掃一掃
關(guān)注中圖網(wǎng)
官方微博
>
>
自學(xué)Python ——編程基礎(chǔ)、科學(xué)計(jì)算及數(shù)據(jù)分析 第2版
自學(xué)Python ——編程基礎(chǔ)、科學(xué)計(jì)算及數(shù)據(jù)分析 第2版 版權(quán)信息
- ISBN：9787111714132
- 條形碼：9787111714132 ; 978-7-111-71413-2
- 裝幀：一般純質(zhì)紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
自學(xué)Python ——編程基礎(chǔ)、科學(xué)計(jì)算及數(shù)據(jù)分析 第2版 本書特色
適讀人群 ：本書適合剛接觸Python的初學(xué)者以及希望使用Python處理和分析數(shù)據(jù)的讀者閱讀，也可作為學(xué)習(xí)和使用Python的工具書或參考資料使用。一本言簡意賅、系統(tǒng)講解Python編程基礎(chǔ)、科學(xué)計(jì)算、數(shù)據(jù)分析的自學(xué)教程。 源自網(wǎng)上廣受好評的“中文python筆記”，知乎 “如何系統(tǒng)地自學(xué) Python？”千萬訪問量答主自學(xué)Python的經(jīng)驗(yàn)總結(jié)。 特別總結(jié)了Python多版本代碼差異對比，配備全套數(shù)據(jù)集、源代碼，方便使用者參考。
自學(xué)Python ——編程基礎(chǔ)、科學(xué)計(jì)算及數(shù)據(jù)分析 第2版 內(nèi)容簡介
本書是面向Python學(xué)習(xí)者和使用者的一本實(shí)用學(xué)習(xí)筆記，在前一版的基礎(chǔ)之上進(jìn)行了全面修訂。全書共11章。第1章介紹Python的基礎(chǔ)知識，包括Anaconda、IPython解釋器、Jupyter Notebook等Python基本工具的使用；第2章介紹Python的基本用法，包括基礎(chǔ)語法、數(shù)據(jù)類型、判斷與循環(huán)、函數(shù)與模塊、異常與警告、文件讀寫、內(nèi)置函數(shù)；第3章介紹Python的進(jìn)階用法，包括函數(shù)進(jìn)階、迭代器與生成器、裝飾器、上下文管理器與with語句、變量作用域；第4章介紹Python面向?qū)ο缶幊，包括對象的方法與屬性、繼承與復(fù)用；第5章介紹常見的Python標(biāo)準(zhǔn)庫；第6章介紹Python科學(xué)計(jì)算基礎(chǔ)模塊NumPy，包括NumPy數(shù)組的操作、廣播機(jī)制、索引和讀寫；第7章介紹Python數(shù)據(jù)可視化模塊Matplotlib，包括基于函數(shù)和對象的可視化操作；第8章介紹Python科學(xué)計(jì)算進(jìn)階模塊SciPy，包括概率、線性代數(shù)等模塊；第9章介紹Python數(shù)據(jù)分析基礎(chǔ)模塊Pandas，包括Series和DataFrame的使用；第10章介紹一個(gè)用Python分析中文小說文本的案例；第11章介紹一個(gè)用Python對手寫數(shù)字進(jìn)行機(jī)器學(xué)習(xí)處理的案例。 本書適合剛接觸Python的初學(xué)者以及希望使用Python處理和分析數(shù)據(jù)的讀者閱讀，也可作為學(xué)習(xí)和使用Python的工具書或參考資料使用。
自學(xué)Python ——編程基礎(chǔ)、科學(xué)計(jì)算及數(shù)據(jù)分析 第2版 目錄
第1章 初識Python1
1.1 人生苦短，我用Python1
1.1.1 Python簡介1
1.1.2 版本的選擇2
1.2 安裝Python環(huán)境2
1.2.1 集成開發(fā)環(huán)境：Anaconda2
1.2.2 **行Python代碼3
1.3 使用Python工具4
1.3.1 IPython解釋器4
1.3.2 代碼的運(yùn)行模式：解釋器模式與
腳本模式6
1.3.3 學(xué)習(xí)工具：Jupyter Notebook8
1.4 本章學(xué)習(xí)筆記9
第2章 Python基礎(chǔ)10
2.1 基礎(chǔ)語法簡介10
