对象 / Audience: 编程零基础的初学者（经济学/社科背景友好 / beginners with zero programming, economics-friendly） 周期 / Duration: 5 周 · 15 节 / 5 weeks · 15 sessions 节奏 / Schedule: 每周一、三、五各 1 节，每节 60 分钟 / Mon, Wed, Fri — one 60-min session each 单节结构 / Per-session: 20 min 理论 Theory + 20 min 演示 Demo + 20 min 练习答疑 In-class Practice
中文： 本课程面向零基础初学者（尤其适合经济学/社会科学方向），目标是让你在 5 周内从"没写过一行代码"成长为"能独立用 Python 做经济数据分析"。我们不教面向对象、算法、爬虫等通用计算机科学内容，而是把每一分钟都投入到经济学真正用得上的技能：用 pandas 读取与清洗数据、用 matplotlib 画图、用 statsmodels 跑一元和多元 OLS 回归并正确解读系数/R²/p 值/虚拟变量，最后用真实的 gapminder 数据完成一份可复现的分析报告。
English: This course takes a complete beginner in Economics from "never wrote a line of code" to "can independently analyze economic data in Python" in five weeks. We deliberately skip OOP, algorithms, and web scraping. Every minute targets skills an economist actually uses: reading and cleaning data with pandas, plotting with matplotlib, running simple and multiple OLS regressions with statsmodels — interpreting coefficients, R², p-values, and dummy variables correctly — and finally delivering a reproducible analysis report on real gapminder data.
完成课程后，你应能 / After this course, you will be able to:
- 独立用 pandas 读取 CSV、筛选行列、处理缺失值、分组聚合 / Independently load CSVs, filter rows/columns, handle missing values, and do group-by aggregation with pandas.
- 用 matplotlib / pandas 绘制折线图、柱状图、散点图、直方图并加标注 / Produce annotated line, bar, scatter, and histogram plots.
- 计算描述统计量与相关系数，判断变量关系 / Compute descriptive statistics and correlations to assess relationships.
- 用
statsmodels跑一元与多元 OLS（含虚拟变量），并解读summary()中的 coef、R²、p 值、t 值 / Run simple and multiple OLS (incl. dummies) and readcoef,R²,p-value,tfromsummary().
完整《Anaconda 安装指南》单独成文（
SETUP_GUIDE.md，课前发放）。此处仅列要点。 A full Anaconda Setup Guide (SETUP_GUIDE.md) is distributed separately before class. Key points only here.
- 下载 Anaconda / Download Anaconda (Python 3.x) from the official site — 选择对应操作系统 (Windows / macOS)。
- 创建独立环境 / Create an isolated environment so versions stay stable:
说明 / Note: 本课程在 Python 3.12 + pandas 2.x + statsmodels 下编写并逐个 notebook 执行验证。详细安装与排障见
conda create -n pycourse python=3.12 conda activate pycourse conda install pandas numpy matplotlib statsmodels jupyter openpyxl
SETUP_GUIDE.md。 - 启动 Jupyter Notebook / Launch Jupyter:
jupyter notebook，浏览器自动打开。 - 验证环境 / Verify: 在一个 cell 里运行
import pandas, numpy, matplotlib, statsmodels不报错即成功 / no error means success. - 第 1 节课预留 5–10 分钟环境排障 / Session 1 reserves 5–10 min for setup troubleshooting (PATH issues, conda not found, kernel errors). 建议课前已完成安装。
课程数据集已放在 data/ 目录，无需联网下载；notebook 在各 weekN/ 目录下用相对路径 ../data/... 读取 / All datasets live in data/ (offline-ready); notebooks read them via ../data/... from each weekN/ folder. 核心数据：
data/tips.csv— 餐厅小费 (244 行)，贯穿 pandas / 分组 / 绘图 / 入门回归 / The workhorse dataset.data/macrodata.csv— 美国宏观经济季度数据 (203 行, 1959–2009)，用于第 4 周 OLS / Macro data for the Week-4 regression.data/gapminder.csv— 全球各国 1952–2007 预期寿命/人口/人均 GDP (1704 行)，用于第 5 周实战项目 / Real gapminder data for the Week-5 project.data/ex1.csv,ex2.csv,ex1.xlsx— 微型读写练习文件 / Tiny files for read/write drills.
