Python 大数据分析基础 · 第1次课

课程介绍与 Python 概述

课程定位与目标 · 程序与编程语言 · Python 语言介绍 · 开发环境安装 · 扩展库与 pip · Agent 辅助学习

中华女子学院4学时 · 180分钟授课人:孙琪翔2026 年秋季学期 · 第 1 周

本讲导览

Lesson Overview · 先看整体,再逐个模块学习

本课共 180 分钟、4 个课时。前半程解决“这门课学什么、为什么学、怎么学”,后半程动手把 Python 环境装好,写出人生第一个程序。

第 1 课时
课程介绍
教师介绍 · 课程定位 · 教学目标 · 学时安排 · 教材资源 · 考核方式 · 学习建议
第 2 课时
程序与编程语言
计算机与程序 · 程序与指令 · 程序设计语言 · 语言发展三阶段 · Python 语言介绍
第 3 课时
开发环境安装
解释器与 IDLE · 安装步骤(务必勾选 PATH)· Shell 交互式与文件式两种用法
第 4 课时
扩展库与上机练习
扩展库与 pip 安装 · Agent 辅助学习 · 课堂上机练习 · 本章小结与作业
本课学习目标:了解课程定位、教学内容、考核方式与学习建议;理解程序、编程语言的基本概念;认识 Python 语言的特点与应用;完成 Python 开发环境安装并运行第一个程序;学会用 Agent(AI 助手)辅助学习,并规范记录 AI 使用过程。

本课地图:6 个模块

点击卡片可跳转到对应模块。

本讲知识点总览

右侧知识树可点击节点跳转到对应讲解位置,点击三角可展开 / 收起分支。

课程介绍与 Python 概述
课程介绍模块一
课程定位:社科类方向课 56 学时,非计算机专业第一门程序设计语言
课程目标:知识、能力、素质三维目标
教学内容与学时:9 章 + 阶段考核,共 56 学时
教材与资源:清华大学出版社教材 + 学堂在线视频 + 雨课堂练习
考核方式:过程性考核 60% + 期末考核 40%
学习建议:有效课堂、重视练习、学以致用、人人都能编程
程序与编程语言模块二
计算机:能够根据一组指令操作数据的机器
程序:一组计算机能识别和执行的指令
程序设计语言:计算机能够理解操作的交互体系
语言发展:机器语言 → 汇编语言 → 高级语言
第一个 Python 程序:print("Hello World!")
Python 语言介绍模块三
起源:Guido van Rossum,1989 年圣诞开始编写
版本:1991 首个版本 → 2000 年 2.0 → 2008 年 3.0 → 现在 3.x 主流
特点:易学易懂、开源跨平台、胶水语言、功能强大
应用:数据分析、人工智能、网络爬虫、Web 开发等
受欢迎程度:TIOBE 排行榜长期第 1 位
开发环境与扩展库模块四 / 五
Python 环境 = Python 解释器(像翻译官)
安装要点:勾选 Add Python to PATH、自定义安装路径
IDLE 两种方式:Shell 窗口(交互式)与文件式(正式开发)
代码书写:缩进、注释、英文标点、大小写敏感
扩展库与 pip:标准的 Python 安装包不含扩展库
Agent 辅助学习模块六
本课程 AI 学习路径:基础阶段 → 进阶阶段 → 项目阶段
使用规则:先理解、再验证、后使用;基础阶段以手写代码为主
AI 使用日志三问:我让 AI 做了什么?我如何验证?我学到了什么?
四个练习 + 课堂上机练习清单
说明:本页知识点依据第 1 次课课件《课程介绍与 Python 概述》整理,与教材第 1 章对应。
本课是整学期的“起点课”:学完请确认你能独立完成三件事——装好 Python在 Shell 里打印一句话用文件方式保存并运行一个 .py 程序

课程介绍

课程定位 · 为什么学 · 课程目标 · 教学内容与学时 · 教材与资源 · 教学考核 · 学习建议

1.1 授课教师

姓名孙琪翔
单位中华女子学院 · 数据科学与信息技术学院
主讲课程大数据分析基础(Python)、虚拟现实技术等
研究方向人工智能应用、数据分析与程序设计教学
教学理念AI 渗透式教学、分层支持、注重动手实践
对你的期望多动手、多提问、善用 AI 但不依赖
交流与答疑课堂互动:随堂提问与上机辅导;课后答疑:班级群沟通
办公地点教图楼 310

