【Python机器学习入门1】VSCode环境配置与Python基础

课程概述

欢迎来到Python机器学习世界！

亲爱的学习者，欢迎开启你的机器学习之旅！这是一套专为零基础初学者设计的完整课程，通过24个精心设计的课时，带你从完全不懂编程到能够独立完成机器学习项目。

课程设计理念

为什么选择机器学习？ 机器学习是当今最具影响力的技术之一，它正在改变我们的生活：

• 🛍️ 智能推荐：淘宝、抖音的个性化推荐系统

• 🗣️ 语音助手：小爱同学、Siri的语音识别

• 🏥 医疗诊断：AI辅助疾病诊断

• 🚗 自动驾驶：特斯拉、百度的自动驾驶技术

• 💳 金融风控：银行欺诈检测系统

我们的教学理念：

• 从零开始：不需要任何编程基础

• 实战驱动：每个概念都配有可运行的代码示例

• 工具友好：使用完全免费的VSCode工具

• 项目导向：通过真实项目串联所有知识点

• 循序渐进：精心设计的学习路径，步步为营

学习路径规划

我们的24课时课程分为四个阶段：

第一阶段：基础准备（第1-6课时）

• Python编程基础

• 数据处理与可视化

• 开发环境配置

第二阶段：核心概念（第7-12课时）

• 机器学习基础概念

• 数据预处理技术

• 模型评估方法

第三阶段：算法实战（第13-18课时）

• 常用机器学习算法

• 模型训练与调优

• 无监督学习技术

第四阶段：项目实战（第19-24课时）

• 端到端项目开发

• 模型部署基础

• 成果展示与总结

工具选择：为什么是VSCode？

VSCode的优势：

• 🆓 完全免费：无需担心许可证问题

• 🔧 功能强大：提供专业级的开发体验

• 📚 生态丰富：海量扩展插件

• 🌐 跨平台：Windows、macOS、Linux全支持

• 🤖 AI智能：内置AI代码补全功能

VSCode + Jupyter扩展 = 完美组合 我们将使用VSCode的Jupyter扩展，它结合了代码编辑器和交互式笔记本的优点，让你既能享受专业的代码编辑功能，又能进行交互式数据探索。

学习目标

完成本课程后，你将能够：

• ✅ 熟练使用Python进行数据处理和分析

• ✅ 理解并实现常见的机器学习算法

• ✅ 使用VSCode进行专业的项目开发

• ✅ 完成端到端的机器学习项目

• ✅ 具备继续学习深度学习的基础

所需基础

• 数学基础：高中数学水平即可

• 编程基础：零基础开始，我们会手把手教学

• 英语基础：能够阅读简单英文文档

• 学习态度：保持好奇心和坚持学习的决心

学习建议

1. 动手实践：编程是技能，只看不练很难掌握

2. 循序渐进：不要跳课，每个课时都是后续内容的基础

3. 多问多查：遇到问题先尝试自己解决，再寻求帮助

4. 坚持练习：每天进步一点点，比一次性学很多更有效

现在，让我们开始第一课时的学习！

---

第一课时：VSCode环境配置与Python基础

课时概览

学习目标：完成VSCode环境配置，掌握Python和Jupyter Notebook基础操作
预计时长：2-3小时（可按自己的节奏学习）
核心工具：VSCode + Jupyter扩展
学习成果：能够独立创建和运行Python程序，理解基本编程概念

