外观

公共要求与 Python 基础 ​

原文：2025 计算概论 C 钱丽艳班助教团队，版本 1.0，日期 2025 年 11 月 27 日。本页保留 PDF 对应部分全文，章节编号沿用原文。

课程与提交说明 · 公共要求与 Python 基础 · 完整 PDF（网盘链接待补充）

选题入口 ​

1 前言 ​

数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，将它们加以汇总和理解并消化，以求最大化地开发数据的功能，发挥数据的作用。无论是哪个学科，都会有各式各样的数据，也都会存在数据分析相关的工作和应用。随着Python 的广泛应用，Python 在数据分析中也得到越来越多的使用。Python 的便捷性以及其所提供的数据分析及可视化的包，能够成为你进行数据分析的有力工具。在本项大作业中，我们希望你能够结合生成式人工智能和Python代码，来完成对于某种数据的数据分析任务。

注：如果你对Python 以及相关的数据分析基础较为熟悉，可以跳过Python 基础部分，直接查看大作业的要求及注意事项。

2 Python 基础 ​

在这一章节，我们为你列出了在数据分析的过程中可能会用到的一些Python 包——Numpy、Pandas、Matplotlib、Seaborn。希望你在这一章节的内容中，不仅能够掌握这几个包的相关使用，还能够对Python 包的安装流程有更进一步的了解。

2.1 相关包的安装 ​

在使用如上述Numpy 等Python 包之前，你要先经过两个步骤——安装包和导入包：

  1. 安装包：

我们推荐你使用pip进行包的安装。pip 是一个非常好用的Python 包管理工具，在安装好pip 后，只需要通过pip install xxx就可以安装你所需要的包，如pip install numpy。除此之外，你还可以指定安装包的版本，或者修改pip 源进行加速等（附录A）。

  1. 导入包：

在包安装好之后，并不能够在Python 文件中直接使用，而是要通过导入包之后才可以。你可以在特定的Python 文件的开头加入import xxx导入包，如import numpy。你也可以为这个包指定一个简单的名字，如import numpy as np。在导入包下面的代码中，你就可以正常地使用这个包。

2.2 Numpy ​

NumPy（Numerical Python）是Python 的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵，比Python 自身的嵌套列表（nested list structure）结构要高效的多（该结构也可以用来表示矩阵（matrix）），支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。

2.3 Pandas ​

Pandas是基于NumPy 的一种工具，该工具是为解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。pandas 提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现，它是使Python 成为强大而高效的数据分析环境的重要因素之一。

2.4 Matplotlib ​

Matplotlib是一个Python 的2D 绘图库，它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形。通过Matplotlib，开发者可以仅需要几行代码，便可以生成直方图、条形图、散点图等。

2.5 Seaborn ​

Seaborn是Python 中的一个可视化库，是对matplotlib 进行二次封装而成。绘图接口更为集成，可通过少量参数设置实现大量封装绘图，多数图表具有统计学含义，例如分布、关系、统计、回归等，且风格设置更为多样，例如风格、绘图环境和颜色配置等。

上面的链接可以供大家提前了解或者学习更多包的相关用法，Pandas 和Matplotlib 等包都会在我们的课程中涉及到，只用这两个包就可以完成许多基本的数据分析。总的来说，我们希望你使用上课所学过的知识（如Pandas、Matplotlib，可能也可以用到Jieba等来生成词云）来对于某些数据进行分析。

3 大作业要求 ​

3.1 基本要求 ​

在这项大作业中，我们希望你能够针对某种数据进行分析，最后形成一份简单的报告，大致可以包括以下的几部分：

1 . 选题背景（必做）： ​

介绍选题的背景信息，即为什么想选择这一类数据进行研究，可能包括选择这类数据有什么意义或者研究价值等。

  1. 数据获取及介绍（必做）：

介绍数据集的相关情况，比如相关字段、数据集大小等。

  1. 数据分析（必做）：

可能包括描述性统计以及探索性数据分析。描述性统计包括你对数据集的一些数字特征的分析，如有数字时，可以分析平均数、离散程度，也可以对数据的分布进行可视化等；探索性数据分析包括数据集的不同字段之间的某种内在联系，我们可以通过数据分析的手段，如可视化一些箱线图、柱状图等，来探索不同变量之间的相关关系。

  1. 探索性任务（选做）：

如词云生成、情感分析等针对文本数据的特定数据分析手段，以及使用人工智能进行某种类型的生成等。

  1. 总结（必做）：

对于数据分析的结果进行概括性的总结。如果你不知道该如何做，或者是不知道该如何让大模型来帮助你，可以参考附录获得一些简单的示例。

3.2 大作业选题 ​

为了让大家更好地体验数据分析的全过程，我们提供了以下三个选题方向。你可以任选其一。

3.3 其他 ​

我们的大作业并不希望你“卷”很多内容，而是更希望你能够选择一些有意义的数据和数据分析方向进行探索。大作业的满分共10 分，体验一下人工智能辅助的数据分析的过程，只需要获取数据并进行一定的数据分析，完成报告，你就能基本得到全部分数。

4 注意事项 ​

4.1 关于大作业 ​

  1. 分工情况：

大作业可以选择个人完成，也可以选择组队完成，最多每组不超过【2 人】。

  1. 提交要求：

提交内容需要包括数据、代码及报告，代码部分可能涉及数据获取、数据读取、数据处理、数据分析等，报告部分可能涉及选题背景、数据介绍、数据处理及分析、结论等。大作业的所有代码部分均可用大模型生成，但如果使用，请像我附录中所展示的那样，把你写的提示词以及生成结果贴在报告中。提交时，请将它们打包成一个压缩包，命名为：【计概C 大作业】+【组别】+【姓名】+【学号】。如果是2 人合作，每组由一位同学提交即可。

  1. 提交时间：

2025 年12 月28 日晚上24:00，即第16 周周日晚上24:00。

4.2 关于本文档 ​

  1. 本文档中所有暗红色文字均为超链接，可以直接点击查看相关内容。

  2. 关于本文档如有任何问题，或者需要任何指导，欢迎随时与助教进行沟通（邮箱2401112120@stu.pku.edu.cn

5 附录 ​

A Pip ​

我们在用pip 安装包Python 包的过程中，一般都使用pip install xxx这一命令。对于这行命令我们也有一些小小的trick：

  1. 安装特定版本的包：

在使用pip 安装包时，pip 会默认安装你当前Python 环境对应的最新版的包。但是在有些情况下（可能是因为最新版的包移除掉了某些功能，或者是最新版的包与其他包不兼容），我们需要安装旧版的包。这种情况下，可以使用pip install xxx==x.xx这一命令来安装某一特定版本的包，如pip install selenium==3.3；或者还可以用不等号指定安装版本，比如pip install selenium<=3.3可以安装版本不超过3.3的最高版本的包。

  1. 在用pip 安装包时，可能会发现下载非常缓慢，尤其是对于某些较大的包（比如torch这种几百MB 的包），可以选择切换别的镜像源来加快下载速度。比如你可以选择切换清华源：pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple。

  2. 可能你在用pip 安装包的过程中还会有一些其他的问题，只需要在Google 或者CSDN 上搜索一下，大部分都可以得到解决。在本项目中，你大概要安装的包可以通过如下命令来解决：

bash
pip install matplotlib wordcloud snownlp pandas jieba aiotieba tqdm-i https://pypi.tuna.tsinghua.edu.cn/simple

课程资料由授课教师、助教与同学共同积累。

PKU 计算概论 C · 历年资料归档