29-30学时:PyCharm数据生产力环境
数据生产力环境：Python解释器、虚拟环境与包源（Windows平台）
课程概览
这门4学时课程面向职业本科学生，帮助在Windows平台上掌握Python数据生产力环境，学会切换Python版本、创建虚拟环境、配置快速包源，并在PyCharm中分析养老健康数据。课程以Pandas、NumPy、Matplotlib、Seaborn为核心，通过养老健康数据（老年人心率、血压、睡眠质量、步数）的案例、详细库介绍和独立实践，培养环境搭建和数据分析能力。任务步骤细化，确保零跨越，每位同学独立完成实验和作业，提交到学习通。
第1学时：理论、库介绍、养老健康案例，明确任务。
第2-3学时：独立实践，配置环境，生成图表。
第4学时：展示成果，拍摄屏幕输出，提交作业。
课前准备
安装PyCharm社区版（免费，下载：www.jetbrains.com/py...
确保Windows电脑有10GB可用磁盘空间和稳定网络。
无需Python基础，但需会用鼠标和键盘操作电脑。
准备笔记本记录步骤。
注册学习通账号，确保能上传文件。
准备手机或相机，用于拍摄屏幕输出。
库介绍：Pandas、NumPy、Matplotlib、Seaborn
以下是对四个关键库的详细介绍，包含功能、核心类/模块、在养老健康数据分析中的应用，以及类图（文本形式），语言简洁适合初学者。
1. Pandas
概述：Pandas像电子表格，帮你整理和分析表格数据（如Excel），适合处理养老健康记录。
核心功能：
表格操作：创建表格（DataFrame），读取CSV文件，添加/删除数据。
数据清洗：修复空数据，删除重复行。
统计：计算平均值、最大值、相关性。
养老健康应用：
读取心率、血压数据，计算平均值。
找出异常血压（如>180）。
核心类/模块：
Series: 一列数据，如心率列表。DataFrame: 多列表格，如健康记录。read_csv: 打开CSV文件。groupby: 按年龄分组统计。
类图（文本描述）:
pandas ├── Series │ ├── Attributes: index, values │ ├── Methods: mean(), sum() ├── DataFrame │ ├── Attributes: columns, index │ ├── Methods: loc[], groupby(), to_csv() ├── IO │ ├── read_csv() │ ├── to_csv()
2. NumPy
概述：NumPy像计算器，处理数字和数组，速度快，是Pandas的基础。
核心功能：
数组操作：创建数字列表，排序，切片。
数学计算：平均值、标准差，随机数。
养老健康应用：
计算心率波动（标准差）。
生成模拟步数数据。
核心类/模块：
ndarray: 数字数组，如步数列表。random: 生成随机数。
类图（文本描述）:
numpy ├── ndarray │ ├── Attributes: shape, dtype │ ├── Methods: mean(), std() ├── random │ ├── Methods: randint()
3. Matplotlib
概述：Matplotlib像画图工具，绘制折线图、散点图，展示数据趋势。
核心功能：
绘图：画折线图、柱状图，加标题、标签。
保存：保存图片（如PNG）。
养老健康应用：
画心率随年龄变化的折线图。
比较睡眠质量。
核心类/模块：
pyplot: 绘图工具，如plot()画线。Figure: 画布。Axes: 坐标轴，控制图表。
类图（文本描述）:
matplotlib ├── pyplot │ ├── Methods: plot(), title(), savefig() ├── Figure │ ├── Methods: add_subplot() ├── Axes │ ├── Methods: set_xlabel(), legend()
4. Seaborn
概述：Seaborn基于Matplotlib，画更漂亮的统计图，如热力图、箱线图，适合初学者。
核心功能：
统计图表：热力图显示相关性，箱线图显示数据范围。
美化：自动调整颜色和风格。
养老健康应用：
画心率和血压的相关性热力图。
用箱线图看步数分布。
核心类/模块：
heatmap: 画热力图。boxplot: 画箱线图。
类图（文本描述）:
seaborn ├── heatmap │ ├── Parameters: data, annot ├── boxplot │ ├── Parameters: data
第1学时：数据生产力环境与养老健康案例
学习目标
了解Windows上的Python环境（版本、虚拟环境、包源）。
理解Pandas、NumPy、Matplotlib、Seaborn的作用。
通过养老健康案例认识环境管理的重要性。
明确实践任务和作业要求。
学习安排
导入与讨论
问题引导：你用电脑时遇到过软件不兼容的问题吗？（如安装失败、版本不对）
案例导入：展示养老健康数据分析（心率、血压），因Pandas版本错误导致Seaborn热力图失败，说明环境管理的重要性。
核心理论与案例
Python版本管理
理论：不同Python版本（如3.9、3.11）影响库运行。Pandas 2.0需Python 3.8+。
案例演示：
按Win+R，输入
cmd，按回车，打开命令提示符。输入
python --version，按回车，看版本（如“Python 3.10.5”）。输入
py -3.9，按回车，再输入python --version，看是否显示“Python 3.9.0”。输入
py -3.11，按回车，再输入python --version，看是否显示“Python 3.11.0”。若无3.9或3.11，老师提供安装包（