本课时的重要性

第一课时就像建房子的地基，虽然可能有些枯燥，但这是成为机器学习工程师的重要第一步。正确的环境配置和基础概念理解，可以避免后续学习中的很多问题。

---

一、开发环境配置

1.1 为什么选择这个工具组合？

详细讲解：

在学习编程的初期，选择一个合适的开发工具非常重要。我们选择VSCode + Jupyter扩展的组合，原因如下：

VSCode的优势：

• 智能代码补全：输入代码时自动提示，减少拼写错误

• 实时错误检查：立即发现代码中的问题

• 强大的调试功能：像侦探一样追踪代码执行过程

• 丰富的扩展生态：可以通过插件扩展各种功能

• 完全免费：不用担心许可证问题

Jupyter扩展的优势：

• 交互式编程：可以分块运行代码，立即看到结果

• 混合文档：代码和说明文字可以写在一起

• 数据探索友好：特别适合数据分析和机器学习

• 可视化支持：图表可以直接在笔记本中显示

这个组合为什么适合初学者：

1. 降低学习门槛：不需要记忆复杂的命令行操作

2. 即时反馈：每写一行代码都能立即看到结果

3. 错误友好：错误信息清晰，便于理解和修复

4. 培养好习惯：从一开始就使用专业工具

1.2 安装步骤详解

详细讲解：

让我们一步步完成环境配置。请严格按照顺序操作：

步骤1：安装Python

Python是我们的编程语言，就像学英语需要先学字母一样。

安装步骤：
1. 访问Python官网：https://www.python.org/downloads/
2. 点击黄色的"Download Python"按钮
3. 运行下载的安装程序
4. **重要**：在安装向导中，务必勾选"Add Python to PATH"
5. 点击"Install Now"完成安装验证安装：
1. 打开命令行（Windows：按Win+R，输入cmd；macOS：打开终端）
2. 输入：python --version
3. 如果显示Python版本号（如Python 3.9.0），说明安装成功

为什么需要添加到PATH？ PATH是系统寻找可执行文件的路径。添加到PATH后，你可以在任何位置运行Python，否则只能在特定目录运行。

步骤2：安装VSCode

VSCode是我们的代码编辑器，就像作家的笔一样。

安装步骤：
1. 访问VSCode官网：https://code.visualstudio.com/
2. 点击蓝色的"Download for ..."按钮
3. 运行安装程序，按照向导完成安装
4. 安装完成后打开VSCode

步骤3：安装必要扩展

扩展就像给VSCode安装插件，让它具备更多功能。

安装步骤：

1. 打开VSCode

2. 点击左侧的扩展图标（四个小方块）或按Ctrl+Shift+X

   

3. 搜索并安装以下扩展：

   • Python (由Microsoft发布)

     

   • Jupyter (由Microsoft发布)

     

   • Chinese (Simplified) Language Pack（可选，中文语言包）

     

1.3 配置VSCode

详细讲解：

让我们配置VSCode，让它更适合Python开发：

# 配置步骤：# 1. 设置Python解释器
#    - 按Ctrl+Shift+P打开命令面板
#    - 输入"Python: Select Interpreter"
#    - 选择刚才安装的Python

# 2. 推荐设置（可选但建议）：
#    - 文件 -> 首选项 -> 设置
#    - 搜索"auto save"，选择"onFocusChange"
#    - 搜索"word wrap"，选择"on"# 3. 测试配置
#    - 新建文件（Ctrl+N）
#    - 输入：print("Hello VSCode!")
#    - 保存为test.py（Ctrl+S）
#    - 按F5运行

---

二、创建第一个Jupyter Notebook

2.1 什么是Jupyter Notebook？

详细讲解：

Jupyter Notebook是一种交互式编程环境，它改变了传统的编程方式：

传统编程方式：

• 写完整的程序

• 运行整个程序

• 如果出错，从头开始调试

Jupyter Notebook方式：

• 将程序分成多个"单元格"

• 可以单独运行每个单元格

• 立即看到每个步骤的结果

• 特别适合数据探索和机器学习

类比理解： 把Jupyter Notebook想象成一个科学实验笔记本：

• 每个单元格是一个实验步骤

• 你可以记录实验过程（Markdown单元格）

• 可以执行实验操作（代码单元格）

• 立即看到实验结果

2.2 在VSCode中创建Notebook

详细讲解：

让我们创建第一个Jupyter Notebook：

# 创建步骤：# 1. 打开VSCode
# 2. 按Ctrl+Shift+P打开命令面板
# 3. 输入"Jupyter: Create New Jupyter Notebook"
# 4. 选择"Python"作为内核（Kernel）
# 5. 保存文件：按Ctrl+S，保存为"01_python_basics.ipynb"# 注意：文件扩展名是.ipynb，表示Jupyter Notebook文件

2.3 Jupyter Notebook界面详解

详细讲解：

让我们熟悉Jupyter Notebook的界面：

## Notebook界面组成：### 1. 工具栏
- [+ Code]：添加代码单元格
- [+ Markdown]：添加文档单元格
- [运行]：执行当前单元格
- [停止]：停止执行
- [重启内核]：重新开始（清空所有变量）### 2. 单元格类型
- **代码单元格**：灰色背景，用于编写和执行Python代码
- **Markdown单元格**：白色背景，用于写文档和说明### 3. 单元格状态
- [ ]：未执行
- [*]：正在执行
- [1]：已执行，数字表示执行顺序