1.2 课程定位

课程内容主线

1.3 为什么要学习大数据分析

数据智能时代

大数据、人工智能成为新一轮科技革命与产业变革的驱动力,深刻影响着经济社会发展。

国家战略背景

《中国制造 2025》《促进大数据发展行动纲要》《新一代人工智能发展规划》相继发布,全面进入数据智能时代。

人人都该学一点

编程与数据分析能力已成为数据智能时代人才的必备能力,正在进入会计、人力、法律、心理等几乎所有专业。

掌握数据思维,能让你用证据说话、用数据决策,提升专业竞争力——这正是本课程希望带给你的一项通用能力。

1.4 课程目标:知识 · 能力 · 素质

知识目标

  • 理解程序设计的一般概念与方法
  • 熟悉 Python 语言基本功能,掌握编写 Python 程序的基本方法
  • 了解数据分析的概念与一般处理过程

能力目标

  • 能用 Python 编写简单程序
  • 能正确选择 Python 工具完成基本数据分析任务
  • 初步具备阅读、调试与改进代码的能力

素质目标

  • 培养计算思维、大数据意识与数据思维
  • 遵循学术规范,养成团队协作意识
  • 培养严谨求真的科学态度与工匠精神

1.5 教学内容与学时安排

章 / 节教学内容理论实践总计
第 1 章Python 概述314
第 2 章Python 语言基础224
第 3 章程序控制结构246
第 4 章组合数据结构246
第 5 章函数224
第 6 章文件与目录操作224
第 7 章NumPy 数值计算224
第 8 章Pandas 数据处理与分析5712
第 9 章数据可视化246
阶段考核阶段测试246
合计共 56 学时243256
理论课以讲解与演示为主,上机实践在机房完成。前 5 章侧重 Python 语言基础,为数据分析打牢地基;第 8 章 Pandas 是本课程的重点与核心,学时最多。实际进度会根据课堂情况微调。

1.6 教材与教学资源

教材

陈洁, 刘姝. 《Python 编程与数据分析基础》(第 2 版). 北京:清华大学出版社.

参考书

董付国. 《Python 程序设计基础》(第 2 版). 人民邮电出版社.

视频课程

学堂在线搜索《Python 编程与数据分析基础》,可跟随视频预习与复习。

练习与考核资源

雨课堂练习(计入平时成绩)· 随堂上机练习 · 阶段性测试 · 编程作业。

雨课堂学堂在线课件 data 目录

1.7 教学考核方式

过程性考核 60%

  • 课堂出勤与课堂参与
  • 课堂考核与编程作业
  • 期中阶段测试(编程实践 + 笔试)

期末考核 40%

  • 期末考试:考察全学期知识掌握与综合应用
平时成绩(雨课堂练习、上机、作业)会直接影响总评,请务必按时完成。缺交作业不只是扣几分的问题,而是会直接拖低整门课的成绩。

1.8 学习建议

建议一
有效课堂
跟随课程进度,完成课堂学习内容,达到预期目标。
建议二
重视练习
课堂练习和作业按时、保质完成;代码只有亲手敲过才会真正理解。
建议三
学以致用
把知识用到感兴趣的方向:数据分析、游戏、科学实验……带着问题学习效率最高。
建议四
人人都能编程
编程并不神秘——只需掌握规则与命令。第一次写代码遇错很正常,学会读报错就赢了一半。

程序与编程语言

计算机与程序 · 程序与指令 · 程序设计语言 · 语言的发展 · 第一个 Python 程序

2.1 计算机与程序

计算机是“能够根据一组指令操作数据的机器”,它有两个关键特性:

里程碑:ENIAC(1946 年)

  • 世界上第一台数字电子计算机
  • 重约 30 吨,占地约 170 平方米
  • 每秒约 5000 次加法运算
  • 通过开关和插线手动编程

今天的计算机

应用领域涵盖大数据分析、人工智能(AI)、物联网等;你手里的智能手机,计算能力早已远超 ENIAC

硬件性能提升了几百万倍,但有一条没变:计算机只按人写好的指令做事

2.2 程序与指令

程序:一组计算机能识别和执行的指令,每一条指令使计算机执行特定的操作。

一句话记住:程序 = 数据 + 算法。先想清楚步骤,再交给计算机执行;顺序错了,结果就错了。

2.3 程序设计语言

程序设计语言是计算机能够理解和识别操作的一种交互体系,越接近人类的自然语言,越容易学习与使用

例如计算 BMI:bmi = weight / height**2,含义一目了然。Python 正是这样一种简单、易读的高级语言。

2.4 编程语言的发展

1
机器语言
由 0、1 二进制指令组成,计算机可直接执行;但编写困难、容易出错,且与具体机器绑定。
2
汇编语言
用助记符代替二进制指令(如 ADD)。比机器语言易读,但仍然面向机器,需要了解硬件细节。
3
高级语言
接近自然语言与数学表达,不依赖具体机器,如 Python、C、Java。可读性好、开发效率高。
发展规律:从贴近机器,到越来越贴近人的思维。本课程使用的高级语言是 Python。

