Python 基础课程

商务数据分析与应用专业大一新生定制

针对商务数据分析与应用专业大一新生,在AI时代高效学习Python基础的需求,本课程聚焦实用,面向未来,优先掌握AI与数据分析的"刚需"部分,避免在非核心领域浪费时间。

AI时代Python学习

聚焦实用 | 面向未来

课程信息

课程时长

6-8周

适合人群

商务数据分析与应用专业大一新生
编程初学者
希望在AI时代高效学习Python的学生

学习目标

掌握Python核心语法
理解AI与数据分析思维
能看懂和编写基础代码
为后续专业学习打下基础

核心学习理念

优先掌握AI与数据分析的"刚需"部分,避免在非核心领域浪费时间

聚焦实用

优先学习与商务数据分析直接相关的内容,避免学习与专业无关的复杂技术。

面向未来

培养与AI协作的能力,学会使用AI工具辅助编程和数据分析。

高效学习

快速掌握核心概念,通过实践巩固知识,避免理论与实践脱节。

课程大纲

针对商务数据分析与应用专业大一新生,聚焦AI时代的Python学习需求

第一阶段:Python语言核心(约3-4周)

掌握"够用"的语法与思维

1.1 基础语法(快速通关)

变量、数据类型、条件语句、循环
学习目标
  • 掌握变量的定义和使用
  • 理解Python的基本数据类型
  • 学会使用条件语句和循环
  • 能够构建基本的程序逻辑
理论讲解

基础语法是所有后续学习的基石,目标是能看懂和编写基础的AI与数据分析代码。

重点掌握:

  • 变量:用于存储数据的容器
  • 数据类型:整数、浮点数、字符串、布尔值、列表、字典、元组
  • 条件语句:if-else用于根据条件执行不同的代码
  • 循环:for循环用于遍历序列,while循环用于条件重复
代码示例
# 变量和数据类型
name = "小白"  # 字符串
age = 18  # 整数
height = 1.75  # 浮点数
is_student = True  # 布尔值

# 列表 - 用于存储多个元素
courses = ["Python", "数据分析", "商务统计"]

# 字典 - 用于存储键值对
student_info = {
    "name": "小白",
    "age": 18,
    "major": "商务数据分析"
}

# 条件语句
if age >= 18:
    print(f"{name}已经成年了")
else:
    print(f"{name}还未成年")

# for循环 - 遍历列表
print("课程列表:")
for course in courses:
    print(f"- {course}")

# while循环 - 条件重复
count = 1
print("计数:")
while count <= 5:
    print(count)
    count += 1
                                    
练习题目
  1. 创建变量存储你的个人信息(姓名、年龄、专业),然后打印出来。
  2. 使用列表存储5门课程名称,然后使用for循环打印每门课程。
  3. 使用字典存储一个学生的信息,包括姓名、年龄、成绩等,然后打印出来。
  4. 使用if-else判断一个数是正数、负数还是零。
  5. 使用while循环计算1到100的和。

1.2 函数与模块化

函数定义、参数传递、返回值
学习目标
  • 理解函数的概念和作用
  • 学会定义和调用函数
  • 掌握函数参数和返回值的使用
  • 理解模块化编程的思想
理论讲解

函数是一段可重用的代码,用于完成特定的任务。通过函数,我们可以将复杂的代码分解为更小、更易管理的部分。

深刻理解函数的定义,参数传递和返回值是组织代码,实现复用的关键,未来调用各种AI库函数都基于此。

代码示例
# 定义函数
def calculate_sum(a, b):
    """计算两个数的和"""
    return a + b

# 调用函数
result = calculate_sum(5, 3)
print("和:", result)

# 带默认参数的函数
def calculate_area(length, width=1):
    """计算矩形面积"""
    return length * width

# 调用函数
print("面积:", calculate_area(5, 3))
print("正方形面积:", calculate_area(4))

# 返回多个值的函数
def get_student_info():
    """获取学生信息"""
    name = "小白"
    age = 18
    major = "商务数据分析"
    return name, age, major

# 调用函数
name, age, major = get_student_info()
print(f"姓名: {name}, 年龄: {age}, 专业: {major}")

# 模块化示例 - 模拟导入模块
# 假设我们有一个模块 called utils.py
# def calculate_average(numbers):
#     return sum(numbers) / len(numbers)

# 导入模块并使用
# import utils
# numbers = [1, 2, 3, 4, 5]
# print("平均值:", utils.calculate_average(numbers))
                                    
练习题目
  1. 定义一个函数,计算两个数的和并返回结果。
  2. 定义一个函数,判断一个数是否为偶数。
  3. 定义一个函数,接收一个列表,返回列表中所有元素的和。
  4. 定义一个函数,计算一个列表的平均值。

1.3 面向对象编程(OOP)基础

类、对象、方法
学习目标
  • 理解类和对象的基本概念
  • 学会定义类和创建对象
  • 掌握方法的定义和调用
  • 理解面向对象编程的基本原理
理论讲解

面向对象编程是一种编程范式,使用类和对象来组织代码。因为许多AI库(如Scikit-learn, TensorFlow)的模型都是以类的形式提供的,知道如何创建对象,调用方法是必须的。

