Python数据分析课程教学课件制作与设计

余本国

（海南医学院，海南海口 571199）

1 引言

随着大数据与人工智能的兴起，国内大多数高校也在悄然兴起基于Python的各种课程，如大数据基础、数据分析、多元统计分析等等。自2020年以来，国际排名前100的高校中80%都开设有Python程序设计以及Python相关基础课程,包括麻省理工学院、斯坦福大学、加州大学洛杉矶分校等著名高校[1]。

高校教学多提倡以“问题为核心，学生为主体，教师为主导”[2]的教学模式，在教师为主导时，大多数教师的授课课件都使用PPT进行编辑制作的，不乏很多计算类的课程亦是如此。

作者任教Python语言及数据分析课程多年，在任教Python类课程时，认为基于Python语言类的课程可以使用Jupyter NoteBook（以下简称JNB）制作编辑教学课件，其效果明显要优于PPT做的课件模式。

2 Jupyter Notebook简介与安装

JNB是基于网页的一种交互式计算的应用程序，据官方介绍，可被应用于全过程计算，如开发、文档编写、代码运行和结果展示。

简而言之，JNB是以网页的形式打开，在网页中直接编写代码和运行代码，其结果也会直接在网页上代码块（或者代码框，Cell）的下方显示。在编程过程中，需要编写说明文档时，可在同一个页面中直接插入一个Cell编写Markdown文本，便于作及时的说明和解释。其中的交互运算、文档说明、数学公式、图表以及其他媒体格式的输入和输出，均以网页的形式展现，并保存后缀名为.ipynb的JSON格式文件，以及html和pdf等格式，既可用于版本的控制，也方便与他人交流共享。

JNB主要有以下几个特点：

1）编程时语法高亮显示，按tab键自动补全代码，回车自动缩进等功能。

2）可在本地浏览器执行代码，只需添加一行代码%matplotlib inline，即可直接在Cell下方显示执行结果。

3）编辑说明文本时支持Markdown语法。

4）支持LaTeX编写的数学公式的显示。

5）可展示计算的结果包括HTML、LaTeX、PNG、SVG等格式。

Python版本分两个阶段，Python2.7和现在流行的Python3.X，但互不兼容。无论单独安装哪个版本的Python，都需要对环境变量要进行设置，这对于初学者有一定的难度。但Anaconda解决了这些问题，环境配置与版本匹配问题系统都自动进行了处理，尽管“体积”大了些，一般在460MB左右，但对于初学者来说，免去了安装和环境变量的设置，还自带安装了常用的第三方库。不仅如此，Anaconda还自动安装了Spyder和JNB两个编辑器[3]，如图1所示。

图1 Anaconda目录

3 Jupyter NoteBook在教学中的优势

3.1 JNB具有CDIO教学模式

按照CDIO工程教育理念[4]，JNB可以在网页界面进行CDIO设计，并可SPOC形式实验教学[5]，结合相关的插件，实现功能模块的划分与折叠，便于教学流程的完整性。CDIO项目教学阶段内容与步骤如表1[6]所示。

表1 CDIO教学阶段与步骤

3.2 JNB展示格式丰富

JNB不仅拥有类似于PPT的展示功能，还能够将解释性文本、代码、图表、音频文件等交混在一起[7]，并实时地进行代码交互，让课堂教学能够获得动态结果，避免了PPT仅展示代码静态结果。正所谓百闻不如一见，有图有真相，“实践是检验真理的唯一标准”。如图2所示。

图2 代码文本交互显示

3.3 JNB可安装插件

可以对JNB安装插件，以便于对代码框进行折叠，如对图1中的“1.1序列series”下的内容进行折叠，以节省展示文本内容的界面空间，让层次感更加清晰，如图3所示。

图3 Cell（代码/文本框）折叠

3.4 代码交互可试错

交互式编辑器的教学，避免了PPT静态的代码呈现结果。PPT教学展示的都是教师课前运行代码获取的正确结果，不能获取真实编程状态下遇到的各种问题，和遇到的不可预见错误。在JNB模式下，当老师调试这些错误时，学生能够直观地感受到错误的形成，错误的表现形式，以及错误的修正。而这一系列的修正过程，即是学生最好的学习过程，更能从实践中掌握知识。

3.5 存储格式丰富

对于上课过程中呈现的各种格式的内容，以及穿插其间运行的代码和结果，除了可以保存为在其他编辑器中方便使用的py、ipynb格式，还可以导出为pdf或html格式的文件。对于pdf和html可以发布到网上或者上传到学生班级交流群内，便于学生课后交流以及课后复习，更是对课堂教学情景的再现。

通过以上分析，得到JNB和PPT的优势比较，如表2。

表2 PPT与JNB的效果对比

4 教学应用案例设计

在进行数据分析时，一般的数据难以获取，随机生成数据又没有实际的感观度，通过互联网爬取数据很容易遭到封IP，所以在设计数据分析的教学案例时，一般结合现有的平台工具实时获取数据，如WPS或者腾讯在线收集表，发布链接让学生填写姓名、学号、族别、性别、出生年月、对预期的工资期望、对课程的评价等等。有了这些数据就可以让学生分析姓氏、性别、族别比，可以做饼图、柱状图，对评价作词云图或者情感分析等。

4.1 案例描述

对收集的数据，让学生分析数据中的族别情况，将结果可视化；对其中的评价进行文本处理，将文本可视化。案例检测的知识点包括：

①读取给定的Excel数据，并显示数据；

②查看数据中的族别列，统计族别分类的种数；

③对同一种族的不同称谓进行处理，如“汉族”和“汉”统一处理为“汉”；

④对处理后的数据进行分类统计；

⑤对统计结果可视化，做成饼图或柱状图；

⑥对评价文本进行清洗，并对其分词；

⑦对分词结果作成词云图。

4.2 运行环境

1)Python3.8。使用Anaconda下的spyder编辑器。

2)安装相应的第三方库。在Anaconda中的Anaconda Prompt下运行命令：

安装Jieba:pip install jieba

安装WordCloud:pip install WordCloud

4.3 代码实现

通过导入相关的模块和库，利用Pandas模块中read_excel方法读取数据，并提取“族别”列数据，通过一系列的数据清洗操作，获得族别数据，利用Matplotlib库可以实现饼图，实现代码如下。

4）导出html与ipynb格式

将运行完毕的JNB页面另存为ipynb格式，便于下次修改和再次运行。导出另存为HTML格式，可以发布到教师个人主页或直接发送给学生，便于课后交流与复习，对课堂授课情景的再现。导出保存如图4所示。

图4 导出为html和ipynb格式

5 结束语

通过使用JNB在Python教学中的应用与探索，并与普通的PPT静态代码教学相比，JNB在教学中具有可实时交互代码，实时显示代码执行结果，教学效果视觉刺激强，具有PPT不可比拟的动态性，容易激发学生学习的兴趣和探索的热情。通过数据分析教学案例设计，实现从数据获取到数据清洗分析，再到数据可视化的整个流程，让学生从感性认知再到动手实践，丰富了教学方法，实践了教学内容。