2.5 动手实践:第一个 Python 程序

任务:编写并运行第一个程序,在屏幕上输出一句话。

hello.py — 第一个 Python 程序
print("Hello World!")
运行结果
Hello World!
print() 是 Python 的内置输出函数:括号里的内容会被原样显示在屏幕上。字符串要用成对的英文引号括起来。

Python 语言介绍

起源与发展 · 版本 · 语言特点 · 应用领域与实例 · 受欢迎程度

3.1 Python 的起源与发展

“人生苦短,我用 Python。”—— 同样一件事,C 语言可能要写 1000 行,Java 要写 100 行,Python 可能只需要 20 行。

3.2 Python 的版本

1991 年
首个版本
Python 第一次公开发布。
2000 年
Python 2.0
2.x 系列的代表版本。
2008 年
Python 3.0
语法现代化,与 2.x 不兼容。
现在
3.x 主流
本课程统一使用 Python 3。
Python 2.x 与 3.x 两个系列互不兼容;Python 2.x 已全面停止维护与更新。请到 python.org 下载最新稳定版(如 3.8 及以上),不要再用 2.x 的教程自学,否则很多例子会报错。

3.3 Python 的语言特点

易学易懂

语法简单、代码简洁,接近自然语言,上手快。

开源 · 跨平台

开源免费、社区庞大;同一份代码在 Linux / Windows / macOS 上通用。

胶水语言

能把多种语言编写的程序融合拼接,适合快速集成与原型开发。

功能强大

标准库 + 扩展库丰富,覆盖数据分析、人工智能、Web 等;支持命令式、函数式与面向对象等多种编程范式。

3.4 Python 语言的应用

数据分析人工智能科学计算网络爬虫 Web 开发自动化运维云计算常规软件开发 游戏开发智能硬件金融量化医学影像分析

Python 的应用几乎覆盖了软件与数据领域的方方面面;本课程聚焦其中的数据分析方向。

3.5 应用实例:谁在用 Python

国内企业

豆瓣、知乎、网易、百度、阿里、土豆、新浪等均使用 Python 开发。

国外企业

谷歌、YouTube、Facebook、NASA 等也在广泛使用 Python。

3.6 受欢迎程度:TIOBE 排行榜

TIOBE 编程语言排行榜,Python 位居第 1 位
图 1-1 TIOBE 编程语言排行榜:Python 长期位居第 1 位(图为课件示意,最新数据见 tiobe.com)
AI 渗透点你后面会用到的 NumPy、Pandas、Matplotlib,以及当下所有主流大模型(如 ChatGPT、DeepSeek)的训练与调用工具链,底层都大量使用 Python。学会 Python,等于拿到了一张通往 AI 世界的门票

Python 开发环境安装与运行

开发环境选择 · 什么是解释器 · 安装步骤 · IDLE 的两种使用方式 · 代码书写注意事项

4.1 开发环境选择

环境 / 工具特点适合谁
IDLE(官方)Python 自带,无需额外安装,包含 Shell 交互窗口与代码编辑器本课程统一使用
Anaconda面向数据科学的发行版,预装大量科学计算库进阶使用
PyCharm专业的 Python IDE,功能强大,适合大型项目初学阶段可选
本课程建议:统一使用 Python 官方 IDLE,环境简单、聚焦语法本身;学有余力的同学可自行体验 Anaconda / PyCharm / VS Code。

4.2 什么是 Python 环境

Python 环境 = Python 解释器。解释器像一位翻译官:把你写的程序代码翻译成机器能够理解的二进制并运行。

安装前准备

4.3 安装步骤(一):自定义安装

Python 安装向导界面:Install Now 与 Customize installation、Add Python to PATH
图 1-2 安装向导第一屏:勾选“Add Python 3.x to PATH”,并选择“Customize installation”
1
运行安装程序
双击下载的安装文件,进入安装向导。
2
务必勾选 Add Python 3.x to PATH
勾选后 Python 会被加入环境变量,才能在命令行里直接使用 pythonpip 命令。
3
选择 Customize installation
进入自定义安装;安装路径建议保持默认,或改为不含中文与空格的路径。
如果忘了勾选 PATH?方法一:卸载后重新安装并勾选 Add to PATH(推荐,最省事);方法二:手动修改系统环境变量 Path,把 Python 安装目录加进去(容易出错,建议先问老师或 AI)。