代码示例
# 定义类
class Student:
    def __init__(self, name, age, major):
        """初始化方法"""
        self.name = name
        self.age = age
        self.major = major
    
    def introduce(self):
        """自我介绍方法"""
        return f"你好,我是{self.name},今年{self.age}岁,专业是{self.major}。"
    
    def update_age(self, new_age):
        """更新年龄方法"""
        self.age = new_age
        return f"年龄已更新为{self.age}岁"

# 创建对象
student = Student("小白", 18, "商务数据分析")

# 调用方法
print(student.introduce())
print(student.update_age(19))
print(student.introduce())

# 模拟AI库的使用
# 假设我们使用Scikit-learn的线性回归模型
# from sklearn.linear_model import LinearRegression

# 创建模型对象
# model = LinearRegression()

# 调用方法训练模型
# model.fit(X_train, y_train)

# 调用方法进行预测
# predictions = model.predict(X_test)
                                    
练习题目
  1. 创建一个简单的类,表示一个学生,包含姓名、年龄、成绩等属性。
  2. 为学生类添加一个方法,计算平均成绩。
  3. 创建一个类,表示一个课程,包含课程名称、学分、教师等属性。

1.4 文件操作与异常处理

读写文本文件、异常处理
学习目标
  • 学会使用open函数打开文件
  • 掌握文件的读写操作
  • 理解with语句的使用
  • 掌握异常处理的基本用法
理论讲解

文件操作是Python中常见的操作,用于读取和写入文件。学会读写文本文件(如CSV,TXT),这是加载数据集的必备技能。

异常处理则能让你的程序更健壮,应对各种意外错误。

代码示例
# 写入文件 - 模拟数据集
with open("students.csv", "w", encoding="utf-8") as f:
    f.write("姓名,年龄,专业,成绩\n")
    f.write("小白,18,商务数据分析,90\n")
    f.write("小红,19,商务数据分析,85\n")
    f.write("小明,18,商务数据分析,92\n")

print("文件写入成功!")

# 读取文件
with open("students.csv", "r", encoding="utf-8") as f:
    content = f.read()
    print("文件内容:")
    print(content)

# 逐行读取并处理
print("\n逐行处理:")
with open("students.csv", "r", encoding="utf-8") as f:
    # 跳过表头
    next(f)
    for line in f:
        # 分割行数据
        data = line.strip().split(",")
        name, age, major, score = data
        print(f"姓名: {name}, 年龄: {age}, 专业: {major}, 成绩: {score}")

# 异常处理示例
try:
    # 尝试读取不存在的文件
    with open("不存在的文件.txt", "r") as f:
        content = f.read()
except FileNotFoundError:
    print("错误: 文件不存在")
except Exception as e:
    print(f"未知错误: {e}")

# 异常处理在数据分析中的应用
try:
    # 尝试转换数据类型
    score = "九十"
    score_int = int(score)
    print(f"成绩: {score_int}")
except ValueError:
    print("错误: 无法将字符串转换为整数")
                                    
练习题目
  1. 创建一个CSV文件,存储5个学生的信息,包括姓名、年龄、专业、成绩。
  2. 读取刚才创建的CSV文件,计算所有学生的平均成绩。
  3. 使用异常处理来处理文件不存在的情况。
  4. 使用异常处理来处理数据类型转换错误的情况。

第二阶段:AI与数据分析核心库(约3-4周)

重中之重
2.1 NumPy 数组创建、索引、切片和基本运算
2.2 Pandas Series和DataFrame,数据读取、清洗、筛选、分组聚合
2.3 Matplotlib / Seaborn 折线图、散点图、柱状图、直方图

第三阶段:初级实战与AI工具协同(约1-2周)

验证与融合
3.1 实战项目 端到端数据分析小项目
3.2 AI协作练习 与AI编程助手协作

学习资源与策略

高效学习策略与推荐资源,帮助你快速掌握Python编程

高效学习策略

环境搭建

强烈推荐使用 Anaconda 发行版,它集成了Python、Jupyter Notebook和主要科学计算库,避免环境配置的麻烦。

学习资源

选择一本或一套教程即可,切忌囤积资料。所有理论学习必须立刻配合动手敲代码进行。

心态调整

接受"不完美掌握"。遇到一时难以理解的概念,可以先标记,在后续使用Pandas、Sklearn库时再回头结合实例理解。

推荐资源

书籍

《Python编程:从入门到实践》前部分基础章节 + 数据可视化章节。

在线教程

廖雪峰Python教程(基础部分)、莫烦Python(有视频和实例)。

官方文档

Python官方文档、NumPy、Pandas、Matplotlib官方文档。

总结

在AI时代,商务数据分析专业的学生学习Python,路径应极度清晰:快速掌握基础语法以具备与AI对话的能力,然后全力攻克NumPy、Pandas、Matplotlib这"三剑客",形成扎实的数据处理与可视化核心技能。

这套组合拳能让你在AI工具的辅助下,如虎添翼,真正专注于商务洞察和模型应用,而不是陷入繁琐的代码细节。

从现在开始,聚焦目标,动手实践吧!

Python代码运行器
代码
运行结果

点击运行按钮执行代码