Python编程项目实战（微课版）-课程标准

深圳职业技术大学本科《Python编程基础与应用》课程标准KCBZ-0013100103-2023一、课程概要课程名称中文：Python编程基础与应用英文：PythonProgrammingandApplication课程代码0013100103课程学分3课程学时共48学时，理论24学时，实践24学时课程类别专业教育：R基础课程£核心课程£拓展课程课程性质R必修£选修适用专业人工智能工程技术前导课程后续课程机器学习与神经网络开设学期第一学期第二学期第三学期第四学期第五学期第六学期第七学期第八学期√二、课程定位本课程是人工智能工程技术专业的一门专业必修课程，旨在培养学生科技强国、文化自信、爱岗敬业、勇于创新的思想政治与职业素养，掌握Python第三方库的安装；Python的基础语法及流程控制结构；Python的组合数据类型；Python的函数；Python的面向对象技术；Python的文件操作及异常处理；Python科学计算及可视化的方法等基本理论和工作原理，具备运用Python进行数据处理、可视化编程和人工智能应用程序开发等方面的能力。三、课程目标素质（思政）目标（列举2-3条思政目标，3-4条职业素质目标，用动宾结构描述）思政目标：培养学生具备科技报国的使命感和责任感，通过编程实践理解自主可控技术的重要性，树立为国家科技进步贡献力量的志向。培养学生具备严谨求实、精益求精的科学态度，在编码、调试、优化过程中形成一丝不苟、追求卓越的工匠精神。职业素质目标：培养学生具备扎实的编程思维和逻辑分析能力，能够独立分析问题、设计算法并编码实现。培养学生具备良好的代码规范意识和文档撰写能力，能够编写结构清晰、命名规范、注释完整的高质量代码，并能撰写技术文档。培养学生具备数据敏感性和基本的数据处理与分析能力，能够使用Python工具链完成数据清洗、转换、分析与可视化任务。培养学生具备自主学习和终身学习的能力，能够跟踪Python及相关技术生态的发展，持续更新知识体系。（二）知识目标（列举6-8条重点知识要求，用动宾结构描述）掌握Python开发环境搭建与第三方库管理方法；掌握Python的基础语法、变量、运算符、流程控制结构及异常处理机制；掌握Python的组合数据类型（列表、元组、字典、集合、字符串）及其操作；掌握函数的定义、参数传递、返回值及作用域；理解面向对象编程的基本概念，掌握类与对象的定义与使用；掌握文件的基本操作（读写）；掌握使用NumPy、Pandas、Matplotlib、Seaborn等库进行科学计算与数据分析及可视化的基本方法；了解使用Flask框架构建简单Web应用的基础知识。能力目标（列举3-4条专业能力，2-3条通用能力，用动宾结构描述）专业能力能独立搭建Python集成开发环境，并配置与管理项目所需的第三方库；能运用Python语法、数据结构与算法，编写程序解决中等复杂度的计算与数据处理问题；能运用面向对象思想，设计和实现结构清晰、可复用的程序模块；能综合运用NumPy、Pandas、Matplotlib等库，完成一个小型数据集的数据分析、处理与可视化任务；能使用Flask框架开发具有前后端交互功能的简单数据展示Web应用；通用能力能遵循PEP8等编码规范编写整洁、可读性强的代码，并具备初步的代码性能优化与调试能力。能通过查阅官方文档、技术社区等资源，自主学习并应用新的Python库或技术解决实际问题。能在团队项目中清晰表达技术观点，协作完成代码集成与版本管理。四、课程设计（一）课程设计理念与思路（主要阐述课程设计依据、原则、内容选择标准等课程设计理念与实施思路，体现课程目标的高阶性、课程内容的先进性、课程实施的创新性、学习成效的挑战度，不少于200字）本课程遵循“学生中心、产出导向、持续改进”的理念，紧密对接人工智能工程技术专业人才培养目标。设计思路以工业数据智能处理与分析的全流程为主线，构建了八个由浅入深、循序渐进的实践项目。课程内容选择注重基础性、先进性与应用性相结合，不仅涵盖Python语言核心语法、数据结构、函数与面向对象等编程基础，还引入当前工业界广泛使用的数据分析、可视化及轻量级Web开发库。