一、Python基本语句

1. Python简介

2. 基本语句（主要6种）

3. 赋值语句

(1) 变量定义

(2) 赋值运算符

4. 输出语句

(1) print语句

(2) 自动换行，不换行输出

(3) 变量位置输出

(4) 格式化字符串输出

5. 输入语句

(1) input语句

6. 判断语句

(1) if-elif-else语句

(2) 比较运算符

(3) 成员运算符

(4) 布尔运算符

(5) 身份运算符

7. 循环语句

(1) 遍历循环for-else

(2) 条件循环while-else

(3) 循环中断（break和continue）

8. 异常语句

(1) try-excep-else-finally

9. 其它特殊语句

演练：访问文件/目录

二、Python数据类型

1. Python对象识别

2. 常用的六种标准数据类型

(1) 不可变类型（Number, String, Tuple）

(2) 可变类型（list, Dict, Set）

3. 数字类型

(1) 四种常用数字类型（int, Boolean, float, complex）

(2) 数字格式化字符

(3) 运算符（算术运算符、位运算符）

4. 字符串

(1) 字符串表示

(2) 字符串访问

(3) 字符串转义

(4) 字符串前缀

(5) 字符串操作

(6) 字符串格式化

5. 列表

(1) 列表定义

(2) 列表访问

(3) 列表修改

(4) 列表操作

(5) 列表切片

6. 元组

(1) 元组定义

(2) 元组访问

(3) 元组切片

7. 字典

(1) 字典定义

(2) 字典访问

(3) 字典修改

(4) 字典操作

8. 集合

(1) 集合定义

(2) 集合访问

(3) 集合修改

(4) 集合运算

三、数据分析基础

1. 数据决策三个环节

2. 数据分析六个步骤

(1) 步骤1：明确目的--理清思路

(2) 步骤2：数据收集—理清思路

(3) 步骤3：数据预处理—寻找答案

(4) 步骤4：数据分析--寻找答案

(5) 步骤5：数据展示--观点表达

(6) 步骤6：报表撰写--观点表达

演练：如何用搭建精准营销的数据分析框架

演练：如何搭建用户购买行为的数据分析框架

四、数据操作基础

1. 简化的Python操作过程

2. 数据分析常用扩展包

(1) Numpy数组处理支持

(2) Pandas数据分析和探索工具

(3) Matplotlib可视化工具库

3. 数据集读写

(1) 读取文件（CSV、Excel）

(2) 数据集保存（CSV、Excel）

4. 数据集结构

(1) 数据集基本属性

(2) Index：位置索引、标签索引

(3) Series：一维结构

(4) DataFrame：二维结构

5. 数据集基本操作

(1) 数据访问

(2) 字段类型

(3) 类型检查

(4) 类型转换

(5) 定义有序类别变量

(6) 排序

(7) 按值排序

(8) 按索引排序

(9) 数据筛选

(10) 数据修改

(11) 数据删除

演示：数据读取，访问，预处理，筛选

五、统计分析方法篇

1. 数据分析三个阶段

2. 统计分析基础

(1) 统计分析的关键要素

(2) 统计分析三个步骤

3. 六种统计操作

(1) 描述统计describe/unique

(2) 分类计数value_counts

(3) 分段计数/分箱计数value_counts(bins)

(4) 分类汇总(groupby, count/sum/mean/…)

(5) 透视表（多维统计分析）pivot_table

(6) 按日期汇总set_index/resameple/to_period

(7) 案例实战：掌握常用的Python统计函数/方法

4. 五种统计分析方法

(1) 对比分析法(不同用户的消费水平差异)

(2) 结构分析法(用户的学历结构、收入结构分析、动态结构分析)

(3) 分布分析法(用户的年龄分布、用户消费层次)

(4) 交叉分析法(产品偏好分析)

(5) 趋势分析法(销售淡旺季节、用户活跃时间)

(6) 案例实战：掌握常用的统计分析方法