《Python数据分析基础》课程建设与探索

摘 要：应大数据时代的发展需要，本文对《Python数据分析基础》课程建设进行研究，以提高统计学专业学生的数据采集、数据分析和数据可视化能力，为大数据培养高素质专业人才。研究表明课程建设以学生发展为中心，教师根据学生的需求和反馈进行调整和优化，主导教学，课程建设以实际问题为导向，使学生能够在实际问题的背景下运用所学知识和技能；课程建设以多种教学模式、教学方和手段相结合等，使得学生能够在实践中掌握所学知识，提高学生的数据分析能力。在课程建设过程中，几轮课程教学积累了经验和数据，也有启示，为课程下一步更好地建设提供了有力的支撑。

关键词：Python数据分析 课程建设 教学模式 资源平台

随着“大数据时代”的来临，人们在生产和生活的过程中产生了海量的数据[1]。”数据“是科学决策的重要依据，“让数据说话”是科学决策的正确途径，掌握数据分析方法是科学决策的有效手段[2]。

在大数据时代的背景下，统计学本科专业的学生除了具备扎实的统计学基础知识和技能，还要能够运用统计学方法对数据进行收集、整理、分析和解释，为各个领域的决策提供科学依据。同时，统计学专业的学生还需要具备一定的计算机技能，能够运用各种统计软件进行数据处理和分析，课程《Python数据分析基础》正是贵州大学数学与统计学院统计学专业应这一背景而开设。

一、课程建设理念及思路

作者查阅有关资料，没有发现“Python数据分析”的定义，作者将其定义如下：利用Python计算机语言及其库（如Numpy，Pandas等），对数据进行清洗、规整等操作，并结合统计聚类分析、相关性分析等方法，对加工后的数据进行分析，提取有价值的信息、关系和规律，以文字、图表等形成结论，为决策者提供决策参考依据。

课程建设理念：以学生发展为中心，教师为主导，学习成果为导向，学习效果为标准的教学理念，根据当前大数据时代社会对数据分析人才的需要，在掌握知识基础上强调能力和素养的培养，为大数据时代培养高素质数据分析人才。

课程建设思路：

1.确定课程内容：Python计算机语言、数据采集技术、数据分析和可视化。

2.利用现代信息技术，在传统教学模式和手段基础上，多种教学模式和教学手段进行开展课堂内外教学。

3.经过精心挑选，选择优质教材，采用黑马程序员编写的《Python数据分析与应用：从数据获取到可视化》作为教材，该教材介绍了数据分析的基本概念、技术和必备的核心知识，以实践为导向，较全面第介绍了数据分析的方法和技巧，有配套丰富的网络在线资源，可以在教学中使用，不用再重复建设，极大地提高了教学效率。

4.课程教学改变传统的单一知识传授，通过案例、实验项目、实战项目和课程思政等，培养学生的数据分析能力、素养以及社会责任感。

5.课程考核尽量覆盖所有教学环节，强调学生过程性学习情况，重视数据分析能力的考核，成绩比列为：考勤及作业：课堂表现：实验：期末=10：10：20：60。实验大作业要撰写实验报告并作分组答辩。这一举措，促使学生重视平时的学习时间投入和平时学习的质量，提高学习的积极主动性，几轮实践教学表明，这一举措帮助了学生取得更好的学习效果。

二、课程实施

1. 课程确定采用Python语言

数据分析有Python，R和Matlab等多种语言，本课程采用Python语言，Python和它们相比，语法简单精炼，对初学者友好，有丰富的第三方库以及成熟的网络爬虫框架，更具优势，现已被广泛地应用到数据科学领域中。采用Python语言，学生能够快速上手，获得成就感，也为课程后面阶段的学习奠定了坚实的基础。

2. 课程引入数据采集技术

“巧妇难为无米之炊”，故课程建设中引入了数据采集技术内容，用网络爬虫来取代真人手工从万维网采集数据。网络爬虫是一种按照一定的规则，自动请求网站并提取网页数据的程序或脚本[3]，它实现自动高效率采集数据。学生通过学习数据采集知识后，掌握数据采集技术，可以编写爬虫程序自动地从万维网采集需要的数据，为后面数据分析作准备。

3. 课程主要内容见下图：

4. 课程实践情况

(1) 平台资源

课程充分利用网络平台资源，开展教学活动。课程先后使用了中国大学MOOC网、Python123、雨课堂、博学谷等在线网络平台。这种多平台协作、多种教学模式，让学生打破时空束缚，进行很好地自主学习。教学实践中，曾经有学生因腿伤不能到教室，也能病房中完成课前测试等案例。

课程利用现代教学工具雨课堂等，完成课前预习、课前测试、课堂练习等教学活动。

下图2从左打右,分别是统计学2017，2018级的雨课堂平时测试情况：

课程采用MOOC等新的教学模式和教学工具达到优势明显，雨课堂中学生的平均得分率都超过了80%，实践表明课程取得了较好的教学效果，有效地解决了传统课堂教学普遍带来的部分学生啃不动和部分学生吃不饱的情况[4]，

