Python语言是一种面向对象的程序语言，具有易于学习、易于使用、易于维护、功能强大等一系列特点，在大数据与人工智能领域应用广泛。本书较系统地介绍了Python语言程序设计。主要内容包括Python与编程环境、语法基础、程序基本流程控制、典型序列数据结构、函数与函数式编程、面向对象编程基础、文件操作、模块与库、Numpy数值计算、Pandas数据处理分析、Matplotlib库与数据可视化、数据处理与分析综合实战等。本书注重基本方法和实际应用的介绍，实例丰富、语言精练、逻辑层次清晰，适合作为高校Python语言程序设计教材，也可以作为科技人员的参考用书。

在当今数字化快速发展的时代，数据已成为推动社会进步和企业发展的核心驱动力。如何从海量的数据中提取有价值的信息，进行深入的分析并做出明智的决策，已成为各行各业面临的挑战。
在数据处理方面，Python作为一种编程语言，具有高效率、可移植、可扩展、可嵌入、易于维护等优点。其语法简洁，代码高度规范，功能强大且简单易学，不仅在数据处理和分析领域有着广泛的应用，而且在可视化展示方面也展现出巨大的潜力，是程序开发人员必学的语言之一。
在行业应用及高校教学方面，采用Python进行教学、科研、应用开发的机构日益增多。在行业应用方面，Python已经渗透到数据分析、互联网开发、工业智能化、游戏开发等重要的应用领域。在高校教学方面，一些国外知名大学采用Python语言来教授程序设计，例如麻省理工学院的计算机科学及编程导论、卡耐基梅隆大学的编程基础、美国加利福尼亚大学伯克利分校的人工智能课程；目前国内几乎所有的高校都开设了Python程序设计的相关课程。基于此，编者总结自己多年来的教学经验，编写了本书。
本书按照“十四五”高等学校新工科计算机类专业系列教材的总体要求编写，并遵循以下编写原则：①适应原则。从软件开发者的角度，分析Python语言独特的语法规则，使读者能够很好地适应Python的学习节奏，少走弯路。②科学原则。本书是编者多年教学经验的总结和提升，内容遵循学习认知规律，突出程序设计思维，注重理论知识精解与典型案例分析，循序渐进并系统地阐述了Python语言的知识体系和程序设计技巧。③实用原则。本书融合了计算机程序设计与数据分析的内容，通过数据分析方法的学习和应用，培养读者基本的数据分析能力。
本书从基础和实践两个层面引导读者系统、全面地学习Python编程的思想和方法。主要内容如下：第1～2章主要介绍Python的基本知识及理论基础；第3～8章详细介绍Python编程的核心技术，包括控制语句与函数、模块、包以及库的使用、类和继承、文件操作和数据处理的重点知识、使用场景及注意事项，每章最后都给出了一个综合案例程序，帮助读者全面理解Python编程；第9～12章从数据的科学计算、数据处理分析到数据可视化，可以让读者在学习Python基础知识的同时，进一步掌握数据的分析与可视化。
本书的参考课时为48～64学时，可作为高等院校计算机科学与技术、数据科学与大数据技术以及其他计算机相关专业的教材，也可作为Python自学者或相关从业人员的参考书。
在阅读本书时，建议读者不仅要阅读理论知识，更要动手实践。通过编写代码，不仅可以加深理解，还可以发现新的问题和解决方案。此外，可以利用社区资源，参与论坛讨论，提出问题并分享经验。
本书提供了配套的电子资源，包括教学PPT、教学大纲、教学视频等，以实现全方位的教学和学习支持。读者可至中国铁道出版社教育资源数字化平台（https://www.tdpress.com/51eds）下载。希望通过学习本书，读者不仅能够掌握Python编程的知识，而且能够提高分析问题和解决问题的能力，进而在实际工作中运用Python解决各类技术
问题。
由于知识更新迅速，加之编者水平有限，书中难免有不足之处，恳请广大读者批评指正。

