Python程序设计实验指南2020：文本与数值数据处理

"这是一本关于Python程序设计的实践指导书，特别针对2020年的实验教学。书中包含了一系列的编程实验，旨在帮助学生熟悉Python的基本数据结构和文件的输入输出操作。实验主要在anaconda3环境下进行，使用了真实的数据集，如中国机器学习会议的评测数据和阿里天池大赛的数据，让学生在实践中学习数据分析和处理。" 实验一的核心知识点： 1. Python基础数据结构：实验要求处理数据，这就涉及到了Python的基础数据结构，如列表、元组、字典等。列表用于存储有序的数据，便于对训练集和测试集的每一列进行操作；字典则可以用来快速查找和组织数据，例如按关系类型分类。 2. 文件输入与输出：实验需要读取和写入文件，这是Python编程中必不可少的部分。`open()`函数用于打开文件，`read()`和`write()`方法分别用于读取和写入数据，`with`语句可以确保文件正确关闭。 3. 数据处理：实验要求对数据进行预处理，包括筛选、分类和归档。这需要掌握条件判断、循环语句以及数据的切片和组合操作。 4. 文件操作：创建新文件并写入数据，需要了解`write()`函数的使用。同时，为了保持原始数据的格式，可能需要用到字符串格式化和换行符`\n`。 5. 流程设计：实验报告需要描述处理文件的思路，这可能涉及到流程图的绘制，可以使用Python的流程图库如`graphviz`来辅助表达。 实验二的关键知识点： 1. 处理数值型数据：实验二使用了CSV文件，需要掌握Python的`csv`模块来读取和处理这类数据。此外，可能会用到`pandas`库，它提供了高效的数据分析和处理功能，如数据清洗、转换和统计分析。 2. 数据分析：处理阿里天池大赛的数据可能涉及到数据探索性分析，包括计算统计量、绘图等，这些都需要使用`pandas`和`matplotlib`或`seaborn`等可视化库。 3. 文件操作：与实验一类似，需要读取CSV文件，但可能更复杂，因为数据包含多个表格。`pandas`的`read_csv()`函数能方便地读取CSV文件，并将其转化为DataFrame对象。 4. 数据整合：如果用户行为表和歌曲艺人表需要合并，需要了解如何基于共同的键进行数据融合，这在`pandas`中可以通过`merge()`函数实现。 每个实验都要求提交处理后的文件和实验报告，这意味着学生需要具备良好的代码组织能力和文档编写能力，同时，口头答辩环节则考察了他们对实验的理解和应用能力。整个过程全面锻炼了学生的Python编程技能和数据处理能力。