实施过程强调“理实一体、项目驱动”，每个项目均源于或模拟真实应用场景，将知识点拆解融入具体任务中，引导学生通过“做中学”掌握技能。教学注重培养学生的计算思维、工程规范意识和解决复杂问题的能力，通过设置具有挑战性的综合设计任务，激发学生创新潜能，达成知识、能力与素质的高阶目标。（二）课程设计框架（以思维导图形式呈现）五、课程内容与要求表1课程内容与要求项目（单元）学习成果任务（节）知识内容与要求技能内容与要求素质（思政）内容与要求参考学时理论实践合计项目一：搭建基础开发环境1.本地Python开发环境配置报告

2.“HelloPython”及简单计算程序1.Python环境的构建1.Python解释器的作用与版本差异。2.操作系统环境变量配置原理。3.包管理工具pip的基本工作原理。1.从官网正确下载指定版本Python。2.完成Python安装并验证安装成功（命令行执行python--version）。3.配置系统环境变量，确保命令行可调用Python。1.严谨规范意识：安装过程需遵循步骤，培养系统化操作习惯。2.信息辨识能力：学会从官网获取正版软件，增强信息安全意识。3.自主解决问题能力：遇到安装失败时能查阅资料或寻求帮助。1122.VSCode的安装配置和第1个Python程序的开发1.集成开发环境（IDE）的基本功能与优势。2.Python扩展插件的作用机制。3.第三方库的概念与安装方式。4.Python程序的基本结构。1.下载并安装VSCode。2.配置Python扩展插件（如Pylance、Python插件）。3.使用pip安装7个指定第三方库（如pipinstallnumpypandas等）。4.在VSCode中创建、编辑并运行第一个Python程序（如print("HelloPython")）。1.工具赋能意识：理解高效工具对开发效率的提升，培养“工欲善其事，必先利其器”的理念。2.生态共建观念：通过安装第三方库，理解开源社区与软件生态的价值。3.成就感与兴趣激发：通过成功运行第一个程序，建立学习信心，激发对编程的兴趣。4.规范操作与文档意识：学会记录安装配置过程，形成良好的技术文档习惯。项目二：展示数据可视化看板基本数据类型的赋值程序网页结构的格式化输出程序1.工业数据的网页展示1.变量的定义与赋值机制。2.基本数据类型（整数、浮点数、字符串、布尔值）的特性与区别。3.格式化输出的方法与语法（如f-string、format()）。4.静态文本与动态数据结合输出的基本原理。1.定义并初始化代表工业数据的变量（如temperature=28.5）。2.使用格式化字符串将数据嵌入预设的网页文本结构中。3.输出格式工整、可读性强的“数据看板”式文本内容。1.信息呈现的规范性：培养数据展示清晰、格式规范的专业意识。2.数据真实性意识：理解程序中的数据是现实工业场景的映射，建立严谨务实的态度。3.用户导向思维：从最终查看者的角度设计输出内容，提升服务意识与沟通能力。2242.不断变化的工业数据1.运算符的分类与运算规则（算术、比较、逻辑运算符）。2.input()函数的工作原理与输入数据类型处理。3.数据类型转换（如int()、float()、str()）的机制与注意事项。4.表达式求值与运算顺序。1.使用input()获取用户实时输入（如模拟传感器数据）。2.对输入数据进行类型转换与有效性判断。3.运用运算符对动态数据进行即时计算（如求均值、判断阈值）。4.实现基于新数据的交互式数据展示更新。1.动态适应思维：理解工业数据的实时性，培养系统动态响应的意识。2.异常预见与处理意识：在输入环节考虑数据异常情况，提升程序鲁棒性。3.人机协作观念：通过交互式输入输出，理解人在智能制造系统中的决策与监控角色。项目三：处理工业温度数据1.温度数据分级判断程序

