在数据驱动决策成为企业核心竞争力的今天，Python 已超越编程语言本身，成为连接业务洞察与技术实现的桥梁。本课程《Python数据分析实战应用》并非单纯的语法罗列，而是一套从“零基础入门”到“数据分析师思维构建”的完整路径设计。无论你是希望转行的职场新人，还是渴望提升效率的业务专家，这门体系课都将为你提供一套可落地的实战方法论。

课程开篇，我们将从 Python 编程的基础夯实起步。不同于枯燥的理论背诵，这里将深入解析 Python 2 与 3 的历史沿革与关键差异，帮助你避开环境配置的陷阱。无论是在 Windows 还是 Mac 环境下，你将掌握代码编码、基础语法、数据类型（列表、元组、集合、字典）以及控制流（条件判断、循环）的核心逻辑。这一阶段的目标是让你能够熟练地“写出代码”，理解 Python 简洁优雅的编程哲学，为后续的数据处理打好地基。

进入第二阶段，课程重心转向“数据获取”。工欲善其事，必先利其器。我们将详细介绍 Anaconda 这一数据科学领域的标准开发环境，以及 PyCharm 等主流 IDE 的高效使用技巧。更重要的是，你将学会如何从最基础的文件读取开始，掌握使用 glob 模块批量处理多个文本文件的自动化技巧。这一步至关重要，因为在真实工作场景中，数据往往分散在各个角落，如何高效地将它们汇聚到一起，是每一位数据分析师的基本功。

课程的精华在于第三阶段——“数据分析简介与思维构建”。这部分内容往往被初学者忽略，却是区分“写代码的人”与“数据分析师”的分水岭。我们将重新定义数据分析师的角色范畴，引导你深入理解数据的性质：什么是定量数据，什么是定性数据？它们各自适用于哪种分析场景？更重要的是，我们将拆解完整的数据分析闭环过程：从问题定义、数据清洗、探索性分析到最终结论输出。通过对比“为什么用 Python 做分析”，你将深刻体会到 Python 在生态系统、库支持及社区活跃度上的压倒性优势。

整门课程不追求面面俱到却浅尝辄止，而是力求在每个环节都做到“知其然更知其所以然”。我们假设你没有任何编程背景，因此节奏平缓但内容扎实；同时，我们也强调实战导向，确保每一个知识点都能映射到实际工作流中。当你学完本课程，你将不再畏惧数据，而是能够自信地拿起 Python，从杂乱无章的信息中提炼出有价值的洞察。这不仅是一次技能的升级，更是一次思维方式的革新。欢迎加入这段旅程，让我们一起开启数据智能的大门。

课程目录

1-1 [Python编程基础] Python语言简介 (04:34).mp4
 1-2 [Python编程基础] Python2 和3的区别 (05:43).mp4
 1-3 [Python编程基础] Win ，Mac 下的区别 (03:55).mp4
 1-4 [Python编程基础] 编码Python程序 (02:45).mp4
 1-5 [Python编程基础] Python基础语法 (11:39).mp4
 1-6 [Python编程基础] 数据类型介绍 (11:26).mp4
 1-7 [Python编程基础] 列表元组集合 (13:59).mp4
 1-8 [Python编程基础] 基本运算符 (12:06).mp4
 1-9 [Python编程基础] 算术运算符 (07:48).mp4
 1-

10 [Python编程基础] 字典介绍 (11:35).mp4
 1-

11 [Python编程基础] IF条件控制 (10:44).mp4
 1-

12 [Python编程基础] 循环语句 (19:41).mp4
 1-

13 [Python编程基础] 常用函数 (03:37).mp4
 1-

14 [Python编程基础] 类介绍 (07:59).mp4
 2-1 [数据获取] Python常用的IDE简介 (04:41).mp4
 2-2 [数据获取] Anaconda (04:06).mp4
 2-3 [数据获取] 与命令行进行交互 (05:27).mp4
 2-4 [数据获取] 读取文本文件 (09:49).mp4
 2-5 [数据获取] 使用glob读取多个文本文件 (10:12).mp4
 2-6 [数据获取] 写入文本文件 (07:13).mp4
 3-1 [数据分析简介] 数据分析师的基本范畴 (16:34).mp4
 3-2 [数据分析简介] 理解数据的性质 (07:00).mp4
 3-3 [数据分析简介] 数据分析过程 (18:48).mp4
 3-4 [数据分析简介] 定量和定性数据分析 (07:13).mp4
 3-5 [数据分析简介] 为什么用Python做分析 (09:15).mp4
 4-1 [读取CSV文件] 基础python与pandas (08:32).mp4
 4-2 [读取CSV文件] 读写CSV文件 (14:02).mp4
 4-3 [读取CSV文件] 筛选特定的行 (29:25).mp4
 4-4 [读取CSV文件] 选取特定的列 (12:44).mp4
 4-5 [读取CSV文件] 选取连续的行 (09:48).mp4
 4-6 [读取CSV文件] 添加标题行 (07:55).mp4
 4-7 [读取CSV文件] 读取多个CSV文件 (14:26).mp4
 4-8 [读取CSV文件] 从多个文件中连接数据 (14:53).mp4
 4-9 [读取CSV文件] 多文件计算 (09:36).mp4
 4-