关键约束：每节课只能使用之前节次已教过的语法。 严格单向递进，绝不"超前引用"。 Hard rule: each session may only use syntax taught in prior sessions. Strictly forward-only; no forward references.
语法解锁顺序 / Unlock order:
S1 变量/类型/print → S2 列表/循环/range → S3 字典/if/函数
→ S4 NumPy 数组 → S5-S6 pandas Series/DataFrame/索引筛选
→ S7 读写文件 → S8 缺失值/清洗 → S9 matplotlib 绘图
→ S10 groupby/描述统计 → S11 一元 OLS → S12 多元 OLS + 虚拟变量 + 实战
→ S13-S15 真实数据综合实战（无新语法；仅 np.log 做数据变换，numpy 已于 S4 学）
例：S9 绘图前不用 groupby；S11 回归只用一个自变量；虚拟变量直到 S12 才出现；第 5 周不引入新语法。
Example: no groupby before S10; S11 uses a single regressor; dummies appear only in S12; Week 5 introduces no new syntax.
每节产出三份 notebook，放在对应周目录下 / Three notebooks per session, under its week folder:
python-course/
├── week1/
│ ├── session1_lecture.ipynb # 理论 + 演示 + 末尾课堂练习（填空式）/ theory + demo + in-class practice at the end
│ ├── session1_homework.ipynb # 课后作业题面 / homework prompts
│ ├── session1_answers.ipynb # 课后作业答案 / homework answers
│ ├── session2_*.ipynb
│ └── session3_*.ipynb
├── week2/ (session4–6)
├── week3/ (session7–9)
├── week4/ (session10–12)
├── week5/ (session13–15) # 真实数据实战项目 / real-world project
└── data/ # 课程数据集 / course datasets (tips, macrodata, gapminder, ex*)
Notebook 内部规范 / Inside each notebook:
- 每个知识点 = 双语 Markdown 讲解 cell（中文 + English）+ 演示 code cell / bilingual markdown + demo code.
- 所有输出用
print()，不依赖 IPython 自动回显（参考素材是裸代码、靠自动回显，零基础学生会困惑）/ Always useprint(), never rely on auto-echo. - 代码与变量名用英文，注释中英对照 / Code in English, comments bilingual.
- 例子尽量经济学语境（GDP、通胀、工资、价格），降低认知距离 / Prefer economics framing.
学习目标 / Objectives
- 在本机成功启动 Jupyter 并运行一个 cell / Launch Jupyter and run a cell.
- 用变量保存数字与文本，并用
print()输出 / Store numbers/text in variables and print them. - 区分
int、float、str三种基本类型 / Distinguish int, float, str. - 用
+ - * / **做算术，理解 Python 是"高级计算器" / Do arithmetic.
理论要点 (20') / Theory
- 课程地图 + 为什么经济学家学 Python（数据科学项目长什么样）/ Course map; why economists code.
- Jupyter 界面：cell、运行 (Shift+Enter)、Markdown vs Code。
- 变量赋值
=；int / float / str；type()；算术运算符与运算顺序。 print()与 f-string：print(f"GDP = {gdp}")。
演示内容 (20') / Demo
- 改编自
hello_word.py、name.py：gdp = 21000、country = "China"，用 f-string 输出一句经济陈述。 - 改编自 QMUL Part 1：算术表达式
(3 - 5*1.8)/1.2、np.sqrt暂不用，纯内置运算。 - 顺带演示 1 条魔法命令
%timeit（来自 appb，仅提一句）。
课堂练习 (20') / In-class Practice
- 填空式（fill-in-the-blank，借鉴 QMUL 形式）：定义
price、quantity，计算revenue并打印。 - 把一段老式字符串拼接改写成 f-string。
课后作业 (~30') / Homework
- 用变量计算"名义 GDP 增长率"：给定两年 GDP，输出增长率百分比字符串。
- 改三处类型错误（如把
"100" + 5修正）。附答案。
参考素材 / References
references/Python-Crash-Course/hello_word.py,name.pyreferences/QMULSBM_PhDWorkshop/SBM_PhD_python_workshop_part1.ipynb（算术/变量/类型段）references/pydata-book/ch02.ipynb（精选标量类型 cell）
仅用语法 / Allowed syntax: 变量、int/float/str、算术、print、f-string。
学习目标 / Objectives
- 创建列表，按索引/切片访问元素 / Create lists; index and slice.