python-3.9.0.exe、python-3.11.0.exe）。
任务：
记下命令：
python --version、py -3.9。记下你的电脑Python版本。
虚拟环境（15分钟）
理论：虚拟环境像独立文件夹，为每个项目装不同版本的库，避免冲突。
案例演示（用Pandas）：
打开桌面，右键新建文件夹，命名为
HealthProjects。在命令提示符输入
cd C:\Users\你的用户名\Desktop\HealthProjects，按回车。输入
py -3.9 -m venv project_a_env，按回车，创建虚拟环境。输入
project_a_env\Scripts\activate，按回车，看到(project_a_env)。输入
pip install pandas==1.4.0，按回车，安装Pandas。输入
python，按回车，进入Python模式。输入以下代码，每行后按回车：
import pandas as pd df = pd.DataFrame({'Age': [60, 65], 'HeartRate': [72, 78]}) print(df) print(pd.__version__)看到表格和“1.4.0”，按Ctrl+Z退出Python。
任务：
记下命令：
py -3.9 -m venv project_a_env、project_a_env\Scripts\activate。记下Pandas代码。
包源配置
理论：包源像下载网站，清华源（
https://pypi.tuna.tsinghua.edu.cn/simple）比默认PyPI快。案例演示（用NumPy）：
在
(project_a_env)下，输入pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple，按回车。为永久使用清华源：
打开文件资源管理器，进入
C:\Users\你的用户名。右键新建文件夹，命名为
pip。进入
pip文件夹，右键新建文本文档，命名为pip.ini（确保扩展名是.ini）。打开
pip.ini，输入：[global] index-url = https://pypi.tuna.tsinghua.edu.cn/simple trusted-host = pypi.tuna.tsinghua.edu.cn点击文件>保存，关闭记事本。
输入
pip install numpy，按回车，下载应更快。
任务：
记下清华源地址和
pip.ini内容。记下创建
pip.ini的步骤。
任务与作业预告
实践任务：每位同学独立完成两个养老健康项目：
项目A：Python 3.9，清华源，Pandas 1.4.0，NumPy，Matplotlib，画心率、血压、睡眠质量折线图。
项目B：Python 3.11，阿里源，Pandas 2.0.0，NumPy，Seaborn，画健康指标热力图和箱线图。
目标：配置环境，分析数据，生成图表，第4学时展示并拍摄屏幕输出。
作业要求（提交到学习通）：
提交压缩包（
学号_姓名_作业.zip），包含：项目A和B的
pip list照片（pip_list_a.jpg、pip_list_b.jpg），拍摄命令提示符屏幕。项目A的折线图照片（
health_plot_a.jpg），拍摄PyCharm运行结果或图片。项目B的热力图和箱线图照片（
health_plot_b1.jpg、health_plot_b2.jpg），拍摄PyCharm运行结果或图片。500字心得（
学号_姓名_心得.docx），回答：你用了哪些步骤配置环境？
折线图、热力图、箱线图说明了什么？
遇到什么问题？怎么解决？
截止时间：课程结束后第3天，上传至学习通（老师提供链接）。
任务：
记下项目A和B的要求。
记下作业内容和文件名格式。
准备手机或相机，确保能清晰拍摄屏幕。
提出疑问，老师解答。
第2学时：实践任务——环境搭建与库安装
学习目标
切换Python 3.9和3.11。
创建虚拟环境，安装Pandas、NumPy、Matplotlib、Seaborn。
配置PyCharm，验证库版本。
学习安排
准备工作
任务概述：为项目A和B配置环境，安装库，验证版本，每位同学独立完成。
任务：
打开Word，新建文档，命名为
学号_姓名_记录.docx，记录每步命令和结果。按Win+R，输入
cmd，按回车，打开命令提示符。打开文件资源管理器，进入
C:\Users\你的用户名\Desktop\HealthProjects。右键新建文件夹，命名为
Screenshots，用于保存照片。
动手实践
任务1：切换Python版本（10分钟）
详细步骤:
在命令提示符输入
python --version，按回车，看输出版本（如“Python 3.10.5”）。输入
py -3.9，按回车，再输入python --version，看是否显示“Python 3.9.0”。输入
py -3.11，按回车，再输入python --version，看是否显示“Python 3.11.0”。若无3.9或3.11，老师提供安装包：
双击
python-3.9.0.exe或python-3.11.0.exe。勾选“Add Python to PATH”，点击“Install Now”。
安装完后，重复步骤2和3。
验证：看到“Python 3.9.0”和“Python 3.11.0”。
任务：
复制命令和输出到
学号_姓名_记录.docx。用手机或相机拍摄命令提示符屏幕，保存为
C:\Users\你的用户名\Desktop\HealthProjects\Screenshots\version_check.jpg。
任务2：创建虚拟环境与库安装
详细步骤:
项目A（Python 3.9）:
输入
