自从1991 年诞生以来，Python 已经成为最受欢迎的动态编程语言之一，而且这种趋势还在上升（当然还有Perl、Ruby 等等）。许多人一开始接触Python 就爱上了这个语言，这其中也包括我。经常能够看到有网友在论坛里为了哪个软件更好用而争个不停，其实没有最好的软件，因为任何软件都有它的局限性，任何人心里的“最好”都是“合适自己使用”的代名词。所以我不会尝试说服你认为Python 是最合适科学计算和数据分析的工具。
不过包括麻省理工学院在内的国外很多高校，都已经选用Python 作为教学语言，更不用说越来越多的科研人员使用她来处理实验数据、制作图表，甚至开发科学计算应用程序。
其实我只是想告诉你，Python 是一个既人性化，又优雅，而且单纯的工具。不管你是熟练使用其他软件的程序员/数据分析师，抑或是编程小白，都可以轻松的掌握Python，并使用她进行数据处理和分析，这也是我们这次课程的根本目标——学以致用。
讲师介绍：
阎老师，长期从事数据分析的理论研究、教学和实践工作。
长期关注Python的发展和国内外各行业的应用情况，一直保持着与统计应用前沿的密切接触，在数据挖掘应用、市场研究应用等领域经验丰富。
擅长企业数据分析和企业诊断，参与多项国家级、省级课题的科研工作，曾任多家电商企业的运营顾问和培训师，积累了大量实战经验。
课程大纲：
01. Python概览
1.1 选择合适操作系统的版本
1.2 安装和配置外部接口(IDE)
1.3 创建Python项目
1.4 帮助文档的使用
02. 深入 Python流程控制
2.1 if条件语句
2.2 while循环语句
2.3 for循环语句
2.4 嵌套语句
2.5 循环控制语句
03. 函数及数据结构
3.1 定义函数
3.2 一般性的函数参数格式
3.3 特殊参数格式及用法
3.4 参数用法小结
3.5 Python主要内置函数及用法
3.6 全局变量和局部变量
3.7 数据结构
04. 数据处理与计算
4.1 数据分析标准库
4.2 Numpy生成和创建数组
4.3 数组索引和切片
4.4 数组的算术和统计运算
4.6 简单线性代数
4.5 数据的读取
05. 数据描述与分析
5.1 汇总和计算描述统计
5.2 处理缺失数据
5.3 数据加载、存储与文件格式
06. 绘图与可视化
6.1 基本绘图命令概览
6.2 描述性统计图形概览
6.3 图形元素属性的简单设定
6.4 饼图示例
07. 数据挖掘初探
7.1 一元线性回归
7.2 最优化方法—梯度下降法
7.3 简单的假设检验
08. 异常处理(附录)
联系方式：
尹老师
电话：010-53352991
QQ：42884447
WeChat：yinyinan888