- 用
for循环遍历列表 / Iterate withfor. - 用
range()生成数字序列 / Generate sequences withrange(). - 用列表方法
append、sort、len/ Use list methods.
理论要点 (20') / Theory
- 列表是"一列历年通胀率"——有序、可变、用
[]。/ List = ordered mutable sequence. - 索引从 0 开始；切片
[1:4]；负索引。 for x in mylist:缩进的意义（Python 用缩进表示代码块）。range(start, stop, step)；len()；append()；sort()/sorted()。
演示内容 (20') / Demo
- 改编自
cars.py、foods.py、magicians.py、number.py、even_numbers.py： 用inflation = [2.1, 3.4, 1.9, ...]列表，循环打印每年通胀，求平均（sum()/len()）。 - 保留
cars.py的print(cars.sort)漏括号 bug 作"找错"引子。
课堂练习 (20') / In-class Practice
- 给一个"历年工资"列表：用循环打印每个值，找出最大值（仅用已学：循环 + if 暂未学，故用
max()）。 - 用
range(0, 10, 2)生成偶数列表并打印。
课后作业 (~30') / Homework
- 给定 5 个国家的 GDP 列表，计算总和、平均、最大、最小并打印。
- 切片练习：取前 3 个、后 2 个元素。附答案。
参考素材 / References
references/Python-Crash-Course/cars.py,foods.py,magicians.py,number.py,even_numbers.py,squares.pyreferences/QMULSBM_PhDWorkshop/...part1.ipynb（list 段）references/pydata-book/ch03.ipynb（list 精选 cell）
仅用语法 / Allowed syntax: 前述 + 列表、索引/切片、for、range、len/append/sort/sum/max/min。
学习目标 / Objectives
- 用字典存"键→值"映射（如 国家→GDP）/ Use dicts for key→value (country→GDP).
- 用
if / elif / else做条件判断 / Branch with if/elif/else. - 定义带参数和返回值的函数 / Define functions with params and return.
- 用
dict+zip把两列配成一个字典（pandas 列标签雏形）/ Build dict via zip.
理论要点 (20') / Theory
- 字典
{ "China": 21000 }；d[key]、增改、.keys()、.values()、.items()遍历。 - 条件：比较运算符、
if/elif/else、布尔。 - 函数：
def f(x): return ...；参数、返回值、为什么封装（DRY）。 zip(names, values)→dict(zip(...))：强调"这就是后续 pandas 列名→数据的雏形"。
演示内容 (20') / Demo
- 改编自
user.py、many_users.py、admin.py、pizza.py、name_function.py：gdp = {"China": 21, "US": 25}，遍历打印；写函数growth_rate(old, new)返回增长率；用if判断"扩张/衰退"。 dict(zip(countries, capitals))（QMUL 答案版片段）。
课堂练习 (20') / In-class Practice
- 写函数
classify(infl)：通胀 >5% 打印 "high"，2–5% "normal"，<2% "low"。 - 用 zip 把
["A","B"]与[10,20]配成字典并打印。
课后作业 (~30') / Homework
- 建立"国家→人口"字典，写函数返回人口最多的国家（遍历 + if）。
- 写函数
cagr(begin, end, years)计算年复合增长率。附答案。
参考素材 / References
references/Python-Crash-Course/user.py,many_users.py,admin.py,pizza.py,name_function.py,favorite_languages.pyreferences/QMULSBM_PhDWorkshop/...part1.ipynb（dict / zip 段）+ answers 版references/pydata-book/ch03.ipynb（dict / function 精选）
仅用语法 / Allowed syntax: 前述 + 字典、if/elif/else、def/return、zip。
学习目标 / Objectives
- 创建一维
ndarray，理解它与 list 的区别 / Create 1-D arrays; contrast with lists. - 对整个数组做向量化运算（无需循环）/ Do vectorized arithmetic without loops.