### 4. 常用快捷键
- Shift+Enter：运行当前单元格并跳到下一个
- Ctrl+Enter：运行当前单元格并停留在当前
- A：在上方插入单元格
- B：在下方插入单元格
- D+D：删除当前单元格
- M：转换为Markdown单元格
- Y：转换为代码单元格

---

三、Python基础语法

3.1 第一个Python程序

详细讲解：

让我们编写第一个Python程序，理解基本的编程概念：
（%% [markdown] 表示markdown单元格， %%表示Python单元格）

# 在VSCode的Notebook中创建第一个单元格# %% [markdown]
# # 我的第一个Python程序
# 
# 在这个Notebook中，我将学习Python的基础语法

# %%
# 单元格1：打印语句
print("Hello, Machine Learning!")
print("欢迎来到机器学习课程！")# 打印语句的作用：向屏幕输出信息
# print()是Python的内置函数，用于输出内容
# 引号内的内容会原样输出

# %%
# 单元格2：变量和基本运算
# 变量就像数学中的未知数，用于存储数据
a = 10      # 将数字10存储在变量a中
b = 3       # 将数字3存储在变量b中# 基本数学运算
print(f"{a} + {b} = {a + b}")    # 加法
print(f"{a} - {b} = {a - b}")    # 减法  
print(f"{a} * {b} = {a * b}")    # 乘法
print(f"{a} / {b} = {a / b:.2f}") # 除法，保留2位小数
print(f"{a} 的平方是 {a ** 2}")   # 平方运算# 注意：f"..."是f-string，可以在字符串中嵌入变量

重要概念解释：

1. 变量：就像数学中的x、y，用于存储数据

2. 赋值：=不是相等，而是"赋值给"

3. 函数：print()是一个函数，用于输出内容

4. 注释：#后面的内容不会被执行，用于解释代码

3.2 数据类型

详细讲解：

Python有多种数据类型，就像现实世界有不同种类的东西：

# %% [markdown]
# ## Python数据类型
# 
# 数据类型决定了数据可以做什么操作

# %%
# 单元格3：基本数据类型
# 整数 (int) - 没有小数点的数字
age = 25
students_count = 30# 浮点数 (float) - 有小数点的数字
price = 19.99
temperature = 36.6# 字符串 (str) - 文本数据，用引号包围
name = "张三"
course = "机器学习"
message = 'Hello World'# 布尔值 (bool) - 只有两个值：True或False
is_student = True
has_graduated = False# 查看数据类型
print(f"年龄: {age} (类型: {type(age)})")
print(f"价格: {price} (类型: {type(price)})")
print(f"姓名: {name} (类型: {type(name)})")
print(f"是否学生: {is_student} (类型: {type(is_student)})")

# %%
# 单元格4：数据结构
# 列表 (List) - 有序的元素集合，用方括号[]
fruits = ["苹果", "香蕉", "橙子", "草莓"]
numbers = [1, 2, 3, 4, 5]print("水果列表:", fruits)
print("数字列表:", numbers)# 访问列表元素（索引从0开始）
print("第一个水果:", fruits[0])      # 索引0表示第一个元素
print("最后一个数字:", numbers[-1])   # 索引-1表示最后一个元素# 列表操作
fruits.append("葡萄")  # 在末尾添加元素
print("添加葡萄后:", fruits)numbers.remove(3)      # 删除元素3
print("删除3后:", numbers)# %%
# 单元格5：字典 (Dictionary)
# 字典存储键值对，用花括号{}
student = {"姓名": "李四","年龄": 20,"专业": "计算机科学","成绩": 85.5,"选修课程": ["机器学习", "深度学习", "自然语言处理"]
}print("学生信息:")
# 遍历字典的键值对
for key, value in student.items():print(f"  {key}: {value}")# 访问特定值
print(f"学生姓名: {student['姓名']}")
print(f"选修课程: {student['选修课程']}")

数据类型总结：

数据类型	例子	用途
int	25, -10	整数计算
float	3.14, -2.5	小数计算
str	"hello", 'Python'	文本处理
bool	True, False	逻辑判断
list	[1, 2, 3], ['a', 'b']	有序集合
dict	{'name': 'John', 'age': 20}	键值对存储