10 [读取CSV文件] 数据处理练习 (11:15).mp4
 5-1 [读取处理Excel文件] 内省Excel工作簿 (11:37).mp4
 5-2 [读取处理Excel文件] 处理单个工作表 (22:04).mp4
 5-3 [读取处理Excel文件] 读取工作簿中的所有工作表 (09:06).mp4
 5-4 [读取处理Excel文件] 读取工作表数据 (14:09).mp4
 5-5 [读取处理Excel文件] 处理多个工作簿 (17:47).mp4
 5-6 [读取处理Excel文件] 练习：编写一个python脚本 (12:12).mp4
 6-1 [连接数据库] 连接数据库 (19:14).mp4
 6-2 [连接数据库] 认识MYSQL数据库 (24:06).mp4
 6-3 [连接数据库] 操作数据库练习 (13:56).mp4
 7-1 [向量和数组运算-NumPy] NumPy的ndarray (39:02).mp4
 7-2 [向量和数组运算-NumPy] 通用函数 (04:08).mp4
 7-3 [向量和数组运算-NumPy] 数组数据处理 (13:38).mp4
 7-4 [向量和数组运算-NumPy] 数组输入输出 (04:33).mp4
 7-5 [向量和数组运算-NumPy] 线性代数 (08:35).mp4
 7-6 [向量和数组运算-NumPy] 随机数生成 (06:33).mp4
 7-7 [向量和数组运算-NumPy] 随机漫步模拟 (11:51).mp4
 8-1 [数据处理工具-Pandas] Panda介绍 (04:22).mp4
 8-2 [数据处理工具-Pandas] Series创建和操作 (11:17).mp4
 8-3 [数据处理工具-Pandas] Dataframe (09:46).mp4
 8-4 [数据处理工具-Pandas] 各种数据处理 (09:00).mp4
 8-5 [数据处理工具-Pandas] 分组计算和汇总 (11:33).mp4
 8-6 [数据处理工具-Pandas] 数据拆分 (14:02).mp4
 8-7 [数据处理工具-Pandas] 数据合并 (06:28).mp4
 8-8 [数据处理工具-Pandas] 数据去重 (04:21).mp4
 8-9 [数据处理工具-Pandas] 缺失值处理 (11:13).mp4
 8-

10 [数据处理工具-Pandas] 重复值处理和时间数据处理 (14:00).mp4
 9-1 [图表呈现] Matplotlib介绍 (19:10).mp4
 9-2 [图表呈现] 条形图直方图 (16:43).mp4
 9-3 [图表呈现] 箱线图饼图 (18:22).mp4
 9-4 [图表呈现] 折线图散点图 (14:38).mp4
 10-1 [描述性统计与建模] 数据集练习 (12:02).mp4
 10-2 [描述性统计与建模] 描述性统计 (16:49).mp4
 10-3 [描述性统计与建模] 分组直方图和T检验 (16:16).mp4
 10-4 [描述性统计与建模] 变量关系和相关 (13:02).mp4
 10-5 [描述性统计与建模] 最小二乘线性回归 (13:38).mp4
 10-6 [描述性统计与建模] 自变量标准和预测 (15:23).mp4
 10-7 [描述性统计与建模] Logstic回归 (23:13).mp4
 10-8 [描述性统计与建模] 预测分析 (07:06).mp4
 11-1 [按计划自动运行的脚本] 按计划自动运行程序 (20:46).mp4
 11-2 [按计划自动运行的脚本] cron工具 (21:22).mp4
 12-1 [Python Pycharm Anaconda软件安装] 安装Pycharm无声版 (02:30).mp4
 12-2 [Python Pycharm Anaconda软件安装] 安装Anaconda无声版 (04:25).mp4