- 用布尔条件筛选数组元素 / Filter with boolean masks.
- 用
mean / sum / std等聚合 / Aggregate with mean/sum/std.
理论要点 (20') / Theory
- 为什么要 NumPy：经济数据是"一整列数字"，向量化又快又简洁。
np.array([...])；array * 2、array + array（逐元素）。- 广播简述（标量 + 数组）；布尔索引
arr[arr > 0]。 - 聚合：
arr.mean(),.sum(),.std(),.max()。
演示内容 (20') / Demo
- 改编自
ch04.ipynb（精简，去掉花式索引）：把上节"通胀列表"变np.array，一次性算实际利率nominal - infl；筛选infl[infl > 3]。 - 全部输出用
print()。
课堂练习 (20') / In-class Practice
- 给一个"季度 GDP"数组，计算环比变化（
arr[1:] - arr[:-1]）。 - 用布尔索引选出所有正增长的季度。
课后作业 (~30') / Homework
- 给"价格数组"和"数量数组"，向量化算总收入数组与总和。
- 算数组的均值与标准差并打印。附答案。
参考素材 / References
references/pydata-book/ch04.ipynb（数组创建 / 向量化 / 布尔索引 / 聚合，挑约 20 cell）
仅用语法 / Allowed syntax: 前述 + import numpy as np、ndarray、向量化运算、布尔索引、数组聚合。
学习目标 / Objectives
- 创建
Series，理解"索引 + 值" / Build a Series (index + values). - 从字典创建
DataFrame，理解"表格"结构 / Build a DataFrame from a dict. - 查看
head(),shape,columns,dtypes,describe()/ Inspect a DataFrame. - 选取单列与多列 / Select one or more columns.
理论要点 (20') / Theory
- Series = 带标签的一维数组（上节 NumPy + 上周字典的结合体）。
- DataFrame = 多个 Series 拼成的表（行=观测，列=变量）——正是经济数据的样子。
pd.DataFrame({...})；df.head(),df.shape,df.columns,df["col"],df[["a","b"]]。df.describe()一眼看统计概览。
演示内容 (20') / Demo
- 改编自
ch05.ipynb（前半，约 20 cell）：用字典手建一个"国家/GDP/人口" DataFrame；展示 head / shape / 选列。 - 强调列选择返回 Series vs DataFrame 的区别。
课堂练习 (20') / In-class Practice
- 用
dict(zip(...))思路手建一个 4 行 3 列的经济 DataFrame，打印 shape 与某一列。 - 调用
describe()并口头解读 mean / max。
课后作业 (~30') / Homework
- 用给定的几列数据建 DataFrame，选出两列组成新 DataFrame，打印
head()与describe()。附答案。
参考素材 / References
references/pydata-book/ch05.ipynb（Series / DataFrame 构造，前半段）references/reproducible-data-science-python/notebooks/02_...ipynb（pandas 极简入门节奏，去 Colab 化）
仅用语法 / Allowed syntax: 前述 + import pandas as pd、Series、DataFrame(字典)、head/shape/columns/dtypes/describe、列选择。
学习目标 / Objectives
- 用
loc/iloc选行选列 / Select rows/cols with loc/iloc. - 用布尔条件筛选行（如 GDP > 均值）/ Filter rows with boolean conditions.
- 新增计算列 / Create derived columns.
- 用
sort_values排序 / Sort by a column.