3.3 控制流

详细讲解：

控制流让程序能够根据不同情况执行不同的代码：

# %% [markdown]
# ## 控制流
# 
# 控制程序执行的流程

# %%
# 单元格6：条件判断 - if语句
score = 88# if-elif-else结构
if score >= 90:grade = "优秀"print("🎉 成绩优秀！")
elif score >= 80:grade = "良好"print("👍 成绩良好！")  # 这个会被执行
elif score >= 70:grade = "中等"print("✅ 成绩中等")
elif score >= 60:grade = "及格"print("⚠️ 刚刚及格")
else:grade = "不及格"print("❌ 需要补考")print(f"分数: {score}, 等级: {grade}")# %%
# 单元格7：循环 - for循环
# 遍历数字序列
print("数字1-5的平方:")
for i in range(1, 6):  # range(1,6)生成1,2,3,4,5square = i ** 2print(f"{i}² = {square}")# 遍历列表
print("\n水果列表:")
# enumerate同时获取索引和值
for index, fruit in enumerate(fruits):print(f"{index + 1}. {fruit}")

# %%
# 单元格8：while循环
# while在条件为真时重复执行
count = 1
print("使用while循环计数:")
while count <= 5:print(f"计数: {count}")count += 1  # 相当于 count = count + 1

控制流要点：

1. 条件判断：让程序根据不同情况做出决策

2. 循环：重复执行相似的操作

3. 缩进：Python用缩进表示代码块，必须一致

4. 条件表达式：>=, <=, ==, != 等比较运算符

3.4 函数定义

详细讲解：

函数让代码可以重复使用，就像数学中的函数一样：

# %% [markdown]
# ## 函数定义
# 
# 函数是组织代码的基本单元

# %%
# 单元格9：自定义函数
def calculate_circle_area(radius):"""计算圆的面积参数:radius: 圆的半径返回:圆的面积"""pi = 3.14159area = pi * (radius ** 2)return areadef greet(name, time_of_day="早上"):"""问候函数参数:name: 姓名time_of_day: 时间，默认为"早上""""return f"{time_of_day}好，{name}！"# 使用函数
radius = 5
area = calculate_circle_area(radius)
print(f"半径为{radius}的圆面积: {area:.2f}")print(greet("张三"))
print(greet("李四", "下午"))

# %%
# 单元格10：带条件判断的函数
def evaluate_performance(score):"""根据分数评估表现"""if score >= 90:return "优秀", "🎉"elif score >= 80:return "良好", "👍"elif score >= 70:return "中等", "✅"elif score >= 60:return "及格", "⚠️"else:return "不及格", "❌"# 测试多个分数
test_scores = [85, 92, 78, 65, 55]
for score in test_scores:grade, emoji = evaluate_performance(score)print(f"分数 {score}: {grade} {emoji}")

函数要点：

1. def关键字：用于定义函数

2. 参数：函数接收的输入

3. 返回值：函数计算的结果

4. 文档字符串："""..."""用于说明函数用途

5. 默认参数：可以为参数指定默认值

---

四、NumPy基础入门

4.1 为什么需要NumPy？

详细讲解：

NumPy是Python科学计算的基础库，对于机器学习至关重要：

Python列表的局限性：

• 数学运算不方便

• 处理大量数据时速度慢

• 缺少科学计算函数

NumPy的优势：

• 提供多维数组对象

• 高效的数学运算

• 丰富的科学计算函数

• 很多机器学习库基于NumPy

类比理解： 把NumPy想象成一个专业的数学工具箱，而Python列表就像普通的工具箱。

4.2 NumPy数组操作

详细讲解：

让我们学习NumPy的基本操作：
创建新的Notebook：02_numpy_basics.ipynb

接着在终端安装numpy库： pip3 install numpy

你也可以使用国内镜像源： pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple

# %% [markdown]
# # NumPy基础入门
# 
# NumPy是Python科学计算的基础库

# %%
# 单元格1：导入NumPy
import numpy as np# 惯例：将numpy重命名为np，这是社区标准做法
print("NumPy版本:", np.__version__)

# %%
# 单元格2：创建数组
# 从列表创建数组
arr1 = np.array([1, 2, 3, 4, 5])          # 一维数组
arr2 = np.array([[1, 2, 3], [4, 5, 6]])   # 二维数组print("一维数组:")
print(arr1)
print("形状:", arr1.shape)  # 数组的维度print("\n二维数组:")
print(arr2)
print("形状:", arr2.shape)  # (2,3)表示2行3列