2.2 數(shù)據(jù)類型16
2.2.1 數(shù)字16
2.2.2 字符串20
2.2.3 索引與分片27
2.2.4 列表29
2.2.5 元組34
2.2.6 可變與不可變類型36
2.2.7 字典37
2.2.8 集合與不可變集合41
2.2.9 賦值機(jī)制44
2.3 判斷與循環(huán)49
2.3.1 判斷49
2.3.2 循環(huán)53
2.4 函數(shù)與模塊58
2.4.1 函數(shù)58
2.4.2 模塊61
2.5 異常與警告65
2.5.1 異常65
2.5.2 警告70
2.6 文件讀寫71
2.6.1 讀文件71
2.6.2 寫文件72
2.7 內(nèi)置函數(shù)74
2.7.1 數(shù)字相關(guān)的內(nèi)置函數(shù)74
2.7.2 序列相關(guān)的內(nèi)置函數(shù)75
2.7.3 其他內(nèi)置函數(shù)76
2.8 本章學(xué)習(xí)筆記76
第3章 Python進(jìn)階80
3.1 函數(shù)進(jìn)階80
3.1.1 函數(shù)參數(shù)與返回值80
3.1.2 高階函數(shù)82
3.1.3 map()函數(shù)和filter()函數(shù)83
3.1.4 Lambda表達(dá)式84
3.1.5 關(guān)鍵字global85
3.1.6 函數(shù)的遞歸86
3.2 迭代器與生成器87
3.2.1 迭代器87
3.2.2 生成器91
3.3 裝飾器93
3.3.1 裝飾器的引入93
3.3.2 裝飾器的用法95
3.4 上下文管理器與with語句98
3.4.1 上下文管理器的引入98
3.4.2 上下文管理器的原理99
3.5 變量作用域103
3.6 本章學(xué)習(xí)筆記105
第4章 Python面向?qū)ο缶幊?07
4.1 面向?qū)ο蠛喗?07
4.2 自定義類型109
4.3 方法與屬性111
4.4 繼承與復(fù)用115
4.5 公有、私有、特殊以及靜態(tài)的
方法與屬性118
4.6 多重繼承120
4.7 本章學(xué)習(xí)筆記121
第5章 Python標(biāo)準(zhǔn)庫123
5.1 系統(tǒng)相關(guān)：sys模塊123
5.2 與操作系統(tǒng)進(jìn)行交互：os模塊125
5.3 正則表達(dá)式：re模塊128
5.4 日期時(shí)間相關(guān)：datetime模塊132
5.5 讀寫JSON數(shù)據(jù)：json模塊134
5.6 文件模式匹配：glob模塊137
5.7 高級文件操作：shutil模塊138
5.8 數(shù)學(xué)：math模塊139
5.9 隨機(jī)數(shù)：random模塊140
5.10 路徑操作：pathlib模塊141
5.11 網(wǎng)址URL相關(guān)：urllib模塊142
5.12 實(shí)例：使用標(biāo)準(zhǔn)庫實(shí)現(xiàn)桌面
墻紙下載143
5.13 本章學(xué)習(xí)筆記146
第6章 Python科學(xué)計(jì)算基礎(chǔ)：
NumPy模塊149
6.1 NumPy模塊簡介149
6.2 數(shù)組基礎(chǔ)150
6.2.1 數(shù)組的引入150
6.2.2 數(shù)組的屬性151
6.2.3 數(shù)組的類型152
6.2.4 數(shù)組的生成155
6.2.5 數(shù)組的索引157
6.2.6 數(shù)組的迭代159
6.3 數(shù)組操作160
6.3.1 數(shù)值相關(guān)的數(shù)組操作160
6.3.2 形狀相關(guān)的數(shù)組操作163
6.3.3 數(shù)組的連接操作168
6.3.4 數(shù)組的四則運(yùn)算和點(diǎn)乘171
6.3.5 數(shù)組的數(shù)學(xué)操作172
6.3.6 數(shù)組的比較和邏輯操作173
6.4 數(shù)組廣播機(jī)制174
6.5 數(shù)組索引進(jìn)階176
6.5.1 數(shù)組的基礎(chǔ)索引176
6.5.2 數(shù)組的高級索引178
6.6 數(shù)組讀寫180
6.6.1 數(shù)組的讀取180
6.6.2 數(shù)組的寫入181
