【课程目标】
自2019年，Python已经成为最受欢迎的语言，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，通过本课程的学习，达到如下目的：
1、 掌握Python语言基础知识（基本语句、标准数据结构）
2、 熟悉数据分析标准过程，学会搭建数据分析框架
3、 掌握Pandas库功能，掌握常用的统计分析方法
4、 掌握Excel自动化操作
【授课时间】1-2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】要求有Python基础的人员
【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 3.10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】
第一部分： 数据分析过程
1、 数据分析三个阶段
现状分析
原因分析
预测分析
2、 数据思维的三个环节
3、 数据分析的六个步骤
步骤1：明确目的--理清思路
步骤2：数据收集—理清思路
步骤3：数据预处理—寻找答案
步骤4：数据分析--寻找答案
步骤5：数据展示--观点表达
步骤6：报表撰写--观点表达
演练：如何搭建用户购买行为的数据分析框架
第二部分： 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
Numpy数组处理支持
Pandas数据分析和探索工具
Matplotlib可视化工具库
3、 数据集读写
读取文件（CSV、Excel）
数据集保存（CSV、Excel）
4、 数据集结构
数据集基本属性
Index：位置索引、标签索引
Series：一维结构
DataFrame：二维结构
5、 数据集基本操作
数据访问
字段类型
² 类型检查
² 类型转换
² 定义有序类别变量
排序
² 按值排序
² 按索引排序
数据筛选
数据修改
数据删除
演示：数据读取，访问，预处理，筛选
第三部分： 统计分析方法篇
1、 统计分析基础
统计分析的关键要素
统计分析三个步骤
2、 六种统计操作
描述统计describe
分类计数value_counts
分段计数/分箱计数value_counts(bins)
分类汇总(groupby, count/sum/mean/…)
透视表（多维统计分析）pivot_table
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
对比分析法(不同用户的消费水平差异)
结构分析法(用户的学历结构、收入结构分析、动态结构分析)
分布分析法(用户的年龄分布、用户消费层次)
交叉分析法(产品偏好分析)
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
第四部分： Excel表格自动化操作
1、 Excel自动化常用操作库
openyxl库
xlwings库
2、 Excel对象层次结构
Sheet,cell,image,chart,table
3、 Workbook文档对象属性及操作
4、 Sheet工作表对象属性及操作
5、 Cell单元格对象属性及操作
6、 工作表与DataFrame对象转换
7、 Chart图表对象属性及操作
8、 Xlwings插件与Python的互操作
9、 使用宏调用Python代码
10、 Excel中调用Python编写的UDF函数
结束：课程总结与问题答疑。
李真顺
周远祥
欧德张
孟晓苏
刘大成
殷大奎
曾凤
庞国明