• 在NumPy中，形状(shape) 描述的是数组的维度结构。它告诉我们数组在每个维度上有多少个元素。

• (5,) 表示这是一个包含一个元素的元组。逗号是为了区分 (5,)（元组）和 5（整数）。

• (2, 3) 表示："有2行，每行有3列"

# %%
# 单元格3：创建特殊数组
# 全零数组
zeros = np.zeros((3, 4))  # 3行4列的全零数组
print("3x4全零数组:")
print(zeros)# 全一数组
ones = np.ones((2, 3))    # 2行3列的全一数组
print("\n2x3全一数组:")
print(ones)# 单位矩阵
identity = np.eye(3)      # 3x3单位矩阵
print("\n3x3单位矩阵:")
print(identity)# 范围数组
range_arr = np.arange(0, 10, 2)  # 从0到10（不含），步长2
print("\n0到10的数组（步长2）:")
print(range_arr)

# %%
# 单元格4：数组属性
arr = np.array([[1, 2, 3], [4, 5, 6]])print("数组:")
print(arr)
print("形状 (shape):", arr.shape)      # 数组维度 (2,3)
print("大小 (size):", arr.size)        # 元素总数 6
print("维度 (ndim):", arr.ndim)        # 轴数 2
print("数据类型 (dtype):", arr.dtype)  # 元素类型 int64

# %%
# 单元格5：数组索引和切片
# 一维数组索引
arr1d = np.array([10, 20, 30, 40, 50, 60])
print("一维数组:", arr1d)
print("第一个元素:", arr1d[0])        # 索引从0开始
print("最后一个元素:", arr1d[-1])     # 负数索引从末尾开始
print("切片[1:4]:", arr1d[1:4])      # 索引1到3（不含4）
print("切片[::2]:", arr1d[::2])      # 步长为2的切片

# %%
# 单元格6：二维数组索引
arr2d = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print("二维数组:")
print(arr2d)
print("第一行:", arr2d[0, :])        # 第一行所有元素
print("第二列:", arr2d[:, 1])        # 第二列所有元素
print("元素[1,2]:", arr2d[1, 2])     # 第二行第三列的元素# 布尔索引
print("大于5的元素:", arr2d[arr2d > 5])

# %%
# 单元格7：数组运算
a = np.array([1, 2, 3, 4])
b = np.array([5, 6, 7, 8])print("数组a:", a)
print("数组b:", b)
print("a + b =", a + b)      # 对应元素相加
print("a - b =", a - b)      # 对应元素相减
print("a * b =", a * b)      # 对应元素相乘
print("a / b =", a / b)      # 对应元素相除
print("a ** 2 =", a ** 2)    # 每个元素平方# 向量化运算的优势：不需要循环，代码简洁高效

# %%
# 单元格8：统计函数
data = np.array([23, 45, 67, 34, 89, 56, 72, 41])print("数据:", data)
print("平均值:", np.mean(data))
print("中位数:", np.median(data))
print("标准差:", np.std(data))
print("方差:", np.var(data))
print("最小值:", np.min(data))
print("最大值:", np.max(data))
print("总和:", np.sum(data))

# %%
# 单元格9：形状操作
# 创建数组
arr = np.arange(12)  # 0到11的数组
print("原始数组:", arr)# 改变形状
reshaped = arr.reshape(3, 4)  # 改为3行4列
print("重塑为3x4:")
print(reshaped)# 转置
transposed = reshaped.T
print("转置:")
print(transposed)# 展平
flattened = reshaped.flatten()
print("展平:", flattened)

NumPy核心概念：

1. 数组：NumPy的核心数据结构

2. 向量化运算：对整个数组进行运算，不需要循环

3. 广播：对不同形状的数组进行运算的机制

4. 通用函数：对数组元素进行操作的函数

---

五、项目实战：学生成绩分析系统

5.1 项目目标

详细讲解：

现在让我们综合运用所学知识，完成一个实际项目：学生成绩分析系统。

项目功能：

1. 存储学生成绩数据

2. 计算各种统计信息

3. 分析成绩分布

4. 可视化展示结果

5.2 项目实现

创建新的Notebook：03_student_analysis.ipynb

# %% [markdown]
# # 学生成绩分析系统
# 
# 综合运用Python和NumPy分析学生成绩数据

# %%
# 单元格1：导入库
import numpy as np
import matplotlib.pyplot as plt# 设置中文字体（确保图表能显示中文）
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False    # 用来正常显示负号print("库导入成功！")