编 者
2025年2月

目录
第1章 Python与编程环境1
1.1 计算机程序与编程语言1
1.1.1 计算机程序1
1.1.2 计算机编程语言2
1.1.3 计算机编程语言编译和解释2
1.2 Python语言概述3
1.2.1 Python的起源与发展3
1.2.2 Python的特点3
1.2.3 Python的应用领域与发展趋势3
1.3 Python与PyCharm安装配置4
1.3.1 Python语言的解释器5
1.3.2 Python 3.9.0的下载与安装5
1.3.3 Python开发环境IDLE及其使用7
1.3.4　Python集成开发环境PyCharm的
安装与配置9
本章小结17
思考与练习18
第2章 Python语法基础19
2.1 编码规范19
2.2 保留字和标识符21
2.2.1 保留字21
2.2.2 标识符21
2.3 变量和赋值22
2.3.1 变量的定义22
2.3.2 变量的命名23
2.3.3 变量值的存储23
2.4 数据类型24
2.4.1 常见的数据类型25
2.4.2 数据类型的判断方法26
2.4.3 数据类型转换27
2.5 基本输入和输出28
2.5.1 input()函数28
2.5.2 print()函数29
2.5.3 字符串的格式化输出29
2.6 运算符和表达式31
2.6.1 运算符31
2.6.2 表达式32
2.7 综合案例：求圆的面积和周长34
本章小结34
思考与练习35
第3章 程序基本流程控制36
3.1 选择结构36
3.1.1 单分支结构37
3.1.2 双分支结构37
3.1.3 多分支结构38
3.1.4 嵌套分支结构39
3.2 循环结构40
3.2.1 while循环40
3.2.2 for循环41
3.2.3 循环嵌套42
3.3 break、continue和else语句43
3.4 pass语句45
3.5 程序的错误与异常处理46
3.5.1 程序的错误与处理46
3.5.2 程序的异常与处理46
3.6 综合案例：猜数游戏47
本章小结48
思考与练习49
第4章 典型序列数据结构50
4.1 序列51
4.1.1 序列概述51
4.1.2 序列的基本操作51
4.2 列表的创建与操作55
4.2.1 创建列表56
4.2.2 获取列表元素57
4.2.3 常用的列表操作方法57
4.3 元组的创建与操作60
4.3.1 创建元组60
4.3.2 获取元组元素61
4.3.3 元组操作61
4.4 字典的创建与操作62
4.4.1 创建字典63
4.4.2 获取元素63
4.5 集合的创建与操作66
4.5.1 创建集合66
4.5.2 集合操作66
4.6 推导式与生成器推导式67
4.6.1 列表推导式67
4.6.2 字典推导式69
4.6.3 集合推导式70
4.6.4 元组的生成器推导式70
4.7 数据结构的判断与转换71
4.7.1 列表和元组转换71
4.7.2 列表、元组和集合的转换71
4.8 字符串操作与正则表达式应用72
4.8.1 字符串的常见操作72
4.8.2 正则表达式处理字符串的步骤73
4.8.3 Python支持的正则表达式语法75
4.8.4 使用正则表达式处理字符串76
4.9　综合案例：实现简易版开心背单词系统80
本章小结82
思考与练习82
第5章 函数与函数式编程84
5.1 内置函数84
5.2 自定义函数与调用85
5.2.1 函数的定义85
5.2.2 函数的调用85
5.2.3 函数的返回值85
5.3 函数参数的传递86
5.3.1 固定（位置）参数传递87
5.3.2 默认参数传递87
5.3.3 未知参数个数（可变）传递88
5.3.4 关键字参数传递89
5.4 变量的作用域90
5.4.1 局部变量90
5.4.2 全局变量90
5.5 函数的递归与嵌套91
5.5.1 函数的递归91
5.5.2 函数的嵌套92
5.6 函数式编程93
5.6.1 lambda匿名函数93
5.6.2 map()函数94
5.6.3 reduce()函数95
5.6.4 filter()函数95
5.6.5 zip()函数96
5.7　综合案例：利用函数模拟ATM的业务流程96
本章小结99
思考与练习99
第6章 面向对象编程基础101
6.1 类和对象101
6.2 类的定义和实例化102
6.2.1 类的定义102
6.2.2 类的实例化102
6.3 实例与类的对象属性103
6.3.1 实例对象属性103
6.3.2 类对象属性104
6.3.3　实例对象属性与类对象属性的区别与联系105
6.4 成员属性与成员方法105
6.4.1 成员属性105
6.4.2 成员方法107
6.5 类的继承与多态110
6.5.1 类的继承与多重继承110
6.5.2 多态与多态性113
6.6　综合案例：简易银行账户管理系统
实现115
本章小结116
思考与练习116
第7章 Python文件操作118
7.1 文件与文件操作118
7.1.1 文件数据的组织形式118
7.1.2 文件的操作方法119
7.2 CSV文件读取与写入操作121
7.2.1 读取CSV文件121
7.2.2 CSV文件写入与关闭122
7.3 文件操作的应用123
7.3.1 数据的维度123
7.3.2 一维和二维数据的读写123
7.4　综合案例：消费账单bill.txt数据读取与修改125
本章小结126
思考与练习126
第8章 使用模块和库编程127
8.1 模块的使用与创建128
8.1.1 模块概述128
8.1.2 模块的导入129
8.1.3 模块自定义与使用129
8.2 包的创建与使用130
8.2.1 创建包131
8.2.2 使用包131
8.3 常见标准库的使用132
8.3.1 turtle库的使用132
8.3.2 random库的使用135
8.3.3 时间和日期库的使用137
8.4 常见的第三方库140
8.4.1 第三方库的安装140
8.4.2 中文处理相关库142
8.4.3 网络爬虫相关库145
8.4.4 其他第三方库简介147
8.5　综合案例：基于自定义模块的员工信息管理151
本章小结153
思考与练习153
第9章 Numpy数值计算155
9.1 数组的创建与访问156
9.1.1 创建数组156
9.1.2 查看数组属性159
9.1.3 访问数组159
9.1.4 修改数组162
9.2 数组的运算164
9.2.1 数组的转置164
9.2.2 数组的算术运算165
9.2.3 数组的布尔运算168
9.2.4 数组的点积运算168
9.2.5 数组的统计运算169
9.3 数组的操作170
9.3.1 数组的排序170
9.3.2 数组的合并172
9.4　综合案例：鸢尾花数据计算与分析173
本章小结174
思考与练习175
第10章 Pandas数据处理分析176
10.1 Pandas基本数据结构176
10.1.1 Series数据结构定义与操作176
10.1.2　DataFrame数据结构定义与操作180
10.1.3 访问DataFrame数据元素182
10.1.4　修改与删除DataFrame数据元素185
10.1.5 DataFrame数据元素的排序187
10.2 数据分析的基本流程190
10.3 数据的导入与导出191
10.3.1 数据的导入191
10.3.2 数据的导出194
10.4 数据预处理195
10.4.1 缺失值处理195
10.4.2 异常值处理198
10.4.3 重复值处理199
10.4.4 其他处理200
10.5 数据分析方法203
10.5.1 基本统计分析203
10.5.2 分组分析204
10.5.3 分布分析206
10.5.4 交叉分析207
10.5.5 结构分析208
10.5.6 相关分析209
10.6 DataFrame的合并与连接210
10.6.1 DataFrame的合并210
10.6.2 DataFrame的连接210
10.7　综合案例：基于家电销售数据集的处理分析212
10.7.1 数据描述性统计分析212
10.7.2 数据清洗与预处理214
10.7.3 家电销售数据集统计分析218
本章小结219
思考与练习220
第11章 Matplotlib库与数据可视化221
11.1 数据可视化概述221
11.1.1 常见的可视化图表类型221
11.1.2 可视化图表的基本构成225
11.1.3 数据可视化方式选择依据227
11.1.4 常见的数据可视化库227
11.2 可视化Matplotlib库的概述228
11.2.1 Matplotlib库的使用导入与设置228
11.2.2 Matplotlib库绘图的层次结构228
11.3 Matplotlib库绘图的基本流程229
11.3.1 创建简单图表的基本流程229
11.3.2 绘制子图的基本流程231
11.4 使用Matplotlib库绘图常用图表233
11.4.1 绘制直方图233
11.4.2 绘制散点图234
11.4.3 绘制柱状图235
11.4.4 绘制折线图237
11.4.5 绘制饼形图238
11.4.6 绘制面积图241
11.4.7 绘制热力图242
11.4.8 箱线图243
11.4.9 雷达图246
11.4.10 绘制3D图形247
11.5 图表辅助元素的设置248
11.5.1　设置坐标轴的标签、刻度范围和刻度标签249
11.5.2 添加标题和图例250
11.5.3 显示网格252
11.5.4 添加参考线和参考区域252
11.5.5 添加注释文本253
11.5.6 添加表格254
11.6　综合案例一：基于家电数据集绘制图表255
11.7 综合案例二：图表辅助元素设置257
本章小结260
思考与练习260
第12章 数据处理与分析综合实战262
12.1 数据集准备262
12.2 编程实现数据处理分析263
12.2.1 数据探索263
12.2.2 处理数据263
12.3　Pandas库实现成绩数据处理与分析265
12.3.1 数据探索265
12.3.2 数据预处理267
12.3.3 数据选取269
12.3.4 数据分析270
12.3.5 数据可视化272
12.3.6 数据输出273
本章小结273
思考与练习273