cd C:\Users\你的用户名\Desktop\HealthProjects，按回车。输入
py -3.9 -m venv project_a_env，按回车。输入
project_a_env\Scripts\activate，按回车，看到(project_a_env)。输入
pip install pandas==1.4.0 numpy matplotlib，按回车，等待安装。输入
pip list，按回车，看是否显示pandas 1.4.0、numpy、matplotlib。
项目B（Python 3.11）:
输入
deactivate，按回车，退出(project_a_env)。输入
py -3.11 -m venv project_b_env，按回车。输入
project_b_env\Scripts\activate，按回车，看到(project_b_env)。输入
pip install pandas==2.0.0 numpy seaborn，按回车，等待安装。输入
pip list，按回车，看是否显示pandas 2.0.0、numpy、seaborn。
验证：
pip list显示正确库版本。任务:
复制命令和
pip list输出到学号_姓名_记录.docx。拍摄
pip list屏幕，保存为pip_list_a.jpg（项目A）和pip_list_b.jpg（项目B）。
任务3：PyCharm配置与验证
详细步骤:
双击桌面PyCharm图标，打开PyCharm。
项目A:
点击“New Project”。
在“Location”框输入
C:\Users\你的用户名\Desktop\HealthProjects\Project_A。点击“Python Interpreter”旁边的“...”。
点击“Add Interpreter” > “Existing environment”。
点击“...”，浏览到
C:\Users\你的用户名\Desktop\HealthProjects\project_a_env\Scripts\python.exe，点击“OK”。点击“Create”。
项目B:
重复步骤2，Location改为
C:\Users\你的用户名\Desktop\HealthProjects\Project_B。选择
C:\Users\你的用户名\Desktop\HealthProjects\project_b_env\Scripts\python.exe。
在项目A中：
右键
Project_A文件夹，选“New” > “Python File”，输入test_a，按回车。在
test_a.py输入：import pandas as pd import numpy as np import matplotlib print("Pandas:", pd.__version__) print("NumPy:", np.__version__) print("Matplotlib:", matplotlib.__version__) df = pd.DataFrame({'Age': [60, 65], 'Steps': [8000, 7500]}) print("Sample DataFrame:\n", df) print("Mean Steps:", np.mean(df['Steps']))点击右上角绿色三角，运行，查看控制台输出。
在项目B中：
创建
test_b.py，输入：import pandas as pd import numpy as np import seaborn print("Pandas:", pd.__version__) print("NumPy:", np.__version__) print("Seaborn:", seaborn.__version__) df = pd.DataFrame({'Age': [60, 65], 'Steps': [8000, 7500]}) print("Sample DataFrame:\n", df) print("Mean Steps:", np.mean(df['Steps']))运行，查看输出。
检查输出：
项目A：Pandas 1.4.0，Matplotlib有版本，均值7750。
项目B：Pandas 2.0.0，Seaborn有版本，均值7750。
验证：输出正确版本和均值。
任务:
复制代码和输出到
学号_姓名_记录.docx。拍摄PyCharm控制台屏幕，保存为
test_a.jpg（项目A）和test_b.jpg（项目B）。
检查与整理
任务:
检查：
pip list和test_a.py/test_b.py输出正确。更新
学号_姓名_记录.docx，列出命令、输出、照片文件名。确认照片保存：
version_check.jpg、pip_list_a.jpg、pip_list_b.jpg、test_a.jpg、test_b.jpg。记录问题（如“pip install慢”），向老师提问。
任务清单
确认Python 3.9和3.11，拍摄
version_check.jpg。创建虚拟环境，安装库，拍摄
pip_list_a.jpg、pip_list_b.jpg。配置PyCharm，运行
test_a.py和test_b.py，拍摄test_a.jpg、test_b.jpg。
学习资源
电脑：Windows，PyCharm，命令提示符。
代码：
test_a.py、test_b.py（如上）。文件夹：
C:\Users\你的用户名\Desktop\HealthProjects。笔记：
学号_姓名_记录.docx。
第3学时：实践任务——包源配置与养老健康数据分析
学习目标
配置清华和阿里包源，加速安装。
用Pandas、NumPy、Matplotlib、Seaborn分析养老健康数据，生成折线图、热力图、箱线图。
准备展示和作业。