(2) 课程教学效果

从学校教务系统中导出课程自开课来，各年级的课程考试数据，统计下表如下：

表1. 课程期末考试情况统计表

表1中课程通过率统计表明，课程的教学内容设置合理，教学方法得当，教学进度循序渐进，课程充分利用网络资源和现代技术，采用多种教学模式和手段，以提高学生的学习效果和解决问题的能力，使学生能够在实践中掌握所学知识，提高他们的数据分析能力和团队合作能力，为他们未来的职业发展奠定坚实的基础。

(3) 学生反馈

下图是学生对课程的反馈，限于篇幅，指提供了部分是学生对课程的评价的截图，总的来是，学生对课程评价还是比较积极和满意的。

(4) 课程案例教学

课程精心挑选了北京高考分数线统计分析、中国男女篮球运动员身体质量指标数据分析、旅游景点数据可视化、商品评价分析等七个案例，开展案例教学[5]，下图是对Kobe篮球职业生涯球场进球位置作了聚类分析，并用可视化的方法展示了他在各个不同位置的命中率（百分比），结论与实际情况基本吻合[6]。这些案例和数据分析知识点高度契合，具有浓浓的生活气息和较强的连贯性，大大激发了学生的学习兴趣。

三、课程存在的问题及反思

1. 课程建设存在的问题

在实践教学过程中，课程教学存在一些问题和不足。如早期课程的教材和网络资源匮乏，很难找到一本满意的数据分析教材；由于课程是首次开设，教师在教学中要投入大量精力；教学内容也不够完善，教学方法需要进一步改进；学生专业背景不同，计算机编程能力参差不齐；师生互动需要进一步加强，极少数学生在课堂测试时有不遵守纪律行为等。针对这些问题和不足，课程团队进行了改进和优化，加强课程网络资源的建设、完善教学内容、改进教学方法、优化教学资源、加强师生互动等。

2. 课程建设反思

(1) 加强课程内容的实用性和前瞻性：随着科技的发展和信息化的推进，数据在各个领域的价值日益凸显，因此，课程内容需要不断更新和完善，以满足学生未来职业发展的需求。同时，课程内容需要具有一定的前瞻性，使学生能够跟上时代的发展，掌握最新的数据分析技术和方法。

(2) 加强师生互动和同伴互助：为了提高学生的学习效果和满意度，师生互动和同伴互助需要得到加强。例如，可以增加一些课堂讨论和实践操作的环节，使学生能够在课堂上与同学和老师进行交流和讨论，提高他们的沟通能力和团队协作能力。

(3) 提高课程评价的科学性和客观性：为了提高学生的学习效果和满意度，课程评价需要具有一定的科学性和客观性。例如，可以增加一些自我评价和同伴评价的环节，使学生能够在学习过程中得到及时的反馈和评价，提高他们的学习效果和满意度。

四、结论和展望

1. 结论

本课程的建设，以学生发展为中心，以大数据发展实际为导向，教师主导课程教学，充分利用网络资源和信息技术，多种教学模式、教学方法和教学手段相结合开展教学，取得了较好的教学效果，提高了统计学本科专业学生的数据分析能力，《Python数据分析基础》课程的开设，不仅可以促进统计学专业建设，提高统计学专业学生的数据采集、分析和可视化能力，还可以为他们未来的职业发展奠定坚实的基础，为大数据时代培养了高素质数据分析人才。

2. 展望

高等教育正面临数字化转型，高等教育数字化转型是一种跨越时代的系统性教育创新过程，它将数字技术融入高等教育领域的各个方面，推动教育组织教学范式、组织结构、教学过程、评价方式等全要素的创新和变革[7]。课程教学接下来将逐步引入AI，以提升教师和学生的数字素养，提升教学质量，提升学生Python数据分析能力和素养，迎接高等教育数字化转型的到来。

作者简介：舒丹，男，贵州大学数学与统计学院，硕士。研究方向：计算机教育，数据分析。

参考文献：

1. 宁自军.统计学专业统计软件课程开设问题研究[J].嘉兴学院学报,2002,14(S1):242-243.

2. 卢珊.案例教学在数据分析技术课程中的应用探讨[J].首都师范大学学报(社会科学版), 2009,S4:18-21.

3. 黑马程序员. Python网络爬虫基础教程[M]. 人民邮电出版社, 2022: 1-1.

4. 张莉,金莹,张洁.基于MOOC的“用Python玩转数据”翻转课堂实践与研究[J].工业和信息化教育,2017,3:70-76.

5. 朱文.案例教学法研究 [J]．西南民族大学学报(人文社科版),2003,24(10):39-41.

6. 吕云翔 等.Python数据分析实战[M].清华大学出版社,2019:151-153.

7. 杨宗凯.高等教育数字化转型点路径探索[J].中国高教研究,2023(3).

8.基金项目：贵州大学省级本科教学工程建设项目（2017520002）；

9.贵州大学“本科教学工程”建设项目（JG201671）。