本课程主要面向数学系学生，需要一些程序设计的基本概念如计算机求解问题的框架和一些如素数判断这样的基本算法，缺少上述基础的同学不用太担心，在上课过程中根据课程自己进度补充相关知识并多多进行编程练习即可。

       整个课程从Python基本语法开始，到Python中如何从本地和网络上进行数据获取，如何表示数据，再到如何对数据进行预处理，探索，分析与统计及可视化，层层推进。

       主要介绍的Python第三方库有：NumPy，pandas，Matplotlib。

掌握Python基本语法，能用Python进行数据分析，撰写数据分析报告。

• 最终总评得分包括四部分

• 平时作业: 20%

• 单元测试: 15%

• 在线测试: 5%

• 小组论文: 60%

• 
  

   本课程主要面向数学系统计学专业本科生，需要一些程序设计的基本概念如计算机求解问题的框架和一些如素数判断这样的基本算法，缺少上述基础的同学不用太担心，在上课过程中可以根据课程自己进度补充一下相关知识并多多进行编程练习即可。

1. Python环境

Python 平台/IDE下载：

Anaconda官网下载地址：https://www.anaconda.com/distribution/

【说明】安装Anaconda后使用其中的Spyder，也可使用Anaconda中包含的Jupyter Notebook（Anaconda装好后直接启动后可使用，可将所有代码和执行结果存放于一个ipynb文件中，且能编辑和重新执行代码，还支持Markdown等文本编辑标记语言）；或安装PyCharm等其他Python IDE，相比较来说，Anaconda平台已安装的第三方库更全，需要额外安装的包非常少，但内核的稳定性不如PyCharm，可根据自身情况选择安装，较优化的做法是使用PyCharm，同时在PyCharm中将解释器设为Anaconda，充分结合两者的优势，具体方式详见第一周文档说明和视频介绍。

2.Python参考书籍和网站

(1)  Python程序设计, 张莉, 金莹等. 高等教育出版社, 2019. 

(2)  Python编程 从入门到实践, [美]埃里克·马瑟斯 著, 人民邮电出版社.

(3)  SciPy科学计算：https://www.scipy.org/.

(4)  Wes McKinney, Python for Data Analysis, 2nd Edition. （利用Python进行数据分析，原书第二版，机械工业出版社）. 

(5) Python标准手册和其他相关Python库官网文档

(6) Core Python Applications Programming: Wesley J Chun. 2012.

(7)  Python Cookbook: David Beazley, Brian K Jones. 2013.

(8)  Natural Language Processing in Action: Understanding, analyzing, and generating text with Python. Hobson Lane, Hannes Hapke, Cole Howard. 2019.

(9)  Machine Learning Applications Using Python: Cases Studies from Healthcare, Retail, and Finance: Puneet Mathur. 2019.

(10)  The Python Workbook: A Brief Introduction with Exercises and Solutions: Ben Stephenson. 2019.

提问：是不是只要看完课程视频就可以完全掌握课程内容了？

回答：这门课以课堂直播为主，在线MOOC视频作为辅助，课程视频时长较短，并且每位学习者的基础有差异，大家需要在视频学习后多加练习和理解，完成In-video quiz和编程题/小项目的案例。