【课程目标】

自2019年，Python已经成为**受欢迎的语言，它简单易用、跨平台、功能强大、扩展性强，而且能够将其它语言编写的程序融合起来，实现无缝连接，号称是万能胶水语言。

本课程为Python语言基础学习，**本课程的学习，达到如下目的：

1、 掌握Python基本格式，以及常用的6种基本语句。

2、 掌握常用的标准数据类型及处理

3、 掌握Pandas常用的统计功能（函数和方法）

4、 理解统计分析原理，掌握统计分析常用的分析方法

5、 熟练掌握matplotlib模块，熟练画图函数

6、 学会解读图形，形成业务结论和业务策略。

【授课时间】

2-3天时间

（要根据学员的实际情况调整重点内容及时间）

【授课对象】

所有零基础的偏业务的想入门的非技术人员。

【学员要求】

课程为实战课程，要求：

1、 每个学员自备一台便携机(必须)。

2、 便携机中事先安装好Python 3.9版本及以上。

注：讲师现场提供开源的安装程序、扩展库，以及现场分析的数据源。

【授课方式】

语言基础 原理讲解 案例演练 开发实践 可视化呈现

采用互动式教学，围绕业务问题，展开数据分析过程，全过程演练操作，让学员在分析、分享、讲授、总结、自我实践过程中获得能力提升。

【课程大纲】

**部分： Python语言基础

目的：搭建Python环境，掌握编程的基本语句，以及熟悉常用数据结构的操作

1、 Python简介

2、 Python环境搭建（课前完成）

3、 基本格式

Ø 编码（utf-8）

Ø 注释（单引号、双引号、三引号）

Ø 缩进（缩进—代码块）

Ø 标识符命名规则

Ø 保留字和内置函数

Ø 书写格式（一行一句、一行多句、一句多行）

第二部分： Python基本语句

1、 基本格式

Ø 编码（utf-8）

Ø 注释（单引号、双引号、三引号）

Ø 缩进（缩进—代码块）

Ø 标识符命名规则

Ø 保留字和内置函数

Ø 书写格式（一行一句、一行多句、一句多行）

2、 基本语句（主要6种）

3、 赋值语句

Ø 变量定义

Ø 赋值运算符

4、 输出语句

Ø print语句

Ø 自动换行，不换行输出

Ø 变量位置输出

Ø 格式化字符串输出

5、 输入语句

Ø input语句

6、 判断语句

Ø if-elif-else语句

Ø 比较运算符

Ø 成员运算符

Ø 布尔运算符

Ø 身份运算符

7、 循环语句

Ø 遍历循环for-else

Ø 条件循环while-else

Ø 循环中断（break和continue）

8、 异常语句

Ø try-excep-else-finally

9、 其它特殊语句

演练：访问文件/目录

第三部分： Python数据类型

1、 Python对象识别

2、 常用的六种标准数据类型

Ø 不可变类型（Number, String, Tuple）

Ø 可变类型（list, Dict, Set）

3、 数字类型

Ø 四种常用数字类型（int, Boolean, float, complex）

Ø 数字格式化字符

Ø 常用的数字扩展库

Ø 运算符（算术运算符、位运算符）

4、 字符串

Ø 字符串表示

Ø 字符串访问

Ø 字符串转义

Ø 字符串前缀

Ø 字符串操作

Ø 字符串格式化

5、 列表

Ø 列表定义

Ø 列表访问

Ø 列表修改

Ø 列表操作

Ø 列表切片

6、 元组

Ø 元组定义

Ø 元组访问

Ø 元组切片

7、 字典

Ø 字典定义

Ø 字典访问

Ø 字典修改

Ø 字典操作

8、 集合

Ø 集合定义

Ø 集合访问

Ø 集合修改

Ø 集合运算

9、 日期时间

Ø datetime, date, time, timedelt

Ø 日期格式化字符含义

第四部分： 数据分析基础

1、 数据分析三个阶段

Ø 现状分析

Ø 原因分析

Ø 预测分析

2、 数据思维的三个环节

3、 数据分析的六个步骤

Ø 步骤1：明确目的--理清思路

Ø 步骤2：数据收集—理清思路

Ø 步骤3：数据预处理—寻找答案

Ø 步骤4：数据分析--寻找答案

Ø 步骤5：数据展示--观点表达

Ø 步骤6：报表撰写--观点表达

演练：如何用搭建精准营销的数据分析框架

演练：如何搭建用户购买行为的数据分析框架

第五部分： 数据操作基础

1、 简化的Python操作过程

2、 数据分析常用扩展包

Ø Numpy数组处理支持

Ø Pandas数据分析和探索工具

Ø Matplotlib可视化工具库

3、 数据集读写

Ø 读取文件（CSV、Excel）

Ø 数据集保存（CSV、Excel）

4、 数据集结构

Ø 数据集基本属性

Ø Index：位置索引、标签索引

Ø Series：一维结构

Ø DataFrame：二维结构

5、 数据集基本操作

Ø 数据访问

Ø 字段类型

² 类型检查

² 类型转换

² 定义有序类别变量

Ø 排序

² 按值排序

² 按索引排序

Ø 数据筛选

Ø 数据修改

Ø 数据删除

演示：数据读取，访问，预处理，筛选

第六部分： 统计分析方法篇

1、 统计分析基础

Ø 统计分析的关键要素

Ø 统计分析三个步骤

2、 六种统计操作

Ø 描述统计describe

Ø 分类计数value_counts

Ø 分段计数/分箱计数value_counts(bins)

Ø 分类汇总(groupby, count/sum/mean/…)

Ø 透视表（多维统计分析）pivot_table

Ø 按日期汇总resameple/to_period

案例实战：掌握常用的Python统计函数/方法

3、 五种统计分析方法

Ø 对比分析法(不同用户的消费水平差异)

Ø 结构分析法(用户的学历结构、收入结构分析、动态结构分析)

Ø 分布分析法(用户的年龄分布、用户消费层次)

Ø 交叉分析法(产品偏好分析)

Ø 趋势分析法(销售淡旺季节、用户活跃时间)

案例实战：掌握常用的统计分析方法

第七部分： 数据可视化

目的：掌握作图扩展库，实现数据可视化

1、 中文显示的问题解决

2、 了解图形元素及其函数

Ø 标题、坐标轴、刻度

Ø 数据标签、文本、注释

Ø 图例、网格线、边框

Ø 图片显示、保存

3、 简单图形的画法

Ø 柱状图（简单/复式/堆积/堆积百分比柱状图）

Ø 直方图（分布分析，查看分布特征）

Ø 箱图（判断离群值）

Ø 饼图（结构分析）

Ø 折线图（趋势分析）

Ø 桑基图

Ø …

演练：画图示例，封装成函数或模块

4、 复杂图形的画法

Ø 多子图

Ø 多坐标系作图

Ø 多区域作图

第八部分： 数据预处理

1、 数据预处理四大任务

Ø 数据清洗

Ø 数据集成

Ø 样本处理

Ø 变量处理

2、 数据集成

Ø 样本追加

Ø 变量合并

Ø 拼接

演练：样本追加与变量合并

3、 数据清洗

Ø 四大异常数据

Ø 重复值检查与处理

Ø 无效值检查与处理

Ø 离群值检查与处理

Ø 缺失值检查与处理

演练：异常值查找、删除、填充

4、 样本处理

5、 变量处理

结束：课程总结与问题答疑。