4.4 安装步骤(二):完成安装与验证

4
后续选项一路 Next
Optional Features 保持默认(Documentation、pip、tcl/tk and IDLE 等都被勾选)。
5
选择 Install for all users
为所有用户安装,保持默认安装路径,点击 Install 开始安装。
6
验证安装
打开 IDLE,看到 >>> 提示符即安装成功;或在命令行输入 python --version 查看版本号。

4.5 IDLE 的两种使用方式

IDLE 的 Shell 窗口:菜单栏、版本信息与 >>> 提示符
图 1-3 IDLE 的 Shell 窗口:菜单栏、版本信息与 >>> 提示符
对比项Shell 窗口(交互式)文件式(正式开发)
使用方式>>> 后输入语句,回车立即执行新建、保存 .py 文件后运行
结果执行结果或错误信息直接显示在窗口里运行结果显示在 Shell 窗口
是否保存关闭窗口即消失,无法保存文件保存在磁盘上,可反复运行
适用场景试验单条命令、快速验证想法编写完整程序、提交作业
在 IDLE 中,语法关键字会用不同颜色标识;输入函数名后打上括号会弹出语法提示;用 help() 可以查看对象帮助信息——善用这些提示,能省很多查资料的时间。

4.6 文件式编辑:三步走

1
创建文件
在 IDLE 菜单栏选择 File → New File,打开编辑窗口。
2
保存文件
选择 File → Save,设置文件名为 hello.py。注意:.py 是 Python 程序文件的扩展名。
3
运行程序
选择 Run → Run Module(或直接按 F5)运行,结果输出在 Shell 窗口。

如果文件已经关闭,可以右键单击 hello.py,选择 Edit with IDLE 重新打开编辑。

4.7 代码书写注意事项

缩进

Python 用相同的缩进表示同级别的语句块;缩进不正确会导致程序逻辑错误甚至报错。不要混用空格与 Tab 键。

注释

# 开头表示单行注释;三引号(三个单引号或三个双引号)括起来的内容可用于多行注释。

标点符号

必须使用英文状态的标点,引号、括号要成对出现。中文引号是最常见的低级错误。

命名与保留字

变量名区分大小写trueTrue 不同);不要用 Python 的保留字做变量名。

代码书写示范:缩进与注释
# 这是一个单行注释
name = "Alice"          # 定义变量
if name == "Alice":     # 分支结构,以冒号结尾
    print("你好,Alice")  # 注意缩进:这里是上一行的子语句块
运行结果
你好,Alice

Python 扩展库与 pip

什么是扩展库 · 本课程常用扩展库 · pip 安装与验证

5.1 什么是扩展库

5.2 本课程常用扩展库

NumPy
数值计算
数组与矩阵运算的基础库,第 7 章使用。
Pandas
数据处理
数据读取、清洗、查询与汇总,第 8 章重点。
Matplotlib
数据可视化
绘制折线图、柱状图、直方图等,第 9 章使用。
xlrd
读取 Excel
读取 Excel 数据文件,配合 Pandas 使用。

5.3 用 pip 安装扩展库

1
打开命令提示符(cmd)
Windows 搜索框输入 cmd 回车,进入黑色命令行窗口。
2
输入安装命令
pip install numpy;也可以一条命令装多个库:pip install pandas matplotlib xlrd。联网时 pip 会自动下载与当前 Python 版本匹配的扩展库。
3
验证安装
pip list 查看已安装的库;不需要时用 pip uninstall 库名 卸载。
在命令提示符中输入 pip install numpy
图 1-4 在命令提示符中输入 pip install 命令
pip list 查看已经安装的扩展库
图 1-5 用 pip list 检查 numpy、pandas、matplotlib、xlrd 是否安装成功
如果提示网络问题或安装失败,可以稍后重试,或改用课程软件包目录中的离线安装包安装。命令报错时先自己读一遍提示信息,再考虑求助。