学习安排
准备与回顾
回顾：检查虚拟环境（运行
pip list，确认库版本）。任务概述：配置包源，分析心率、血压、睡眠质量、步数，生成图表，准备作业。
任务:
打开命令提示符和PyCharm。
打开
学号_姓名_记录.docx。检查
C:\Users\你的用户名\Desktop\HealthProjects\Screenshots文件夹。
动手实践
任务1：配置包源
详细步骤:
项目A（清华源）:
输入
cd C:\Users\你的用户名\Desktop\HealthProjects，按回车。输入
project_a_env\Scripts\activate，按回车，看到(project_a_env)。打开文件资源管理器，进入
C:\Users\你的用户名。若无
pip文件夹，右键新建，命名为pip。进入
pip，右键新建文本文档，命名为pip.ini。打开
pip.ini，输入：[global] index-url = https://pypi.tuna.tsinghua.edu.cn/simple trusted-host = pypi.tuna.tsinghua.edu.cn点击文件>保存，关闭。
在命令提示符输入
pip install scipy，按回车，记下开始和结束时间。输入
pip list，按回车，确认scipy。
项目B（阿里源）:
输入
deactivate，按回车，退出(project_a_env)。输入
project_b_env\Scripts\activate，按回车，看到(project_b_env)。打开
C:\Users\你的用户名\pip\pip.ini，替换为：[global] index-url = https://mirrors.aliyun.com/pypi/simple trusted-host = mirrors.aliyun.com保存，关闭。
输入
pip install scipy，按回车，记下时间。输入
pip list，按回车，确认scipy。
验证：安装快，
pip list显示scipy。任务:
复制命令、
pip.ini内容、时间到学号_姓名_记录.docx。拍摄
pip list屏幕，保存为pip_list_a2.jpg（项目A）和pip_list_b2.jpg（项目B）。拍摄
pip.ini屏幕（打开记事本显示内容），保存为pip_ini.jpg。
任务2：养老健康数据分析
详细步骤:
创建数据文件:
打开文件资源管理器，进入
C:\Users\你的用户名\Desktop\HealthProjects。右键新建文本文档，命名为
health_data.csv。打开
health_data.csv，输入：Age,HeartRate,BloodPressure,SleepQuality,Steps 60,72,120,7.5,8000 65,78,130,7.0,7500 70,85,140,6.5,7000 75,90,145,6.0,6500 80,95,150,5.5,6000点击文件>保存，关闭。
项目A：折线图:
打开PyCharm，进入
Project_A。右键
Project_A文件夹，选“New” > “Python File”，输入plot_a，按回车。在
plot_a.py输入：import pandas as pd import matplotlib.pyplot as plt import numpy as np # 读取数据 df = pd.read_csv('C:/Users/你的用户名/Desktop/HealthProjects/health_data.csv') # 统计均值 mean_values = df[['HeartRate', 'BloodPressure', 'SleepQuality']].mean() print("Mean Values:\n", mean_values) # 绘制折线图 plt.figure(figsize=(10, 6)) plt.plot(df['Age'], df['HeartRate'], label='Heart Rate (bpm)', marker='o') plt.plot(df['Age'], df['BloodPressure'], label='Blood Pressure (mmHg)', marker='s') plt.plot(df['Age'], df['SleepQuality'], label='Sleep Quality (hours)', marker='^') plt.title('Health Indicators by Age (Matplotlib)') plt.xlabel('Age') plt.ylabel('Value') plt.legend() plt.grid(True) plt.savefig('C:/Users/你的用户名/Desktop/HealthProjects/health_plot_a.png') plt.show()替换“你的用户名”为实际用户名（在文件资源管理器
C:\Users下查看）。点击绿色三角运行，查看图表。
打开
C:\Users\你的用户名\Desktop\HealthProjects，检查health_plot_a.png。
项目B：热力图和箱线图:
进入
Project_B。创建