2.温度数据统计（极值、均值）计算程序1.温度异常值的统计1.条件分支结构（if/elif/else）的语法与执行逻辑。2.比较运算符（>、<、==、>=、<=、!=）的使用规则。3.逻辑运算符（and、or、not）在复合条件判断中的运用。4.异常值定义的业务逻辑与判定阈值设定。1.编写条件判断语句，根据预设阈值（如>100°C或<-20°C）识别温度异常值。2.使用逻辑运算符组合多个条件进行复杂异常判定。3.对异常值进行计数并输出。1.质量安全第一意识：通过严格筛选异常值，理解工业生产中质量监控与安全预警的重要性。2.严谨的逻辑思维：培养基于规则进行精确判断、不遗漏不误判的职业习惯。3.数据驱动的决策意识：理解异常数据统计对设备维护与工艺调整的指导价值。2242.工业温度数据的统计1.循环结构（for、while）的语法与适用场景。2.迭代遍历数据集（如列表）的方法。3.循环控制语句（break、continue）的作用机制。4.基础统计算法（如累加、计数、求极值、平均值）。1.使用循环遍历温度数据集中的所有数据点。2.在循环中实现累加、计数，并计算平均温度。3.在遍历过程中实时比较并记录最高温度与最低温度。4.合理使用break或continue处理特定数据（如遇到无效数据时跳过）。5.输出完整的温度统计数据报告（样本数、平均值、极值）。1.系统化处理思维：通过循环遍历大量数据，培养系统性、批量化的工程处理能力。2.耐心与细致的工作态度：数据处理需耐心细致，避免因循环或逻辑错误导致统计失真。3.效率与优化意识：理解循环效率的重要性，初步建立算法优化与资源节约的观念。项目四：监控实验室场地数据1.实验室设备清单（列表）管理程序

2.传感器数据（字典）查询与更新程序1.温度湿度数据状态监控1.字典（dict）数据结构的特点与键值对访问机制。2.字典常用方法（.items()、.get()）的功能与使用场景。3.循环与条件判断的嵌套结构与执行逻辑。4.列表（list）的.append()方法与动态数据收集机制。1.使用dict.items()遍历字典中的温度湿度数据项。2.在循环内使用if语句判断数据是否超出阈值范围。3.使用list.append()将异常数据记录到列表中。4.组织并输出格式清晰的异常状态报告。1.系统监控与预警意识：理解实时数据监控在保障实验环境稳定与安全中的重要作用。2.数据关联思维：通过键值对结构，培养将不同类型数据（如温度、湿度）关联分析的能力。3.责任与细致：在遍历与判断中做到不遗漏，培养严谨负责的工作态度。55102.复杂温度湿度数据状态的统计1.嵌套数据结构（如列表内含字典）的访问与遍历方法。2.数据类型转换（如字符串转数值）的原理与异常处理。3.多层循环（for+dict+list）的嵌套逻辑与执行效率。4、字符串格式化方法（如str.format()、f-string）在数据记录中的应用。1.使用多层循环遍历复杂结构中的每一个数据点。2.对提取的数据进行类型转换与有效性校验。3.基于转换后的数据进行统计计算（如分类计数、比例计算）。4.使用字符串格式化方法将统计结果规范记录至列表或输出报告中。1.处理复杂系统的能力：通过嵌套结构处理，培养应对多维、多层次数据的系统思维。2.数据清洗与规范化意识：理解原始数据需经转换与清洗才能用于分析，培养数据治理意识。3.结构化汇报能力：通过格式化输出，训练清晰、规范地呈现统计分析结果的专业素养。项目五：升级实验室监控系统1.模块化设计的传感器数据处理函数集

2.使用函数重构的项目四程序网页版实验室场地数据监控器（plus版）1.函数的定义与调用机制。2.函数参数传递的方式（位置参数、关键字参数）。3.函数返回值的作用与使用方法。4.模块化设计思想与代码组织原则。4.主程序（main函数）的结构与调度逻辑。1.正确定义具有明确功能的函数（如temperature()、humidity()）。2.为每个函数设计合理的参数与返回值。3.在main()函数中根据数据类型调用对应的处理函数。4.将之前项目中分散的逻辑重构为函数模块，提升代码复用性。4.实现各函数之间的数据传递与结果整合。1.工程化思维与系统设计能力：通过模块化重构，理解“高内聚、低耦合”的软件设计原则。2.协作与接口意识：每个函数如同一个“工位”，需明确输入输出，培养团队协作中的接口思维。3.