理论要点 (20') / Theory
df.loc[行标签, 列名]vsdf.iloc[行号, 列号]。- 布尔筛选：
df[df["gdp"] > 1000]；多条件&、|与括号。 - 新列：
df["gdp_per_cap"] = df["gdp"] / df["pop"]（向量化的延续）。 df.sort_values("gdp", ascending=False)。
演示内容 (20') / Demo
- 改编自
ch05.ipynb（后半，约 20 cell）：在上节 DataFrame 上做条件筛选、加人均 GDP 列、排序取前几名。
课堂练习 (20') / In-class Practice
- 筛出"人均 GDP 高于平均"的国家行。
- 新增一列"是否高收入"（先用算术/比较生成布尔列，dummies 概念留到 S12）。
课后作业 (~30') / Homework
- 给定经济 DataFrame：筛选满足某条件的行、加一个比率列、按该列排序输出前 3。附答案。
参考素材 / References
references/pydata-book/ch05.ipynb（loc/iloc/布尔索引/算术，后半段）references/reproducible-data-science-python/notebooks/04_...ipynb（索引/筛选片段，简化）
仅用语法 / Allowed syntax: 前述 + loc/iloc、布尔筛选、新增列、sort_values。
学习目标 / Objectives
- 用
pd.read_csv读取真实 CSV 文件 / Load real CSVs. - 用参数处理表头、分隔符、缺失标记 / Use key parameters.
- 读 Excel
read_excel；写出to_csv/ Read Excel; write CSV. - 第一次接触真实数据集
tips.csv/ Meettips.csv.
理论要点 (20') / Theory
- 真实工作流：数据在文件里，第一步是"读进来"。
pd.read_csv("path")；常用参数header,names,na_values。pd.read_excel(..., sheet_name=...)（需 openpyxl）；df.to_csv("out.csv", index=False)。- 读进来后立刻
head()/shape/describe()体检。
演示内容 (20') / Demo
- 改编自
ch06.ipynb：读examples/ex1.csv,ex2.csv（练参数），再读真实的examples/tips.csv，看 head/describe。 - 读
examples/ex1.xlsx演示 Excel。
课堂练习 (20') / In-class Practice
- 读
tips.csv，打印行数、列名、前 5 行。 - 把筛选后的子集
to_csv写出。
课后作业 (~30') / Homework
- 读
tips.csv：报告有多少行、total_bill的均值与最大值、day列有哪些取值（unique()）。附答案。
参考素材 / References
references/pydata-book/ch06.ipynb（read_csv / read_excel / to_csv，挑核心）- 数据 / Data：
data/ex1.csv,data/ex2.csv,data/ex1.xlsx,data/tips.csv（notebook 用../data/...读取）
仅用语法 / Allowed syntax: 前述 + read_csv/read_excel/to_csv、unique。
学习目标 / Objectives
- 检测缺失值
isnull/sum/ Detect missing values. - 删除或填充缺失值
dropna/fillna/ Drop or fill them. - 去重
drop_duplicates/ Remove duplicates. - 用
replace/map做值替换与重编码 / Recode values.
理论要点 (20') / Theory
- 真实数据"脏"：缺失、重复、错值——分析前必须清洗。
df.isnull().sum()统计每列缺失；dropna()vsfillna(value)（均值填充）。drop_duplicates()；replace({...})；map()把类别映射成数字（为 S12 虚拟变量埋伏笔，但此处只讲 map，不讲回归 dummy）。
演示内容 (20') / Demo
- 改编自
ch07.ipynb（改用简单数据）：造一个含 NaN 的小经济 DataFrame，演示检测→填充→去重→map把 "Yes/No" 映射为 1/0。 - 也可在
tips.csv的smoker列演示map({"Yes":1,"No":0})。
课堂练习 (20') / In-class Practice
- 给含缺失的工资数据：统计缺失数、用均值填充、再 describe。
- 用
replace把异常值（如 -1）改成 NaN 再处理。
课后作业 (~30') / Homework
- 清洗一份小脏数据：删重复行、填缺失、把某类别列 map 成 0/1，输出清洗后
head()。附答案。
参考素材 / References
references/pydata-book/ch07.ipynb（缺失/去重/replace/map，简化数据）references/reproducible-data-science-python/notebooks/04_...ipynb（缺失值片段）
仅用语法 / Allowed syntax: 前述 + isnull/sum、dropna/fillna、drop_duplicates、replace、map。
学习目标 / Objectives
- 画折线、柱状、散点、直方图 / Plot line, bar, scatter, histogram.
