本书共包含7个部分，即绪论、5个项目、课程拓展。绪论部分介绍了课程的定位及课程的素质目标、能力目标、知识目标等；5 个项目分别涵盖了 Python 在文件操作、数据分析、数据可视化、管理信息系统及网络爬虫等方面的相关知识点、综合项目案例及技能训练；课程拓展部分主要介绍与本课程紧密相关的岗位、竞赛、证书及相关的知识和技能需求。
本书既可作为高等职业教育人工智能应用技术、软件技术、计算机应用技术等专业的教材使用，也可供Python语言编程爱好者参考使用。

1. 职业标准与教学标准深度融合,为学生未来的职业发展打下坚实的基础。
2. 实践与理论的紧密结合，确保教学内容与行业需求高度一致。

党的二十大报告强调，推动战略性新兴产业融合集群发展，构建新一代信息技术、人工智能等一批新的增长引擎。新一代信息技术的高速发展，不仅为我国加快推进智造强国、网络强国和数字中国建设提供了坚实有力的支撑，而且将促进百行千业升级蝶变，成为推动我国经济高质量发展的新动能。Python 作为人工智能、信息技术领域应用最广泛的编程语言之一，在各行各业中扮演着至关重要的角色。通过系统地学习 Python，学生能够通过编程解决实际问题，优化用户体验，并利用数据分析支持决策，与全球数字化发展趋势保持同步。这就要求学生不仅要精通编程技能，还需在实际应用中不断地适应和创新，开拓新的应用领域和解决方案。
本书基于岗课赛证融通的一体化开发，为相关课程和对应职业技能等级证书的学习和考核提供系统性的内容支撑。本书采用项目导向、任务驱动的组织模式，通过构建真实的编程任务场景来解析软件开发中所需的理论知识和技能要点。
在本书的创作过程中，编写团队进行了深入的市场调研，分析了众多领先技术企业对Python程序设计岗位的专业技能需求。同时，编写团队广泛搜集并研究了大量国内外关于计算机科学和软件开发的文献资料，以确保教材内容既具有理论深度，又符合实际应用需求，从而形成了以下几个鲜明的特色。
1. 职业标准与教学标准深度融合
本书融合了先进的教学方法和课程要求，全面覆盖了从Python基础知识到实际应用的各个环节。通过这种全面而深入的教学方式，学生在课程结束时将能够熟练掌握关键的工作技能，从而在职场竞争中占据优势，并为未来的职业发展打下坚实的基础。
2. 实践与理论的紧密结合
本书通过校企合作模式，实现了理论与实践的紧密结合，确保教学内容与行

业需求高度一致。每个教学单元都围绕实际案例展开，包括理论讲解、任务实施和技能训练，为学生提供真实的行业实战经验。
同时，本书开发有配套的在线开放课程、教学课件、微课、习题答案等类型丰富的数字化教学资源，实现了教学内容的电子化、知识展示的多维化、信息流通的网联化、信息管理的自动化、学习互动的增强化，可进一步提升学生自主学习的效率。
本书由刘艺琴担任主编，由刘艺琴、马千知、余灿玲、周勤生、刘春华共同编写。其中，刘艺琴负责全书统稿并编写前言、绪论、项目1和附录A；余灿玲负责编写项目2；马千知负责编写项目3；周勤生负责编写项目4；刘春华负责编写项目5。在编写过程中，编者参考了大量相关书籍及最新研究资料，且大部分均已在书后参考文献中列出，在此一并表示衷心感谢！
由于作者水平有限，书中不足之处在所难免，敬请广大读者及同行专家批评指正。

编 者
2025年1月

绪论 1
项目1　人口普查数据文件读写 5
知识准备 7
1.1　数据 7
1.1.1 数据的概念 7
1.1.2 数据的获取途径 8
1.2 计算机程序 9
1.2.1 计算机程序的概念 9
1.2.2 编写程序的目的 9
1.2.3 程序处理的对象 10
1.3 Python的安装与使用 10
1.3.1 Python的下载及安装 10
1.3.2 Python的命令行使用方式 12
1.3.3 Python的文件操作方式 12
1.4　变量 13
1.4.1 变量的概念 13
1.4.2 变量的命名规则 14
1.5 程序结构 15
1.5.1 顺序结构 15
1.5.2 分支结构 16
1.5.3 循环结构 17
1.6 函数 18
1.6.1 函数的概念 18
1.6.2 函数的类型及使用 18
1.7 库 24
1.7.1 标准库 24
1.7.2 第三方库 25
1.8 注释 26
1.8.1 单行注释 26
1.8.2 多行注释 27
任务实施 27
1. 人口普查数据读取 27
2. 人口普查数据保存 29
知识拓展 30
1. os库的文件操作 30
2. os库的路径操作 31
3. 相对路径和绝对路径 32
项目2　受高等教育人口情况统计 36
知识准备 38
2.1 环境搭建 38
2.1.1 Anaconda的安装 38
2.1.2 Jupyter Notebook的使用 39
2.2 数据类型 42
2.2.1 基本数据类型 42
2.2.2 复合数据类型 45
2.2.3 数据类型的查看 51
2.2.4 数据类型的转换 52
2.3 控制语句 53
2.3.1 if语句 53
2.3.2 for循环语句 55
2.3.3 while循环语句 56
2.3.4 嵌套循环 57
2.4 输入输出 57
2.4.1 输入 58
2.4.2 输出 58
任务实施 62
1. 全国大专学历总人数及占比 62
2. 各地区大专学历总人数及占比 63
3. 各地区大专人数占比与全国水平的比较 64
4. 各地区受高等教育人数及占比 65
知识拓展 66
1. Python运算符及其优先级 66
2. break语句与continue语句 71
3. 字典推导式与列表推导式 72