代码可维护性与可持续发展观：认识到良好结构的代码更易于维护和扩展，体现技术工作的长期价值。4.抽象与归纳能力：从具体数据处理步骤中抽象出通用函数，训练逻辑归纳与抽象思维能力。448项目六：存储监测数据到云端1.从文件读取数据并进行异常处理的程序。2.将处理后的数据保存为CSV/TXT文件的程序。3.定义一个文件类，封装文件操作逻辑。网页版监测数据存储云盘1.面向对象编程中“类”与“对象”的基本概念。2.类的定义语法（class关键字）与构造方法（__init__）。3.实例属性与实例方法的定义与调用。4.文件系统操作的基本原理（路径、读写、目录管理）。5.上下文管理协议（with语句）与资源安全释放机制。1.定义FileInfo类，并在__init__中初始化文件路径、大小、名称等属性。2.实现文件操作方法：read_content()、write_content()、create_file()、create_folder()。3.实现目录列表方法list_dir()与信息打印方法print_info()。4.创建类的实例，并调用其方法完成实际的文件读写与目录管理任务。5.在文件读写方法中使用with语句确保资源正确释放。1.封装与责任意识：通过将文件操作封装成类，理解“数据与行为绑定”的封装思想，培养代码模块的责任边界意识。2.资源管理与系统思维：文件是系统资源，通过安全读写与自动释放，培养资源管理与系统稳定运行的全局观念。3.工程规范化与可拓展性：类结构为后续功能扩展（如云端存储接口）预留空间，体现工程设计的前瞻性与规范化思维。4.抽象建模能力：将物理世界的“文件”抽象为程序中的“类”，训练从现实到代码的建模与映射能力。224项目七：生成检测数据统计看板1.使用Pandas进行数据清洗与分析的excel文件

2.使用Matplotlib/Seaborn绘制的多类型统计图表（如折线图、柱状图、散点图）网页版缺陷检测数据图表生成器1.Pandas数据结构（DataFrame）的基本操作与数据清洗方法。2.字符串处理与缺失值处理机制（str.replace()、df.dropna()）。3.迭代与条件判断在数据筛选与统计中的运用。4.Matplotlib绘图基础：坐标轴、标题、标签的设置与图形保存。5.数据映射逻辑：将业务数据（缺陷类型、数量）转换为图表元素（X轴、Y轴）。1.使用Pandas读取Excel文件并加载为DataFrame。2.使用str.replace()和df.dropna()对原始数据进行清洗。3.通过for循环与if条件完成缺陷数据的分类统计。4.从处理后的数据中提取keys与values作为图表的X轴与Y轴数据。5.使用Matplotlib绘制柱状图/折线图，并设置标题、轴标签等元素。6.调用draw_chart或类似函数将图表保存为图片文件。7.封装数据处理函数（如handle_defect_data）与绘图函数，实现模块化。1.数据真实性与诚信意识：在数据清洗中理解“不伪造、不隐瞒、不误导”的数据伦理，培养实事求是的职业操守。2.质量意识与问题导向：通过缺陷统计分析，树立“以数据驱动质量改进”的生产管理思维。3.可视化表达与沟通能力：学习用图表清晰传达信息，培养跨部门、跨层级的技术沟通素养。4.系统化处理与流程化思维：从数据读取、清洗、统计到绘图，形成完整的分析流水线意识，体现工程化的工作方法。5510项目八：实现检测数据动态看板1.一个简单的FlaskWeb应用程序

2.能够通过网页表单提交数据并动态更新图表的系统基于缺陷检测数据构建动态可视化系统1.Web应用前后端交互基本原理（请求/响应、AJAX）。2.Flask框架的路由、视图函数、模板渲染机制。3.前端基础：HTML页面结构、JavaScript异步数据请求。4.ECharts图表库的基本配置与动态数据绑定方法。5.数据预处理与JSON格式转换。1.使用Flask搭建后端服务，定义路由并返回渲染后的HTML页面（index.html）。2.在后端使用Pandas进行数据预处理，并将结果转换为JSON格式。3.编写前端JavaScript代码，通过AJAX从后端获取预处理后的数据。4.