Python基礎與應用實戰培訓

【課程目標】

自2019年，Python已經成為最受歡迎的語言，它簡單易用、跨平臺、功能強大、擴展性強，而且能夠將其它語言編寫的程序融合起來，實現無縫連接，號稱是萬能膠水語言。

本課程為Python語言基礎學習，通過本課程的學習，達到如下目的：

1、 掌握Python基本格式，以及常用的6種基本語句。

2、 掌握常用的標準數據類型及處理

3、 掌握Pandas常用的統計功能（函數和方法）

4、 理解統計分析原理，掌握統計分析常用的分析方法

5、 熟練掌握matplotlib模塊，熟練畫圖函數

6、 學會解讀圖形，形成業務結論和業務策略。

【授課時間】

2-3天時間

（要根據學員的實際情況調整重點內容及時間）

【授課對象】

所有零基礎的偏業務的想入門的非技術人員。

【學員要求】

課程為實戰課程，要求：

1、 每個學員自備一臺便攜機(必須)。

2、 便攜機中事先安裝好Python 3.9版本及以上。

注：講師現場提供開源的安裝程序、擴展庫，以及現場分析的數據源。

【授課方式】

語言基礎 + 原理講解 + 案例演練 + 開發實踐 + 可視化呈現

采用互動式教學，圍繞業務問題，展開數據分析過程，全過程演練操作，讓學員在分析、分享、講授、總結、自我實踐過程中獲得能力提升。

【課程大綱】

第一部分： Python語言基礎

目的：搭建Python環境，掌握編程的基本語句，以及熟悉常用數據結構的操作

1、 Python簡介

2、 Python環境搭建（課前完成）

3、 基本格式

? 編碼（utf-8）

? 注釋（單引號、雙引號、三引號）

? 縮進（縮進—代碼塊）

? 標識符命名規則

? 保留字和內置函數

? 書寫格式（一行一句、一行多句、一句多行）

第二部分： Python基本語句

1、 基本格式

? 編碼（utf-8）

? 注釋（單引號、雙引號、三引號）

? 縮進（縮進—代碼塊）

? 標識符命名規則

? 保留字和內置函數

? 書寫格式（一行一句、一行多句、一句多行）

2、 基本語句（主要6種）

3、 賦值語句

? 變量定義

? 賦值運算符

4、 輸出語句

? print語句

? 自動換行，不換行輸出

? 變量位置輸出

? 格式化字符串輸出

5、 輸入語句

? input語句

6、 判斷語句

? if-elif-else語句

? 比較運算符

? 成員運算符

? 布爾運算符

? 身份運算符

7、 循環語句

? 遍歷循環for-else

? 條件循環while-else

? 循環中斷（break和continue）

8、 異常語句

? try-excep-else-finally

9、 其它特殊語句

演練：訪問文件/目錄

第三部分： Python數據類型

1、 Python對象識別

2、 常用的六種標準數據類型

? 不可變類型（Number, String, Tuple）

? 可變類型（list, Dict, Set）

3、 數字類型

? 四種常用數字類型（int, Boolean, float, complex）

? 數字格式化字符

? 常用的數字擴展庫

? 運算符（算術運算符、位運算符）

4、 字符串

? 字符串表示

? 字符串訪問

? 字符串轉義

? 字符串前綴

? 字符串操作

? 字符串格式化

5、 列表

? 列表定義

? 列表訪問

? 列表修改

? 列表操作

? 列表切片

6、 元組

? 元組定義

? 元組訪問

? 元組切片

7、 字典

? 字典定義

? 字典訪問

? 字典修改

? 字典操作

8、 集合

? 集合定義

? 集合訪問

? 集合修改

? 集合運算

9、 日期時間

? datetime, date, time, timedelt

? 日期格式化字符含義

第四部分： 數據分析基礎

1、 數據分析三個階段

? 現狀分析

? 原因分析

? 預測分析

2、 數據思維的三個環節

3、 數據分析的六個步驟

? 步驟1：明確目的--理清思路

? 步驟2：數據收集—理清思路

? 步驟3：數據預處理—尋找答案

? 步驟4：數據分析--尋找答案

? 步驟5：數據展示--觀點表達

? 步驟6：報表撰寫--觀點表達

演練：如何用搭建精準營銷的數據分析框架

演練：如何搭建用戶購買行為的數據分析框架

第五部分： 數據操作基礎

1、 簡化的Python操作過程

2、 數據分析常用擴展包

? Numpy數組處理支持

? Pandas數據分析和探索工具

? Matplotlib可視化工具庫

3、 數據集讀寫

? 讀取文件（CSV、Excel）

? 數據集保存（CSV、Excel）

4、 數據集結構

? 數據集基本屬性

? Index：位置索引、標簽索引

? Series：一維結構

? Dataframe：二維結構

5、 數據集基本操作

? 數據訪問

? 字段類型

2 類型檢查

2 類型轉換

2 定義有序類別變量

? 排序

2 按值排序

2 按索引排序

? 數據篩選

? 數據修改

? 數據刪除

演示：數據讀取，訪問，預處理，篩選

第六部分： 統計分析方法篇

1、 統計分析基礎

? 統計分析的關鍵要素

? 統計分析三個步驟

2、 六種統計操作

? 描述統計describe

? 分類計數value_counts

? 分段計數/分箱計數value_counts(bins)

? 分類匯總(groupby, count/sum/mean/…)

? 透視表（多維統計分析）pivot_table

? 按日期匯總resameple/to_period

案例實戰：掌握常用的Python統計函數/方法

3、 五種統計分析方法

? 對比分析法(不同用戶的消費水平差異)

? 結構分析法(用戶的學歷結構、收入結構分析、動態結構分析)

? 分布分析法(用戶的年齡分布、用戶消費層次)

? 交叉分析法(產品偏好分析)

? 趨勢分析法(銷售淡旺季節、用戶活躍時間)

案例實戰：掌握常用的統計分析方法

第七部分： 數據可視化

目的：掌握作圖擴展庫，實現數據可視化

1、 中文顯示的問題解決

2、 了解圖形元素及其函數

? 標題、坐標軸、刻度

? 數據標簽、文本、注釋

? 圖例、網格線、邊框

? 圖片顯示、保存

3、 簡單圖形的畫法

? 柱狀圖（簡單/復式/堆積/堆積百分比柱狀圖）

? 直方圖（分布分析，查看分布特征）

? 箱圖（判斷離群值）

? 餅圖（結構分析）

? 折線圖（趨勢分析）

? 桑基圖

? …

演練：畫圖示例，封裝成函數或模塊

4、 復雜圖形的畫法

? 多子圖

? 多坐標系作圖

? 多區域作圖

第八部分： 數據預處理

1、 數據預處理四大任務

? 數據清洗

? 數據集成

? 樣本處理

? 變量處理

2、 數據集成

? 樣本追加

? 變量合并

? 拼接

演練：樣本追加與變量合并

3、 數據清洗

? 四大異常數據

? 重復值檢查與處理

? 無效值檢查與處理

? 離群值檢查與處理

? 缺失值檢查與處理

演練：異常值查找、刪除、填充

4、 樣本處理

5、 變量處理

結束：課程總結與問題答疑。