- 加标题、坐标轴标签、图例 / Add titles, axis labels, legend.
- 用
df.plot(...)快速出图 / Use pandas.plot. - 用散点图直观看两个变量的关系（为回归铺垫）/ Read a scatter as a relationship.
理论要点 (20') / Theory
%matplotlib inline；import matplotlib.pyplot as plt。- 折线（时间趋势）、柱状（分类比较）、散点（两变量关系）、直方图（分布）各自何时用。
plt.title/xlabel/ylabel/legend；df.plot(kind="scatter", x=..., y=...)。
演示内容 (20') / Demo
- 改编自
ch09.ipynb（用tips.csv）：total_billvstip散点图；total_bill直方图；按day的小费均值柱状图（均值用上周已学的列运算，分组留到 S10，这里先手动或用 value_counts）。 - 散点图引出："看起来 bill 越高 tip 越高——下周我们用回归量化它。"
课堂练习 (20') / In-class Practice
- 画
tips.csv中size（人数）的直方图，加标题与轴标签。 - 画
tipvstotal_bill散点并加标题。
课后作业 (~30') / Homework
- 用
macrodata.csv画realgdp随year的折线图，加标签；再画unemp直方图。附答案。
参考素材 / References
references/pydata-book/ch09.ipynb（折线/柱状/散点/直方，强烈推荐 tips.csv 演示）- 数据 / Data：
data/tips.csv,data/macrodata.csv（notebook 用../data/...读取）
仅用语法 / Allowed syntax: 前述 + matplotlib.pyplot、plt.title/xlabel/ylabel/legend、df.plot、value_counts。
学习目标 / Objectives
- 用
groupby做分组聚合（split-apply-combine）/ Aggregate by groups. - 计算分组均值/计数/求和 / Group means, counts, sums.
- 计算相关系数
corr/ Compute correlations. - 用
pivot_table做简单透视 / Build a simple pivot table.
理论要点 (20') / Theory
- 经济分析常问"按组比较"：不同性别/地区/类别的均值差异。
df.groupby("day")["tip"].mean()；.count(),.sum(),.agg([...])。- 相关性：
df[["total_bill","tip"]].corr()，区间 [-1,1] 的含义；相关 ≠ 因果。 pivot_table(values, index, columns, aggfunc)简介。
演示内容 (20') / Demo
- 改编自
ch10.ipynb（tips.csv）：按day、smoker分组算小费均值；total_bill与tip的相关系数；一张小费率透视表。
课堂练习 (20') / In-class Practice
- 按
time（Lunch/Dinner）分组算total_bill均值。 - 计算
size与total_bill的相关系数并口头解读。
课后作业 (~30') / Homework
- 用
macrodata.csv：算realcons与realdpi的相关系数；按"是否高失业期"(自定义阈值布尔列) 分组比较infl均值。附答案。
参考素材 / References
references/pydata-book/ch10.ipynb（groupby / pivot_table，用 tips.csv）references/reproducible-data-science-python/notebooks/05_...ipynb（相关系数片段）
仅用语法 / Allowed syntax: 前述 + groupby、agg、corr、pivot_table。
学习目标 / Objectives
- 理解一元线性回归
y = β0 + β1·x + ε的含义 / Understand the model. - 用
statsmodels公式接口跑一元 OLS / Fit simple OLS viasmf.ols. - 读
summary()中的截距、斜率、R²、p 值 / Read intercept, slope, R², p-value. - 在散点图上叠加回归线 / Overlay the fitted line.