配置ECharts图表选项（options.js），实现多种图表类型（如折线图、柱状图等）的动态切换与展示。5.实现前端交互功能：图表类型选择、绘制按钮触发、页面动态渲染。6.整合前后端，完成从数据查询、处理、返回到前端绘制的完整流程。1.系统集成与工程协同能力：通过前后端分离开发，理解模块化、协同工作的现代软件工程理念。2.用户体验与产品思维：从用户操作（如图表选择、按钮交互）出发设计系统，培养以用户为中心的产品意识。3.技术融合与创新能力：将Python数据处理、Web开发与可视化技术融合，体现跨技术栈解决复杂问题的创新思维。4.数据安全与传输规范意识：在前后端数据传递中理解JSON标准化、接口安全等重要性，树立规范开发与数据保护意识。336学时总计242448六、实施建议（一）课程团队（描述课程负责人、课程团队基本任职要求,专业课程团队原则上应至少包含1名企业教师）本课程负责人由学术造诣深厚、教学经验丰富、教学特色鲜明、具有高级专业技术职务的教师担任，并建立职称、学历、年龄等结构合理的专兼结合的“双师型”教学团队，共5人，其中，高级职称5人，硕士以上学历5人，双师型教师2人。每40人的标准班配备1名任课教师。专任教师应具有高校教师资格，信息类专业硕士以上学历，半年以上企业行业相关经历，具有Python程序开发和人工智能应用系统开发经历或双师资格优先。兼职教师应具有信息类专业本科以上学历，两年以上企业行业相关经历，具有Python语言开发工作经历并能应用于教学。（二）教学条件（描述支撑课程教学所需要的教学场地、实训室及软硬件设施要求）1.硬件设施 计算机（每人一台），Internet网络设备。2.软件设施 VisualStudioCode,Python3.10.2（三）教学方法与手段1.教学方法（应探索与采用以“学生”为中心的问题驱动、项目驱动、过程驱动式教学方法，并选取2-3种适用于本课程的典型教学方法进行描述）讨论式教学。通过对核心问题及突发问题的讨论,加深学生对问题的理解,增强学生的主动学习能力和对问题的判断能力，同时也进一步提高教师的业务水平。任务驱动法。学生在完成基本任务的基础上进行扩展和进阶，充分锻炼学生的设计能力。在递进拓展的基础上分层次教学，将必须掌握的基本任务作为必做项目，将要求更高的扩展任务作为选做项目，学生根据自身的情况来选择完成。分组教学法。学生自由组合或指定小组，实现组内互助、组间互助，对于必做项目，由组长负责组内或组间交流，共同完成，以小组为单位计分，拓展项目按照组间合作方式，个人计分，这种课堂教学管理方式，可极大地促进学生的学习热情，营造好的课堂学习气氛。2.教学手段（应依托信息化技术手段开展翻转课堂、混合式教学探索与设计）视频教学：制作教学视频，让学生在课前观看，以便在课堂上进行深入的讨论和互动。翻转课堂：课前提供学生需要学习的材料，让他们自主学习，课堂时间用于互动和讨论。混合式教学：将传统的面对面教学和在线学习相结合，让学生可以在课堂上和在线上进行学习。（四）教学资源开发与利用1.教材选用（如选用教材为课程团队编写出版的教材，应简要阐述教材编写理念与思路）吴雪飞等著，《Python编程项目实战(微课版)》，人民邮电出版社，2026年6月。编写理念与思路：本书编写紧扣国家智能制造战略，以“工业数据分析”为核心场景，采用“项目驱动、任务导向”的架构。全书围绕真实工业案例展开，将Python语法、数据处理、可视化与系统开发融于八个递进式项目中，强调“做中学、学中做”。内容突出实用性、系统性与闭环学习，旨在培养学生在工业智能化背景下运用Python解决实际工程问题的综合能力。2.参考资料（描述参考教材与相关参考资料）嵩天等著，《Python语言程序设计基础（第3版）》，高等教育出版社，2024年。王恺等著，《Python程序设计基础（第3版）》，机械工业出版社，2023年。EricMatthes著，袁国忠译，《Python编程：从入门到实践（第3版）》，人民邮电出版社，2023年。3.资源开发与利用（对照“金课”验收指标中“课程资源量化要求”，描述课程应建设和选用的基本教学资源与拓展教学资源）表2教学