plot_b.py，输入：import pandas as pd import seaborn as sns import matplotlib.pyplot as plt # 读取数据 df = pd.read_csv('C:/Users/你的用户名/Desktop/HealthProjects/health_data.csv') # 热力图 plt.figure(figsize=(8, 6)) corr = df.corr() sns.heatmap(corr, annot=True, cmap='coolwarm', square=True) plt.title('Correlation Heatmap of Health Indicators (Seaborn)') plt.savefig('C:/Users/你的用户名/Desktop/HealthProjects/health_plot_b1.png') plt.show() # 箱线图 plt.figure(figsize=(8, 6)) sns.boxplot(data=df[['HeartRate', 'BloodPressure', 'SleepQuality', 'Steps']]) plt.title('Distribution of Health Indicators (Seaborn)') plt.ylabel('Value') plt.savefig('C:/Users/你的用户名/Desktop/HealthProjects/health_plot_b2.png') plt.show()替换用户名，运行，查看图表。
检查
health_plot_b1.png（热力图）和health_plot_b2.png（箱线图）。
验证:
折线图：心率、血压上升，睡眠质量下降。
热力图：血压和心率红色（接近1），睡眠质量和步数蓝色（负相关）。
箱线图：步数范围6000-8000，无异常点。
任务:
复制代码到
学号_姓名_记录.docx，描述图表（趋势、颜色、范围）。拍摄PyCharm运行后显示的图表屏幕，保存为
health_plot_a.jpg（折线图）、health_plot_b1.jpg（热力图）、health_plot_b2.jpg（箱线图）。拍摄PyCharm运行界面（显示代码和控制台），保存为
run_a.jpg（项目A）和run_b.jpg（项目B）。
展示与作业准备
任务:
更新
学号_姓名_记录.docx，添加包源步骤、图表描述、问题（如“路径错误”）。准备3页PPT（老师提供模板）：
页1：姓名、学号、配置步骤（插入照片：
version_check.jpg、pip_list_a2.jpg、pip_list_b2.jpg）。页2：图表（插入
health_plot_a.jpg、health_plot_b1.jpg、health_plot_b2.jpg）。页3：问题与解决（如“路径错误：检查用户名”）。
讨论：图表如何帮助养老健康？（如热力图找相关指标）
准备作业：
打开文件资源管理器，进入
C:\Users\你的用户名\Desktop\HealthProjects\Screenshots。右键新建Word文档，命名为
学号_姓名_心得.docx，写500字心得。右键
Screenshots，选“发送到” > “压缩(zipped)文件夹”，命名为学号_姓名_作业.zip。打开
学号_姓名_作业.zip，拖入pip_list_a2.jpg、pip_list_b2.jpg、health_plot_a.jpg、health_plot_b1.jpg、health_plot_b2.jpg、学号_姓名_心得.docx。确认学习通上传路径（老师提供）。
任务清单
配置包源，拍摄
pip_list_a2.jpg、pip_list_b2.jpg、pip_ini.jpg。创建
health_data.csv，运行plot_a.py、plot_b.py，拍摄health_plot_a.jpg、health_plot_b1.jpg、health_plot_b2.jpg、run_a.jpg、run_b.jpg。准备PPT和
学号_姓名_作业.zip。
学习资源
包源：清华（
https://pypi.tuna.tsinghua.edu.cn/simple）、阿里（https://mirrors.aliyun.com/pypi/simple）。代码：
health_data.csv、plot_a.py、plot_b.py（如上）。文件夹：
C:\Users\你的用户名\Desktop\HealthProjects。PPT模板：老师提供。
第4学时：成果展示与作业提交
学习目标
展示环境配置和养老健康图表。
拍摄计算机屏幕输出结果。
提交作业到学习通。
学习安排
展示准备
任务概述：每位同学3分钟展示+2分钟提问，拍摄屏幕输出结果。
任务:
排练PPT：
讲解步骤和图表（折线图：趋势；热力图：相关性；箱线图：分布）。
准备PyCharm，运行
plot_a.py和plot_b.py，确保图表显示。准备回答问题。
确保PPT包含：
页1：姓名、学号、配置步骤（插入照片：
version_check.jpg、pip_list_a2.jpg、pip_list_b2.jpg）。页2：图表（插入
health_plot_a.jpg、health_plot_b1.jpg、health_plot_b2.jpg）。页3：问题与解决（如“路径错误：检查用户名”）。
准备手机或相机，确保能清晰拍摄屏幕（调整屏幕亮度，避免反光）。
时间控制在3分钟。
个人展示
详细步骤:
讲解：
如何切换版本、创建虚拟环境、配置包源。
折线图：心率、血压随年龄上升，睡眠质量下降。
热力图：血压和心率强相关（红色）。
箱线图：步数6000-8000。
问题与解决（如“路径错误：检查用户名”）。
打开PyCharm：
进入
Project_A，运行plot_a.py，显示折线图。拍摄屏幕（显示图表和代码），保存为
health_plot_a.jpg（若第3学时未拍）。进入
Project_B，运行plot_b.py，显示热力图和箱线图。拍摄屏幕（显示热力图和代码），保存为
health_plot_b1.jpg。拍摄屏幕（显示箱线图和代码），保存为
health_plot_b2.jpg.