理论要点 (20') / Theory
- 从上节"相关"到"回归"：回归给出斜率（x 变 1 单位，y 平均变多少）。
- 模型
y = β0 + β1 x；最小二乘直觉（让残差平方和最小）。 import statsmodels.formula.api as smf；results = smf.ols("y ~ x", data=df).fit()；print(results.summary())。- 读表：
coef（斜率/截距）、R-squared（解释力 0–1）、P>|t|（显著性，<0.05 常视为显著）、t。
演示内容 (20') / Demo
- 用
tips.csv入门：smf.ols("tip ~ total_bill", data=tips).fit()，解读"账单每多 1 美元，小费平均多约 0.10 美元"，看 R² 与 p 值。 - 用
macrodata.csv做经济版消费函数：smf.ols("realcons ~ realdpi", data=macro).fit()，解读边际消费倾向。 - 画散点 + 回归线（沿用 S9 绘图）。
课堂练习 (20') / In-class Practice
- 跑
tip ~ size，读斜率与 p 值，一句话解释。 - 自己说出某回归的 R² 含义。
课后作业 (~30') / Homework
- 用
macrodata.csv跑菲利普斯曲线infl ~ unemp：报告斜率、p 值、R²，并写两句中英解读。附答案。
参考素材 / References
references/pydata-book/ch12.ipynb（statsmodels OLS 框架，数据换成 macrodata.csv / tips.csv）references/reproducible-data-science-python/notebooks/05_...ipynb（sm.OLS/summary()/ regplot 片段）- 数据 / Data：
data/tips.csv,data/macrodata.csv（notebook 用../data/...读取）
仅用语法 / Allowed syntax: 前述 + smf.ols("y ~ x")、.fit()、.summary()、.params、回归线绘图。
学习目标 / Objectives
- 跑含多个自变量的多元 OLS / Fit multiple OLS.
- 加入类别变量作为虚拟变量并解读 / Add and interpret dummy variables.
- 比较一元与多元模型（系数变化、R²、调整 R²）/ Compare models.
- 独立完成"读数→清洗→画图→回归→解读"的完整闭环 / Run the full pipeline end-to-end.
理论要点 (20') / Theory
- 多元回归
y = β0 + β1 x1 + β2 x2 + ...：控制其他变量后某变量的效应（"其他条件不变"）。 - 虚拟变量：类别（如 Sex、smoker）用
C(col)自动生成 0/1，系数=相对基准组的差异。 - R² vs 调整 R²；多重共线性一句话提醒（不展开）。
- 解读规范：系数符号、大小、单位、p 值、整体 R²。
演示内容 (20') / Demo
- 用
tips.csv：smf.ols("tip ~ total_bill + size + C(smoker)", data=tips).fit()，解读虚拟变量C(smoker)系数（吸烟者小费差异）。 - 用
macrodata.csv：多元消费函数realcons ~ realdpi + realint，对比 S11 一元结果。 - 完整闭环演示：读 →
dropna→ 画散点 → 回归 → 读 summary。
课堂练习 (20') / In-class Practice
- 在
tips.csv跑tip ~ total_bill + C(day)，找出哪天小费显著不同。 - 比较加入
size前后total_bill系数与 R² 的变化。
课后作业 / 综合小项目 (~30–45') / Capstone Homework
- 数据集二选一（
tips.csv或macrodata.csv）：完成 (1) 读入并体检 (2) 处理缺失/选列 (3) 一张可视化 (4) 一元 OLS (5) 多元 OLS（含至少一个虚拟变量）(6) 用中英双语写 4–6 句结论，解读关键系数、p 值、R²。 - 提供评分要点 + 完整答案 notebook。
参考素材 / References
references/pydata-book/ch12.ipynb（多元 OLS +C()虚拟变量框架，换 macrodata/tips 数据）references/reproducible-data-science-python/notebooks/08_causal_inference.ipynb（smf.ols("wage ~ female + ...")性别工资差距，仅取 OLS 解读片段，丢弃因果概念）- 期末项目可选素材：