# %%
# 单元格2：准备数据
# 创建学生数据
students = ['张三', '李四', '王五', '赵六', '钱七']
math_scores = np.array([85, 92, 78, 65, 88])
english_scores = np.array([79, 85, 92, 70, 81])
programming_scores = np.array([90, 88, 76, 82, 95])print("学生成绩数据:")
for i, name in enumerate(students):print(f"{name}: 数学{math_scores[i]}, 英语{english_scores[i]}, 编程{programming_scores[i]}")

# %%
# 单元格3：计算基本统计信息
# 各科目平均分
math_avg = np.mean(math_scores)
english_avg = np.mean(english_scores)
programming_avg = np.mean(programming_scores)print("各科目平均分:")
print(f"数学: {math_avg:.1f}分")
print(f"英语: {english_avg:.1f}分")
print(f"编程: {programming_avg:.1f}分")# 各科目最高分和最低分
print(f"\n数学最高分: {np.max(math_scores)}分")
print(f"英语最低分: {np.min(english_scores)}分")

# %%
# 单元格4：计算学生总分和平均分
total_scores = math_scores + english_scores + programming_scores
average_scores = total_scores / 3print("\n学生总分和平均分:")
for i, name in enumerate(students):print(f"{name}: 总分{total_scores[i]}, 平均分{average_scores[i]:.1f}")

# %%
# 单元格5：成绩排名
# 按平均分排序
sorted_indices = np.argsort(average_scores)[::-1]  # 从高到低排序print("\n成绩排名:")
for rank, idx in enumerate(sorted_indices):print(f"第{rank + 1}名: {students[idx]}, 平均分{average_scores[idx]:.1f}")

# %%
# 单元格6：成绩等级分析
def assign_grade(score):"""根据分数分配等级"""if score >= 90:return "优秀"elif score >= 80:return "良好"elif score >= 70:return "中等"elif score >= 60:return "及格"else:return "不及格"print("\n学生成绩等级:")
for i, name in enumerate(students):grade = assign_grade(average_scores[i])print(f"{name}: {grade}")

# %%
# 单元格7：成绩分布统计
def analyze_score_distribution(scores, subject):"""分析成绩分布"""excellent = np.sum(scores >= 90)good = np.sum((scores >= 80) & (scores < 90))medium = np.sum((scores >= 70) & (scores < 80))pass_grade = np.sum((scores >= 60) & (scores < 70))fail = np.sum(scores < 60)print(f"\n{subject}成绩分布:")print(f"优秀(90+): {excellent}人")print(f"良好(80-89): {good}人")print(f"中等(70-79): {medium}人")print(f"及格(60-69): {pass_grade}人")print(f"不及格: {fail}人")analyze_score_distribution(math_scores, "数学")
analyze_score_distribution(english_scores, "英语")
analyze_score_distribution(programming_scores, "编程")

# %%
# 单元格8：数据可视化
# 创建学生成绩对比图
plt.figure(figsize=(12, 6))# 设置位置
x = np.arange(len(students))
width = 0.25# 创建柱状图
plt.bar(x - width, math_scores, width, label='数学', alpha=0.8, color='skyblue')
plt.bar(x, english_scores, width, label='英语', alpha=0.8, color='lightgreen')
plt.bar(x + width, programming_scores, width, label='编程', alpha=0.8, color='lightcoral')# 设置图表属性
plt.xlabel('学生', fontsize=12)
plt.ylabel('分数', fontsize=12)
plt.title('学生各科成绩对比', fontsize=14)
plt.xticks(x, students)
plt.legend()# 添加网格
plt.grid(True, alpha=0.3, axis='y')# 显示图表
plt.tight_layout()
plt.show()

# %%
# 单元格9：平均分可视化
plt.figure(figsize=(10, 6))# 创建平均分柱状图
bars = plt.bar(students, average_scores, color='gold', alpha=0.7)# 在每个柱子上显示数值
for bar, score in zip(bars, average_scores):plt.text(bar.get_x() + bar.get_width()/2, bar.get_height() + 0.5, f'{score:.1f}', ha='center', va='bottom')plt.xlabel('学生', fontsize=12)
plt.ylabel('平均分', fontsize=12)
plt.title('学生平均分对比', fontsize=14)
plt.ylim(0, 100)
plt.grid(True, alpha=0.3, axis='y')plt.tight_layout()
plt.show()