打开命令提示符：
输入
cd C:\Users\你的用户名\Desktop\HealthProjects，按回车。输入
project_a_env\Scripts\activate，输入pip list，拍摄屏幕，保存为pip_list_a2.jpg（若第3学时未拍）。输入
deactivate，输入project_b_env\Scripts\activate，输入pip list，拍摄屏幕，保存为pip_list_b2.jpg（若第3学时未拍）。
回答提问（如“热力图红色表示什么？”）。
任务:
控制时间。
确保PyCharm运行顺畅，图表清晰。
拍摄照片时，确保屏幕内容完整（代码、图表或
pip list可见），照片清晰。记录提问和回答到
学号_姓名_记录.docx。记下其他同学经验（如“阿里源更快”）。
总结与作业提交
老师总结:
版本管理避免冲突。
虚拟环境隔离库。
包源加速安装。
Pandas、NumPy、Matplotlib、Seaborn分析健康数据。
讨论：如何改进健康分析？（如加饮食数据）
作业提交:
检查
C:\Users\你的用户名\Desktop\HealthProjects\Screenshots，确保包含：pip_list_a2.jpg（项目A的pip list）。pip_list_b2.jpg（项目B的pip list）。health_plot_a.jpg（折线图）。health_plot_b1.jpg（热力图）。health_plot_b2.jpg（箱线图）。学号_姓名_心得.docx（500字）。
右键
Screenshots，选“发送到” > “压缩(zipped)文件夹”，命名为学号_姓名_作业.zip。打开
学号_姓名_作业.zip，确认包含以上6个文件。打开浏览器，进入学习通（老师提供链接）。
登录，进入课程作业模块。
点击“上传作业”，选择
学号_姓名_作业.zip。点击“提交”，确认显示“已提交”。
任务:
参与讨论（建议：加步数目标）。
记录老师建议到
学号_姓名_记录.docx。检查
学号_姓名_心得.docx，确保500字，回答3个问题。上传作业，拍摄学习通“已提交”屏幕，保存为
submission.jpg（可选，备用）。确认提交状态。
任务清单
展示PPT和PyCharm结果，拍摄
health_plot_a.jpg、health_plot_b1.jpg、health_plot_b2.jpg（若第3学时未拍）。拍摄
pip_list_a2.jpg、pip_list_b2.jpg（若第3学时未拍）。提交
学号_姓名_作业.zip到学习通，确认提交状态。检查
学号_姓名_心得.docx。
学习资源
投影仪：展示PPT和PyCharm。
PPT：3页模板（老师提供）。
学习通：作业链接（老师提供）。
笔记：
学号_姓名_记录.docx。设备：手机或相机，拍摄屏幕。
实验设计：养老健康数据分析
实验目标
通过配置Python环境和使用Pandas、NumPy、Matplotlib、Seaborn，分析老年人心率、血压、睡眠质量、步数，生成图表，探索健康趋势和指标关系。
实验器材
Windows电脑（10GB可用空间，网络连接）。
软件：PyCharm社区版、Python 3.9、Python 3.11。
文件：
health_data.csv、test_a.py、test_b.py、plot_a.py、plot_b.py。设备：手机或相机，拍摄屏幕。
实验原理
Python版本：不同版本支持不同库，需切换3.9和3.11。
虚拟环境：隔离项目依赖，避免冲突。
包源：清华/阿里源加速库安装。
Pandas：读取和处理健康数据。
NumPy：计算均值、标准差。
Matplotlib：画折线图，展示趋势。
Seaborn：画热力图和箱线图，分析相关性和分布。
实验步骤（详细到零跨越）
步骤1：检查和安装Python版本
按Win+R，输入
cmd，按回车，打开命令提示符。输入
python --version，按回车，记录版本。输入
py -3.9，按回车，输入python --version，看是否显示“Python 3.9.0”。输入
py -3.11，按回车，输入python --version，看是否显示“Python 3.11.0”。若无3.9或3.11：
老师提供
python-3.9.0.exe和python-3.11.0.exe。双击安装，勾选“Add Python to PATH”，点击“Install Now”。
重复步骤3和4。
用手机或相机拍摄命令提示符屏幕，保存为
C:\Users\你的用户名\Desktop\HealthProjects\Screenshots\version_check.jpg。
步骤2：创建虚拟环境和安装库
项目A:
输入
cd C:\Users\你的用户名\Desktop\HealthProjects，按回车。输入
py -3.9 -m venv project_a_env，按回车。输入
project_a_env\Scripts\activate，按回车，看到(project_a_env)。输入
pip install pandas==1.4.0 numpy matplotlib，按回车。输入
pip list，按回车，确认pandas 1.4.0、numpy、matplotlib。拍摄屏幕，保存为
C:\Users\你的用户名\Desktop\HealthProjects\Screenshots\pip_list_a.jpg。
项目B:
输入
deactivate，按回车。输入
py -3.11 -m venv project_b_env，按回车。输入
project_b_env\Scripts\activate，按回车，看到(project_b_env)。输入
pip install pandas==2.0.0 numpy seaborn，按回车。输入
pip list，按回车，确认pandas 2.0.0、numpy、seaborn。拍摄屏幕，保存为
C:\Users\你的用户名\Desktop\HealthProjects\Screenshots\pip_list_b.jpg。
步骤3：配置PyCharm
双击PyCharm图标，打开。
项目A:
点击“New Project”。
在“Location”输入
C:\Users\你的用户名\Desktop\HealthProjects\Project_A。点击“Python Interpreter”旁边的“...”。