项目3　劳动力人口数据分析 77
知识准备 79
3.1 数据分析与数据可视化 79
3.2 pandas库 79
3.2.1 pandas库简介 79
3.2.2 Series对象 80
3.2.3 DataFrame对象 85
3.3 matplotlib库 89
3.3.1 matplotlib库简介 89
3.3.2 画布的创建 90
3.3.3 子图的创建 91
3.3.4 标签信息的添加 92
3.3.5 常见图表的绘制 94
3.3.6 颜色、线型、标记的设置 96
3.3.7 绘制图形的保存 97
3.4 数据合并 98
3.4.1 merge()函数 98
3.4.2 join()函数 99
3.4.3 concat()函数 100
3.5 数据清洗 101
3.5.1 空值和缺失值的处理 102
3.5.2 重复值的处理 103
3.5.3 异常值的处理 103
任务实施 104
1. 全国劳动力人口数据的获取与读取 104
2. 全国劳动力人口数据的预处理 108
3. 2019年全国劳动力人口分布情况分析 112
4. 2019年各省区市劳动力人口占比分析 115
5. 20092019年全国劳动力总人口变化情况分析 117
6. 20092019年top5省区市劳动力人口变化情况分析 119
知识拓展 122
1. numpy库简介 122
2. ndarray数组对象 122
3. ndarray数组的索引和切片 125
4. ndarray数组的运算 126
5. numpy库中的统计函数 128
项目4　人口信息管理系统开发 133
知识准备 135
4.1 Pycharm开发工具 135
4.1.1 Pycharm简介 135
4.1.2 Pycharm的下载 135
4.1.3 Pycharm的安装 136
4.1.4 Pycharm的基本使用 138
4.2 函数 139
4.2.1 函数的定义 139
4.2.2 函数的调用 142
4.2.3 函数的参数 143
4.2.4 函数的返回值 144
4.3 类和对象 145
4.3.1 面向对象 145
4.3.2 类和对象的概念 146
4.3.3 类和对象的创建与使用 147
4.3.4 封装 149
4.4 继承 150
4.4.1 继承的概念 150
4.4.2 继承的使用 152
4.5 异常 154
4.5.1 异常的概念和使用 154
4.5.2 内置异常类型 156
任务实施 157
1. 界面设计 158
2. 人口数据加载 170
3. 用户登录 178
4. 人口信息添加 181
5. 人口信息修改 185
6. 人口信息删除 194
7. 人口信息搜索 196
8. 项目总结 197
知识拓展 199
1. Lambda表达式 199
2. 函数的递归 200
3. 多态性 201
4. 静态方法 202
5. 特殊方法 203
项目5　人口数据爬取 208
知识准备 210
5.1 HTTP的基本原理 210
5.1.1 URL 210
5.1.2 超文本 210
5.1.3 HTTP请求及响应的基本过程 211
5.2 HTML网页基础 213
5.2.1 HTML 213
5.2.2 HTML标签及其基本结构 214
5.2.3 节点树及节点间的关系 215
5.2.4 HTML标签属性 216
5.3 网络爬虫的基本原理 217
5.4 requests库 218
5.4.1 requests库的安装 218
5.4.2 requests库的基本用法 218
5.5 BeautifulSoup库 219
5.5.1 BeautifulSoup库的安装 219
5.5.2 BeautifulSoup库的基本用法 220
5.5.3 标签属性和值的获取 221
5.5.4 文档树搜索 222
任务实施 223
1. 获取网页 224
2. 分析网页 225
3. 解析网页 225
4. 存储数据 226
知识拓展 227
1. JavaScript渲染 227
2. JSON数据的请求 228
3. Scrapy简介 229
附录A　课程拓展 235
参考文献 239