李辉，研究生导师，中国农业大学计算中心主任兼农业大数据实验室主任，教育部评估专家组成员，农业农村部全国苹果大数据发展应用协作组专家咨询委员会委员，北京市大数据教学实践基地负责人，智慧养殖产业研究院负责人，山东省泰山产业（智慧农业）领军团队核心人才，北京市重大信息化项目评审专家，中国大数据技术与应用联盟智库专家。主要从事数据科学与智能系统、高等教育教学改革与创新等方面的研究工作。主要教授Python程序设计、SQL数据分析与实战、数据分析与可视化、数据库原理及及应用基础等课程，2021年校级教学成果一等奖，2019年度被全国高校人工智能与大数据教学联盟授予“全国高校人工智能与大数据教育人物创新奖”。

金晓萍，中国农业大学副教授，从事大数据、人工智能在人因及人机交互中的应用研究，发表学术论文20多篇，主持教育部产学合作协同育人项目：“基于新工科的《数据分析及可视化》课程资源研发”等教育教学改革项目10余项。

①从软件开发者的角度，分析Python语言独特的语法规则，使读者能够很好地适应Python的学习节奏，少走弯路。

②本书是编者多年教学经验的总结和提升，内容遵循学习认知规律，突出程序设计思维，注重理论知识精解与典型案例分析，循序渐进并系统地阐述了Python语言的知识体系和程序设计技巧。每章最后设置了一个综合案例，有助于提升实践能力。

③本书融合了计算机程序设计与数据分析的内容，通过数据分析方法的学习和应用，培养读者基本的数据分析能力。

④本书提供了配套的电子资源，包括教学PPT、教学大纲、教学视频等，以实现全方位的教学和学习支持。