选“Add Interpreter” > “Existing environment”。
浏览到
C:\Users\你的用户名\Desktop\HealthProjects\project_a_env\Scripts\python.exe，点击“OK”。点击“Create”。
项目B:
重复，Location改为
C:\Users\你的用户名\Desktop\HealthProjects\Project_B。选择
project_b_env\Scripts\python.exe。
步骤4：验证库版本
在项目A：
右键
Project_A，选“New” > “Python File”，输入test_a。输入：
import pandas as pd import numpy as np import matplotlib print("Pandas:", pd.__version__) print("NumPy:", np.__version__) print("Matplotlib:", matplotlib.__version__) df = pd.DataFrame({'Age': [60, 65], 'Steps': [8000, 7500]}) print("Sample DataFrame:\n", df) print("Mean Steps:", np.mean(df['Steps']))点击绿色三角运行，拍摄控制台屏幕，保存为
C:\Users\你的用户名\Desktop\HealthProjects\Screenshots\test_a.jpg。
在项目B：
创建
test_b.py，输入：import pandas as pd import numpy as np import seaborn print("Pandas:", pd.__version__) print("NumPy:", np.__version__) print("Seaborn:", seaborn.__version__) df = pd.DataFrame({'Age': [60, 65], 'Steps': [8000, 7500]}) print("Sample DataFrame:\n", df) print("Mean Steps:", np.mean(df['Steps']))运行，拍摄屏幕，保存为
C:\Users\你的用户名\Desktop\HealthProjects\Screenshots\test_b.jpg。
检查：
项目A：Pandas 1.4.0，均值7750。
项目B：Pandas 2.0.0，Seaborn有版本，均值7750。
步骤5：配置包源
项目A（清华源）:
输入
cd C:\Users\你的用户名\Desktop\HealthProjects，按回车。输入
project_a_env\Scripts\activate，按回车。打开文件资源管理器，进入
C:\Users\你的用户名。新建
pip文件夹，进入。新建
pip.ini，输入：[global] index-url = https://pypi.tuna.tsinghua.edu.cn/simple trusted-host = pypi.tuna.tsinghua.edu.cn保存，关闭。
在命令提示符输入
pip install scipy，记下时间。输入
pip list，拍摄屏幕，保存为C:\Users\你的用户名\Desktop\HealthProjects\Screenshots\pip_list_a2.jpg。
项目B（阿里源）:
输入
deactivate，按回车。输入
project_b_env\Scripts\activate，按回车。打开
pip.ini，替换为：[global] index-url = https://mirrors.aliyun.com/pypi/simple trusted-host = mirrors.aliyun.com保存。
输入
pip install scipy，记下时间。输入
pip list，拍摄屏幕，保存为C:\Users\你的用户名\Desktop\HealthProjects\Screenshots\pip_list_b2.jpg。
打开
pip.ini（用记事本），拍摄屏幕，保存为C:\Users\你的用户名\Desktop\HealthProjects\Screenshots\pip_ini.jpg。
步骤6：创建和分析健康数据
创建数据:
打开文件资源管理器，进入
C:\Users\你的用户名\Desktop\HealthProjects。新建
health_data.csv，输入：Age,HeartRate,BloodPressure,SleepQuality,Steps 60,72,120,7.5,8000 65,78,130,7.0,7500 70,85,140,6.5,7000 75,90,145,6.0,6500 80,95,150,5.5,6000保存，关闭。
项目A：折线图:
打开PyCharm，进入
Project_A。创建
plot_a.py，输入：import pandas as pd import matplotlib.pyplot as plt import numpy as np # 读取数据 df = pd.read_csv('C:/Users/你的用户名/Desktop/HealthProjects/health_data.csv') # 统计均值 mean_values = df[['HeartRate', 'BloodPressure', 'SleepQuality']].mean() print("Mean Values:\n", mean_values) # 绘制折线图 plt.figure(figsize=(10, 6)) plt.plot(df['Age'], df['HeartRate'], label='Heart Rate (bpm)', marker='o') plt.plot(df['Age'], df['BloodPressure'], label='Blood Pressure (mmHg)', marker='s') plt.plot(df['Age'], df['SleepQuality'], label='Sleep Quality (hours)', marker='^') plt.title('Health Indicators by Age (Matplotlib)') plt.xlabel('Age') plt.ylabel('Value') plt.legend() plt.grid(True) plt.savefig('C:/Users/你的用户名/Desktop/HealthProjects/health_plot_a.png') plt.show()替换用户名，运行，拍摄图表屏幕，保存为
