与可视化表达数据处理与可视化表达 5.3数据的分析 课题数据的分析课时1 课时 教学目标 1、能够体验多种数据分析技术； 2、能够掌握选用恰当的工具处理数据； 3、能够掌握总结和归纳数据分析的方法和步骤； 重点与难点 重点：了解数据预处理及分析；体验多种数据分析技术。 难点：体验多种数据分析技术。 辅助手段多媒体，机房广播演示系统 教法学法讲授法、任务驱动法，小组合作法，自主探究法。 课前准备课代表同学负责班级分组（4-6 人一组）。 教学设计 创设情境 激趣导入 首先通过多媒体呈现问题：同学们，通过前面两节课的学习，我们了解了数 据，知道了数据的采集与保护，那么我们获取
2、的数据可以直接拿过来用吗？ 激发大家的学习兴趣，进而引入本节课题-数据的分析。 任务驱动与 知识讲授 任务一：体验特征探索 以小组为单位，阅读课本 104-106 页，通过查找资料、学习和交流，填写下 表。 特征探索的定义 对数据进行预处理，发现和处理缺失值，异常数 据、绘制直方图，观察数据分布的特征，求最大 值、最小值、极差等描述性统计量。 小程序体验：数据预处理.py 修改“数据预处理.py”代码，对采集到的商品销售数据进行预处理，包括发 现和处理缺失值、处理异常数据、求最大值、最小值、极差、组距、绘制直 方图，观察数据的分布特征，以小组为单位，通过学习、交流，探究(课本 112-113
3、页内容) #异常值处理、画散点图（横轴：价格，纵轴：评论数）找到异常值 data2=data.T 任务驱动与 知识讲授 自主探究 price=data2.values2 comt=data2.values3 plt.xlabel(price)#显示 X 坐标标签 plt.ylabel(paynum)#显示 Y 坐标标签 pyl.plot(price,comt,o) pyl.show() #求最值 pricemax=da22.max() pricemin=da22.min() paynummax=da23.max() paynummin=da23.min() #极差 pricerg=pricem
4、ax-pricemin paynumrg=paynummax-paynummin #组距 pricedst=pricerg/13 paynumdst=paynumrg/13 #绘制价格直方图 #npy.arrange(最小,最大,组距) pricesty=npy.arange(pricemin,pricemax+1,pricedst) plt.xlabel(price)#显示 X 坐标标签 plt.ylabel(number)#显示 Y 坐标标签 pyl.hist(da22,pricesty) pyl.show() #绘制销量数直方图 paynumsty=npy.arange(paynummi
5、n,paynummax+1,paynumdst) plt.xlabel(paynum)#显示 X 坐标标签 plt.ylabel(number)#显示 Y 坐标标签 pyl.hist(da23,paynumsty) pyl.show() 任务二：体验关联分析 关联分析的定义分析发现存在于大量数据之间的关联性和相关 性，从而描述一个事物的共同规律和模式。 小程序体验： 运行关联分析.py”体验关联分析。 修改 关联分析.py”代码，对采集到的店铺销售订单数据进行关联分析，寻 找商品之间的关联性，观察关联分析结果，以小组为单位，通过学习、交流， 探究和实践， 任务三：体验聚类分析 以小组为单位，通
6、过学习和交流，填写下表。 聚类分析的定义 是一种探索性的分析。不必事先给出一个分类标 准，而是让其自动分类。 体验小程序： 修改 聚类分析.py”代码，对采集到的商品销售数据“data_sample.csv”进行聚 类分析，观察数据分析结果，以小组为单位，通过学习、交流，探究和实践。 from sklearn.cluster import KMeans #导入商品样本数据 fname=data_sample.csv dataf=pda.read_csv(fname,encoding=gbk) x=dataf.as_matrix() #聚类分析 kms=KMeans(n_clusters=3)
7、y=kms.fit_predict(x) print(y) 任务四：数据分类 数据分类 是数据分析中最基本的方法。先基于样本数据构 建分类器。然后进行预测。 运行数据分类.py”，体验数据分类。 通过修改或优化数据分类 py”代码， 对特征值 A 为 128.8,特征值 B 为 158,特征 值 C 为 4.7 的商品进行分类，观察该商品分类结果，以小组为单位，通过学 习、交流，探究和实践， 课堂练习 1、数据分析最基本的方法(B ) A 特征探索 B. 数据分类 C.聚类分析 D. 关联分析 2、下列有关数据分析说法错误的是（A ） A.特征探索的主要任务是发现大量数据间的关联性。 B.关联分析的主要任务是发现大量数据间的关联性 c. 聚类分析无需事先给出分类标准 D.数据分类是数据分析处理中最基本的方法。 课堂总结由学生总结归纳本节课所学知识，教师进行点拨。 板书设计 5.3 数据的分析 一、特征探索 二、关联分析 三、聚类分析 四、数据分类 课后作业完成测试题，下节课前由小组长批阅，课代表汇总。