# %%
# 单元格10：项目总结
print("=" * 50)
print("项目总结")
print("=" * 50)# 找出最高分学生
top_student_index = np.argmax(average_scores)
top_student = students[top_student_index]
top_score = average_scores[top_student_index]print(f"最高分学生: {top_student} (平均分: {top_score:.1f})")# 总体统计
total_avg = np.mean(average_scores)
print(f"班级平均分: {total_avg:.1f}")# 各科目表现分析
best_subject = ""
best_avg = 0subjects = ['数学', '英语', '编程']
subject_scores = [math_scores, english_scores, programming_scores]for subject, scores in zip(subjects, subject_scores):avg = np.mean(scores)if avg > best_avg:best_avg = avgbest_subject = subjectprint(f"表现最好的科目: {best_subject} (平均分: {best_avg:.1f})")print("=" * 50)

---

六、VSCode高级功能

6.1 调试功能

详细讲解：

调试是编程中最重要的技能之一。VSCode提供了强大的调试工具：

# 在VSCode中调试Notebook：# 1. 设置断点：在代码行号左侧点击，出现红点
# 2. 开始调试：按F5或点击调试按钮
# 3. 单步执行：使用调试控制栏的按钮
# 4. 查看变量：在调试面板查看变量值# 调试示例：
def find_problematic_student(scores, threshold=60):"""找出需要特别关注的学生"""problematic = []for i, score in enumerate(scores):# 在这里设置断点if score < threshold:problematic.append(i)return problematic# 测试数据
test_scores = [85, 45, 92, 58, 78]# 调用函数进行调试
problem_indices = find_problematic_student(test_scores)
print(f"需要关注的学生索引: {problem_indices}")

调试技巧：

• 设置断点：在关键位置暂停执行

• 单步执行：一步步执行代码，观察变化

• 变量监视：跟踪重要变量的值

• 条件断点：只有满足条件时才暂停

6.2 代码补全和智能提示

详细讲解：

VSCode的智能功能可以大大提高编程效率：

## VSCode的智能功能：### 1. 代码补全
- 输入时自动显示可用函数和变量
- 按Tab键快速补全
- 减少拼写错误### 2. 参数提示
- 显示函数的参数信息
- 帮助理解函数用法### 3. 错误检查
- 实时检查语法错误
- 用红色波浪线标记问题### 4. 快速修复
- 自动导入缺失的库
- 代码格式优化建议### 5. 代码导航
- Ctrl+点击：跳转到函数定义
- Ctrl+Shift+O：快速跳转到符号

---

七、课后练习

7.1 基础练习

详细讲解：

现在轮到你自己动手了！完成以下练习来巩固所学知识：

创建新的Notebook：exercises.ipynb

# %% [markdown]
# # 课后练习
# 
# 完成以下练习来巩固第一课时的知识

# %% [markdown]
# ## 练习1：员工工资分析
# 
# 创建一个员工工资数据分析系统：
# 
# 要求：
# 1. 创建5个员工的工资数据（姓名、基本工资、奖金）
# 2. 计算每个员工的实发工资（基本工资+奖金）
# 3. 找出工资最高的员工
# 4. 计算平均工资和工资标准差

# %% [markdown]
# ## 练习2：数组操作挑战
# 
# 使用NumPy完成以下任务：
# 1. 创建5x5的随机矩阵（范围1-100）
# 2. 计算每行的平均值和每列的总和
# 3. 找出矩阵中所有大于50的元素及其位置
# 4. 对矩阵进行转置并计算特征值