references/pydata-book/ch13.ipynb（FEC 政治献金等，教师预清洗后供学有余力者） - 数据 / Data：
data/tips.csv,data/macrodata.csv（notebook 用../data/...读取）
仅用语法 / Allowed syntax: 全部已学 + 多自变量公式 y ~ x1 + x2 + C(cat)、调整 R² 解读。
本周为综合实战周，不引入新语法，全程复用第 1–4 周技能。 数据：
data/gapminder.csv（全球各国 1952–2007 的预期寿命、人口、人均 GDP，真实数据）。 贯穿问题：人均 GDP 如何影响预期寿命？是否边际递减？洲别有何差异？
学习目标： 理解"可复现分析"；为真实数据集提出可回答的研究问题；加载/体检/清洗 gapminder，得到 2007 横截面。
理论 (20')： 什么是可复现；如何框定研究问题；认识 gapminder 各变量。
演示 (20')： 加载 → 体检（dtypes/describe/缺失）→ 取 2007 横截面 → 看极值。
课堂练习 (20')： 取 1952 横截面统计；筛选 2007 高寿命国家。
作业 (~30')： 数据理解小结（行列/年份/各洲行数/describe）+ 选定 2007 横截面。
参考素材： references/reproducible-data-science-python/notebooks（项目化/可复现叙事，去 Colab 化）。
学习目标： 用分组统计与相关系数初步回答问题；选对图表讲故事；发现关系 非线性。 理论 (20')： EDA 是什么；分组/相关/形状三个角度；选图原则。 演示 (20')： 各洲平均寿命柱状图、某国寿命随时间折线、人均 GDP vs 寿命散点（看曲线）。 课堂练习 (20')： 按洲算人均 GDP 均值；画某国寿命折线。 作业 (~30')： 分组+相关 + 两张图 + 一句双语观察。
学习目标： 在项目数据上跑一元/多元 OLS 并解读；（进阶）理解边际递减时为何取对数；产出一份可复现双语报告。
理论 (20')： 从 EDA 到模型；（进阶）为什么 np.log；可复现报告的组成。
演示 (20')： 三步建模——朴素直线 → 取对数（R² 0.46→0.65）→ 加 C(continent)（AdjR² 0.76）→ 组装报告。
课堂练习 (20')： 跑 lifeExp ~ log(pop)；比较 m2 与 m3 的调整 R²。
结课作业 (~40–45')： gapminder 完整可复现项目（问题→清洗→EDA→图→一元/多元 OLS→双语报告）。
结课寄语： 讲义末尾点名后续可学方向（逻辑回归、稳健/面板回归、因果推断、时间序列、机器学习、seaborn/git），只提方向不展开代码。
仅用语法 / Allowed syntax: 全部已学 + np.log（numpy，S4 已学）做数据变换；无新语法。
- 课堂练习 15 次（参与度）/ 15 in-class exercises (participation).
- 课后作业 15 份，每份附答案自评 / 15 homeworks with answer keys.
- 期末综合小项目（Session 15 作业）= gapminder 真实数据可复现分析报告 / Final capstone = reproducible report on gapminder.
- 通过标准：能独立完成真实数据的"读数→清洗→可视化→一元/多元 OLS"闭环，并正确解读系数、R²、p 值、虚拟变量 / Pass = independent, correct end-to-end analysis and interpretation.
- 不教 OOP（references 里的
dog.py/car.py/Simulated Exchange.py）、算法（爬楼梯/斐波那契/二分）、爬虫、时间序列(ch11)、ML(ch06-08 of reproducible repo, QMUL AI intro 全部) — 均超出经济学零基础 5 周目标（第 15 节讲义末尾会"点名"这些进阶方向供后续自学）。 - 裸代码改写：所有参考 notebook 是 IPython 自动回显风格，统一改成
print()+ 双语 markdown 讲解。 - 数据替换：ch12 原用随机数据跑 OLS，无经济含义 → 全部换成
macrodata.csv（消费函数/菲利普斯曲线）与tips.csv（小费回归），实现"pandas 处理 → OLS → 解读"闭环与课程目标对齐。
本大纲为教学计划框架；各 notebook 具体 cell 内容在对应 weekN/sessionM_*.ipynb 中实现。