Agent 辅助学习与课堂练习

AI 学习路径 · 四维智能支持 · 使用规则 · 四个练习 · 上机清单

6.1 本课程中的 AI 学习路径

阶段周次AI 使用强度重点
基础阶段第 1—5 周基本不接入 AI手写代码、阅读报错、调试
进阶阶段第 6—9 周部分接入,先审后改阅读、验证、改写 AI 给出的代码
项目阶段第 10—16 周深度协作并写 AI 使用日志完成数据分析项目
第一次课是认识 Agent 的起点:学会提问、学会验证、学会记录。记住——AI 是学习助手,不是替你完成作业的代笔,基础能力必须靠自己练。

6.2 AI 的四维智能支持

AI 嵌入 IDE

代码补全、错误定位、智能解释。

AI 互动文档

动态补充案例、问答与练习。

AI 雨课堂学伴

随堂反馈、个性化练习。

AI 嵌入式 OJ

自动评测、错误分析。

6.3 AI 使用规则

AI 使用日志三问 ① 我让 AI 做了什么? ② 我如何验证它的回答? ③ 我从中真正学到了什么?

6.4 四个 Agent 课堂练习

练习 1:用 AI 理解概念

打开 AI 助手提问,理解“程序与编程语言”这一组概念。

  • 什么是计算机程序?程序与指令是什么关系?
  • 机器语言、汇编语言、高级语言有什么区别?
  • 为什么说 Python 适合作为第一门编程语言?

要求:用自己的话把回答总结成 2—3 句话,并与本课内容对照。

练习 2:用 AI 认识 Python

向 AI 提问,了解 Python 的特点、用途与数据分析能力。

  • Python 有哪些特点?为什么它如此流行?
  • Python 在数据分析中通常完成哪些任务?
  • Python 和 Excel 做数据分析有什么不同?

要求:记录 1 条你认为最有价值的回答,并思考它与本学期目标的关系。

练习 3:让 AI 排查安装报错

安装 Python 或扩展库遇到报错时,用 AI 快速定位原因。提示词模板:

我在安装 Python(/ 扩展库 numpy)时
遇到如下报错:
(把完整报错信息粘贴在这里)
请问是什么原因?该如何解决?

要求:把报错信息完整复制给 AI,说明操作系统与操作步骤;按建议操作前先理解原因,解决后记录你学到了什么。

练习 4:让 AI 讲解并验证代码

提示词:请逐行解释下面这段代码:print("Hello World!"),它每一步做了什么?

三步验证法:

  1. 先不看 AI,自己写一遍;
  2. 对照 AI 讲解,理解每一行;
  3. 关闭 AI,独立重写并运行验证。

6.5 课堂上机练习清单

任务内容
任务 1安装 Python,安装时勾选 Add Python to PATH
任务 2在 Shell 窗口输出 Hello World
任务 3用文件方式编写程序,运行后输出你的姓名
任务 4完成 Agent 练习 1—4 中任选两个,并记录 AI 使用日志
完成标准:每一步你都能说清楚“做了什么、为什么这么做”。遇到报错先自己读,再求助 AI,最后能独立解决。

本章小结 · 易错提醒 · 作业

Summary · 课后作业 · 下讲预告

今天的关键收获

易错提醒

  • 安装时忘记勾选 Add Python to PATH —— 命令行里敲 python 会提示“找不到命令”。
  • 缩进里混用空格和 Tab —— 代码看起来对齐,运行时却报错。
  • 使用了中文标点(如 “ ”,;)—— 语法错误,且报错信息不直观。
  • 把 Python 2.x 的教程代码直接搬到 3.x —— 两者不兼容,很多写法已失效。
  • 在 Shell 窗口写了半天代码才想起保存 —— Shell 关闭后代码全部消失,正式程序请用文件式。

课后作业

  1. 在自己的电脑上安装 Python 及常用扩展包(numpy、pandas、matplotlib、xlrd)。
  2. 完成教材课后习题 1、2、3。
  3. 用 Agent 问 AI 一个问题,按“三问格式”记录一篇 AI 使用日志。

提交方式:下次课前通过雨课堂 / 班级群提交。

下讲预告

第 2 次课 · 第 2 章 Python 语言基础
常量与变量 · 运算符与表达式 · 数据类型 · 内置函数 · 基本输入输出 · 模块
进入第 2 次课 →

附录 · 学习平台与离线资源

  • 离线软件包:课程软件包目录提供 Python 安装包(含 Windows / macOS),无网络也可安装。
  • 教材与参考书:陈洁、刘姝《Python 编程与数据分析基础》(第 2 版);董付国《Python 程序设计基础》(第 2 版)。
  • 学习平台:雨课堂(随堂练习与考勤)· 学堂在线(配套视频)· 课件 data 目录(练习数据)。