环节 01
导论
4 学时
课程介绍、初识大数据、数据挖掘与分析方法论、初识 Python、实验平台运行环境设置。
学分
3
总学时
48
机房上机为主
教学环节
8
含 2 个选做实战
实验项目
8
验证·综合·创新
考核权重
50∶50
过程性考核 ∶ 期末上机
思政融入点
4
伦理·规范·合规
课程定位与简介
本课程无先修要求，是《金融数据挖掘实训》与《量化交易策略实战》的前置支撑课，也是两门高阶实践课顺利开展的前提。
《Python编程基础》是金融工程专业核心必修课程，在专业课程链中处于前置支撑、承前启后的关键地位。课程以 Python 语言为载体，系统讲授语法基础、数据类型、流程控制、函数、面向对象编程，重点强化 NumPy、Pandas 等金融数据分析核心库的实操，并融入股票、债券等真实金融场景的综合训练。
教学采用任务驱动方式，编程知识与案例背景都力求由易到难、循序渐进；同时引入 AI 辅助学习，依托 AI 工具完成代码提示、错误排查、思路优化、案例生成与个性化辅导。学完本课程，你能独立写出结构化的数据处理脚本，会用 pandas 清洗并分析行情数据，并具备进入金融数据挖掘与量化策略开发阶段的技术基础。
教学理念：理实结合、岗课相融，遵循循序渐进原则，依托任务驱动与案例教学开展，融入 AI 工具辅助代码编写、排错与答疑。数据处理技术与相关软件更新换代迅速，大纲主要涵盖 Python 基础知识，教学中会根据学生实际能力与技术的更新换代，对已过时或重要性下降的内容作课时缩减或删除，补充新技术知识点。
先修与后续课程
- 先修课程：无（零基础起点，只需具备基本计算机操作能力）
- 平行／后续：金融数据挖掘实训、量化交易策略实战、金融科技与人工智能
- 开课单位：经济与金融学院 金融工程系
教学内容与学时分配
以下为核心教学环节，实验类课程以项目化上机实操展开。
环节 02
Python 基础数据类型
12 学时
数字、字符串、列表、元组、字典与集合的定义、功能及运用的代码编写。
环节 03
Python 运算符及常用语句
6 学时
运算符的功能及运用操作，条件语句与循环语句的功能及运用的代码编写。
环节 04
Python 函数
4 学时
内置函数的功能及运用的代码编写，自定义函数的创建和调用的代码编写。
环节 05
Python 的类
4 学时
类的创建和使用，实例对象的属性和方法。
环节 06
金融数据分析常用库
14 学时
标准库的导入与运用；NumPy、pandas 库的安装、导入、功能及运用的代码编写。
环节 07
金融场景综合运用实战（股票分析）
4 学时（选做）
根据场景需求设计挖掘与分析方案，对股票数据进行挖掘、预处理、分析并提供初级分析报告（选做）。
环节 08
金融场景综合运用实战（债券分析）
4 学时（选做）
根据场景需求设计挖掘与分析方案，对债券数据进行挖掘、预处理、分析并提供初级分析报告（选做）。
课程教材
主教材采用李维勇等《Python编程基础（AI协同）》（微课版），其余为案例驱动入门读本与金融数据分析应用参考；书目以纯文本书封呈现，不使用出版方图片；
教材
Python编程基础（AI协同）（微课版）
人民邮电出版社
Python编程基础（AI协同）（微课版）
主教材
教材
Python编程：案例驱动的快速入门与实践
化学工业出版社
Python编程：案例驱动的快速入门与实践
核心参考
教材
基于Python的金融分析与风险管理（畅享版·基础卷）
人民邮电出版社
基于Python的金融分析与风险管理（畅享版·基础卷）
金融应用
教材
Python金融数据分析
清华大学出版社
Python金融数据分析
实战参考
从课堂到实战
全部 8 个环节均在机房完成，采用演示操作、学生操作、讨论与分享的形式；使用 Python 代码运行平台（Anaconda＋Jupyter Notebook 或 PyCharm）与 AI 工具，完成从环境配置、语法训练到金融数据实战的完整链条。
