本模块我们将讲解数据预处理。

       前期采集到的数据，或多或少都存在一些瑕疵和不足，比如数据缺失、极端值、数据格式不统一等问题。因此，在分析数据之前需要对数据进行预处理，包括数据的倾斜、合并、重塑与转换。Pandas中专门提供了用于数据预处理的很多函数与方法，用于替换异常数据、合并数据、重塑数据等。

【 案例展示 】

异常值处理

学习任务

重点、难点

突破方法

1. 数据的清洗；

2.数据的合并；

3.数据重塑；

4.数据的转换。

1.数据的清洗与合并。

2. 教学难点：数据的重塑与转换。

采用翻转课堂、项目导入的教学模式，采用分组讨论、案例教学、演示动画等教学方法，运用在线教学平台。

知识目标

能力目标

素质目标

1.掌握数据清洗的常见操作；

2.掌握数据合并的常用方法；

3.熟悉数据重塑的常见操作；

4.掌握数据转换的常见操作。

1.能够进行数据的清洗及数据的合并；

2.能够实现数据重塑与数据的转换。

1.具有计划、组织和协调能力；

2.提升职业自豪感；

3.具有实践动手能力；

4.具备团队协作精神。

课程思政——创新创业

【课前导学区】

   1、发布任务

         导学任务单

   2、辅学资源

         电子讲义

         电子课件

         教学设计

【 视频讲解】

知识储备及案例实现

1、空值与缺失值的判断

2、空值与缺失值的处理

3、重复值的处理

4、3σ原则判断异常值

5、箱型图检测异常值及异常值的替换

6、数据类型的转换

7、横向堆叠数据

8、主键合并数据

9、根据索引合并数据与合并重叠数据

10、重塑层次化索引

11、轴旋转

12、重命名轴索引

13、离散化连续数据

14、哑变量处理类别型数据

阶段案例：预处理部分地区信息

15、预处理部分地区的信息

【 课后自测区 】

自评自测

     扫描二维码回答问题                                      扫描二维码自测

    1、 材料阅读                                  【简介】职业规范意识的培养。

   职业规范意识培养案例

【 资料下载 】

单元设计

     教学设计4-数据预处理.pdf

课程教案

     教案4 数据预处理.pdf

演示文稿

     模块4 数据预处理.pdf

任务工单

模块4 数据预处理

素材下载

     1、区块划分前基本的css文件.rar

    项目1 图片素材下载images.rar

    项目1 移动端图片素材下载images.rar

课内同步项目

   “联系我们”页面区块划分

课外扩展项目

    1、图文混排

    2、图片素材 

练习题

   1、练习1

疑难问题解答

    1、数据预处理的优缺点及特性有哪些？