# %% [markdown]
# ## 练习3：函数编写
# 
# 编写一个函数，接受学生成绩列表，返回：
# - 平均分
# - 最高分和最低分
# - 及格率（60分以上）
# - 成绩分布（优秀、良好、中等、及格、不及格的人数）

# %% [markdown]
# ## 挑战练习（可选）
# 
# 创建一个简单的数据可视化：
# 1. 生成正弦波数据
# 2. 添加随机噪声
# 3. 绘制原始正弦波和带噪声的正弦波
# 4. 计算信噪比

7.2 学习检查清单

完成第一课时后，检查你的掌握情况：

# 第一课时学习检查清单## 环境配置
- [ ] 成功安装Python 3.8+
- [ ] 成功安装VSCode
- [ ] 安装必要的扩展（Python、Jupyter）
- [ ] 能够创建和运行Jupyter Notebook## Python基础
- [ ] 理解变量和数据类型（int, float, str, bool）
- [ ] 掌握列表和字典的基本操作
- [ ] 能够使用条件判断（if-elif-else）
- [ ] 能够使用循环（for, while）
- [ ] 能够定义和调用函数## NumPy基础
- [ ] 能够创建NumPy数组
- [ ] 理解数组的索引和切片
- [ ] 掌握数组的基本运算
- [ ] 能够使用统计函数（mean, max, min等）## 项目实践
- [ ] 完成学生成绩分析项目
- [ ] 理解数据分析的基本流程
- [ ] 能够创建简单的数据可视化## 工具使用
- [ ] 掌握VSCode的基本操作
- [ ] 能够使用调试功能
- [ ] 理解代码补全和智能提示## 问题解决
- [ ] 知道如何阅读错误信息
- [ ] 能够使用搜索引擎解决问题
- [ ] 知道在学习群中如何提问

---

八、常见问题解答

8.1 安装问题

## 常见问题及解决方案### 1. Python安装问题
**问题**：命令行中输入`python`显示"不是内部或外部命令"
**解决**：
- 重新安装Python，确保勾选"Add Python to PATH"
- 或手动添加Python安装目录到系统PATH### 2. VSCode扩展安装失败
**问题**：无法安装Python或Jupyter扩展
**解决**：
- 检查网络连接
- 重启VSCode重试
- 手动下载扩展文件安装### 3. Jupyter Notebook无法运行
**问题**：单元格显示[*]但不执行
**解决**：
- 检查Python解释器选择是否正确
- 重启内核（点击工具栏的重启按钮）
- 重新安装jupyter包：`pip install jupyter --upgrade`### 4. 中文显示问题
**问题**：图表中中文显示为方框
**解决**：
- 安装中文字体
- 使用代码中的字体设置
- 或者使用英文标签

8.2 学习建议

详细讲解：

对于初学者，我建议：

1. 不要怕犯错：每个程序员都会犯错，错误是学习的机会

2. 多动手实践：只看不练很难真正掌握

3. 从小项目开始：完成小项目获得成就感

4. 学会求助：遇到问题先自己尝试，再寻求帮助

5. 定期复习：编程技能需要不断练习巩固

---

下一课时预告

第二课时：Pandas数据处理与可视化

学习内容：

1. Pandas DataFrame基础操作

2. 数据读取和清洗技术

3. 数据筛选和分组聚合

4. 使用Matplotlib和Seaborn进行高级可视化

课前准备：

• 完成第一课时的所有练习

• 确保环境配置正确

• 准备好问题在课前提问

---

结束语

恭喜你完成了第一课时的学习！这是你机器学习之旅的重要里程碑。

学习回顾

在这一课时中，你学习了：

• 如何配置专业的Python开发环境

• Python编程的基础语法和概念

• NumPy数组操作和科学计算

• 使用VSCode进行项目开发

• 完成了一个完整的学生成绩分析项目

学习成就

你已经从零开始，掌握了：

• ✅ 编程环境的配置和使用

• ✅ Python基础编程技能

• ✅ NumPy科学计算基础

• ✅ 数据分析和可视化入门

• ✅ 问题解决和调试技能

继续学习建议

1. 巩固基础：如果有些概念还不够清晰，可以重新运行代码示例

2. 完成练习：课后练习是检验学习成果的重要方式

3. 探索扩展：尝试修改代码，看看不同的参数会有什么效果

4. 加入社区：参与学习群讨论，与其他学习者交流

重要提醒

记住编程学习的几个关键点：

• 实践比理论更重要：多写代码，少只看不练

• 错误是朋友：从错误中学习比避免错误更重要

• 持续学习：每天进步一点点，比一次性学很多更有效

• 享受过程：编程是创造性的活动，享受解决问题的乐趣

你已经迈出了成为机器学习工程师的第一步！保持热情，继续前进！

在第二课时中，我们将学习更强大的数据处理工具Pandas，让你的数据分析能力更上一层楼。

Happy Coding! 🚀

---

备注：如果在学习过程中遇到任何问题，请保存错误信息像博主交流。建议将遇到的问题和解决方案记录下来，建立自己的知识库。