C:\Users\你的用户名\Desktop\HealthProjects\Screenshots\health_plot_a.jpg。拍摄运行界面（显示代码和控制台），保存为
C:\Users\你的用户名\Desktop\HealthProjects\Screenshots\run_a.jpg。
项目B：热力图和箱线图:
进入
Project_B。创建
plot_b.py，输入：import pandas as pd import seaborn as sns import matplotlib.pyplot as plt # 读取数据 df = pd.read_csv('C:/Users/你的用户名/Desktop/HealthProjects/health_data.csv') # 热力图 plt.figure(figsize=(8, 6)) corr = df.corr() sns.heatmap(corr, annot=True, cmap='coolwarm', square=True) plt.title('Correlation Heatmap of Health Indicators (Seaborn)') plt.savefig('C:/Users/你的用户名/Desktop/HealthProjects/health_plot_b1.png') plt.show() # 箱线图 plt.figure(figsize=(8, 6)) sns.boxplot(data=df[['HeartRate', 'BloodPressure', 'SleepQuality', 'Steps']]) plt.title('Distribution of Health Indicators (Seaborn)') plt.ylabel('Value') plt.savefig('C:/Users/你的用户名/Desktop/HealthProjects/health_plot_b2.png') plt.show()替换用户名，运行。
拍摄热力图屏幕，保存为
C:\Users\你的用户名\Desktop\HealthProjects\Screenshots\health_plot_b1.jpg。拍摄箱线图屏幕，保存为
C:\Users\你的用户名\Desktop\HealthProjects\Screenshots\health_plot_b2.jpg。拍摄运行界面（显示代码和控制台），保存为
C:\Users\你的用户名\Desktop\HealthProjects\Screenshots\run_b.jpg。
步骤7：准备展示和作业
PPT:
打开老师提供的PPT模板。
页1：姓名、学号，插入
version_check.jpg、pip_list_a2.jpg、pip_list_b2.jpg，写步骤。页2：插入
health_plot_a.jpg、health_plot_b1.jpg、health_plot_b2.jpg，写图表说明。页3：写问题和解决方法。
作业:
打开文件资源管理器，进入
C:\Users\你的用户名\Desktop\HealthProjects\Screenshots。新建
学号_姓名_心得.docx，写500字心得，回答：你用了哪些步骤配置环境？
折线图、热力图、箱线图说明了什么？
遇到什么问题？怎么解决？
右键
Screenshots，选“发送到” > “压缩(zipped)文件夹”，命名为学号_姓名_作业.zip。打开
学号_姓名_作业.zip，拖入pip_list_a2.jpg、pip_list_b2.jpg、health_plot_a.jpg、health_plot_b1.jpg、health_plot_b2.jpg、学号_姓名_心得.docx。
提交:
打开浏览器，进入学习通（老师提供链接）。
登录，进入课程作业模块。
点击“上传作业”，选择
学号_姓名_作业.zip。点击“提交”，确认显示“已提交”。
拍摄学习通“已提交”屏幕，保存为
C:\Users\你的用户名\Desktop\HealthProjects\Screenshots\submission.jpg（可选，备用）。
实验结果
折线图：心率、血压随年龄上升，睡眠质量下降。
热力图：血压和心率强正相关（红色，接近1）。
箱线图：步数范围6000-8000，无异常点。
照片：
pip_list_a2.jpg和pip_list_b2.jpg显示正确库版本，health_plot_a.jpg、health_plot_b1.jpg、health_plot_b2.jpg显示图表。
注意事项
每次运行代码前，检查路径中的用户名。
若
pip install慢，检查pip.ini是否正确。拍摄照片时，调整屏幕亮度，确保内容清晰（代码、图表或
pip list完整可见）。保存照片时，确保文件名正确。
提交作业前，检查
学号_姓名_作业.zip包含所有文件。确保手机或相机电量充足，照片可传输到电脑。
总结与资源
收获：学会配置Python环境，用Pandas、NumPy、Matplotlib、Seaborn分析养老健康数据。
参与：独立实践和展示提升技能。
资源：
Python下载：www.python.org/downl...
PyCharm教程：www.jetbrains.com/he...
Pandas文档：pandas.pydata.org/do...
NumPy文档：numpy.org/doc/
Matplotlib文档：matplotlib.org/stabl...
Seaborn文档：seaborn.pydata.org/
继续学习：
探索Conda环境。
学习Scikit-learn预测健康风险。
分析真实养老数据。
下一步
保存
HealthProjects文件夹，复用代码。提交作业，检查学习通状态。
遇到问题，向老师求助！
最后编辑：信息技术教研室 更新时间：2025-08-13 10:53
