课程概述

Python数据分析短期集训提升班是一门面向北京地区学员的集中式进阶课程，定位为“短期集中、强度较高、以练为主”。课程不重复讲解Python入门语法，而是把有限的学习时间集中在数据分析工作流上：从数据获取与清洗，到多维汇总与指标计算，再到可视化呈现与分析结论撰写。全程以贴近真实业务的数据集为练习素材，每节课配套上机任务，帮助学员在较短时间内把零散的方法串联成可复用的分析流程。

课程节奏紧凑，采用“讲解—演示—上机—点评”的循环结构。讲师在课堂上完成思路拆解与代码演示，学员随后在机房环境独立完成练习，讲师与助教逐组查看代码并给出修改建议，力求让学员在集训期内形成稳定的动手习惯与规范的分析思路。

适合人群

• 已掌握Python基础语法（变量、循环、函数、列表与字典等），但缺乏数据分析实战经验的学习者；
• 在工作中需要处理表格、报表、运营或业务数据，希望用Python替代重复手工操作的职场人士；
• 正在学习数据分析方向、需要系统梳理Pandas与可视化方法的在校学生；
• 参加过Python入门学习，希望通过一段集中时间完成从语法到分析应用过渡的学员；
• 有一定Excel使用经验，想了解如何用代码完成批量处理与多维统计的自学者。

课程内容

课程按模块推进，每个模块包含知识讲解、课堂演示与上机任务三部分，模块之间以同一套业务数据贯穿，便于学员观察完整分析链条。

• 模块一：分析环境与数据读取——Jupyter Notebook常用操作、项目目录与文件规范、CSV与Excel数据的读取与编码问题处理、数据类型初步检查。
• 模块二：NumPy与数组运算——数组创建与形状变换、索引与切片、向量化运算、常用统计函数、缺失值与异常值的识别思路。
• 模块三：Pandas数据清洗——Series与DataFrame核心操作、行列筛选、缺失值填充与删除、重复值处理、类型转换、字符串与日期时间处理、表连接与合并。
• 模块四：分组聚合与指标计算——groupby分组聚合、透视表与交叉表、同比环比与占比类指标构造、多表关联后的口径核对方法。
• 模块五：数据可视化——Matplotlib基础图形绘制、常用图表类型选择、坐标轴与图例调整、中文显示问题处理、Seaborn常用统计图形、图表信息密度与呈现规范。
• 模块六：分析报告与结论表达——分析问题的拆解方式、指标口径说明、结论与证据的对应关系、图表与文字搭配、用Notebook输出可复现的分析过程。
• 模块七：综合案例演练——围绕用户行为、销售明细等练习数据集，完成从清洗到报告的全流程任务，并进行课堂互评与讲师点评。

学习收获

• 能够独立完成一份数据的读取、清洗、整理与口径核对工作，减少手工处理中的重复劳动；
• 掌握Pandas常用操作组合，能够针对具体问题选择合适的筛选、分组与聚合方式；
• 能够根据数据类型与分析目的选择合适图表，并处理常见的绘图显示问题；
• 形成结构化的分析思路，把业务问题拆解为可执行的步骤，并说明指标口径与局限；
• 获得一套可复用的代码模板与练习记录，便于课后继续巩固和迁移到自身工作场景。

报名须知

• 本课程为短期集训形式，课时集中、练习量较大，建议学员提前安排好时间，保证出勤与上机练习时长；
• 课程默认学员已具备Python基础语法能力，报名前可参考课程说明中的预备知识清单自行评估；
• 上课需自备可正常运行的电脑或使用课程安排的机房设备，并提前完成环境安装说明中的准备步骤；
• 课程以课堂练习与案例任务为主，不设与学习内容无关的附加承诺，学习效果与个人投入的练习时间密切相关；
• 具体上课时段、地点、班级规模与所需材料以报名后发放的课程安排通知为准，如有调整将提前告知已报名学员；
• 课程内容会依据2026年度教学计划与实际学员基础做适度微调，最终以开课前确认的课程大纲为准。