6.6.3 數(shù)組的二進(jìn)制讀寫182
6.7 隨機(jī)數(shù)組183
6.8 實(shí)例：使用NumPy實(shí)現(xiàn)K近鄰
查找184
6.9 本章學(xué)習(xí)筆記185
第7章 Python數(shù)據(jù)可視化：
Matplotlib模塊187
7.1 Matplotlib模塊簡介187
7.2 基于函數(shù)的可視化操作187
7.2.1 plt.plot()函數(shù)的使用187
7.2.2 圖與子圖193
7.3 基于對象的可視化操作194
7.4 圖像中的文本處理195
7.5 實(shí)例：基于Matplotlib的三角
函數(shù)可視化197
7.6 本章學(xué)習(xí)筆記200
第8章 Python科學(xué)計(jì)算進(jìn)階：
SciPy模塊202
8.1 SciPy模塊簡介202
8.2 插值模塊：scipy.interpolate202
8.3 概率統(tǒng)計(jì)模塊：scipy.stats206
8.3.1 基本統(tǒng)計(jì)量206
8.3.2 概率分布206
8.4 優(yōu)化模塊：scipy.optimize214
8.4.1 數(shù)據(jù)擬合214
8.4.2 值優(yōu)化218
8.4.3 方程求根220
8.5 線性代數(shù)模塊：scipy.linalg221
8.6 實(shí)例：基于SciPy的主成分
分析227
8.7 本章學(xué)習(xí)筆記230
第9章 Python數(shù)據(jù)分析基礎(chǔ)：
Pandas模塊232
9.1 Pandas模塊簡介232
9.2 一維數(shù)據(jù)結(jié)構(gòu)：Series對象232
9.2.1 Series對象的生成233
9.2.2 Series對象的使用235
9.3 二維數(shù)據(jù)結(jié)構(gòu)：DataFrame
對象238
9.3.1 DataFrame對象的生成238
9.3.2 DataFrame對象的使用240
9.4 Pandas對象的索引242
9.4.1 基于中括號的索引和切片242
9.4.2 基于位置和標(biāo)記的高級索引245
9.5 缺失值的處理248
9.6 數(shù)據(jù)的讀寫250
9.7 實(shí)例：基于Pandas的期貨
數(shù)據(jù)分析251
9.8 本章學(xué)習(xí)筆記256
第10章 Python案例1：中文小說
分析257
10.1 數(shù)據(jù)預(yù)處理257
10.2 數(shù)據(jù)統(tǒng)計(jì)259
10.3 數(shù)據(jù)建模263
10.4 效果分析265
10.5 本章學(xué)習(xí)筆記271
第11章 Python案例2：手寫數(shù)字
分析273
11.1 數(shù)據(jù)的獲取與處理273
11.2 數(shù)據(jù)建模和效果分析275
11.3 本章學(xué)習(xí)筆記277
1.1 人生苦短，我用Python1
1.1.1 Python簡介1
1.1.2 版本的選擇2
1.2 安裝Python環(huán)境2
1.2.1 集成開發(fā)環(huán)境：Anaconda2
1.2.2 **行Python代碼3
1.3 使用Python工具4
1.3.1 IPython解釋器4
1.3.2 代碼的運(yùn)行模式：解釋器模式與
腳本模式6
1.3.3 學(xué)習(xí)工具：Jupyter Notebook8
1.4 本章學(xué)習(xí)筆記9
第2章 Python基礎(chǔ)10
2.1 基礎(chǔ)語法簡介10
2.2 數(shù)據(jù)類型16
2.2.1 數(shù)字16
2.2.2 字符串20
2.2.3 索引與分片27
2.2.4 列表29
2.2.5 元組34
2.2.6 可變與不可變類型36
2.2.7 字典37
2.2.8 集合與不可變集合41
2.2.9 賦值機(jī)制44
2.3 判斷與循環(huán)49
2.3.1 判斷49
2.3.2 循環(huán)53
2.4 函數(shù)與模塊58
2.4.1 函數(shù)58
2.4.2 模塊61
2.5 異常與警告65
2.5.1 異常65
2.5.2 警告70
2.6 文件讀寫71
2.6.1 讀文件71
2.6.2 寫文件72
2.7 內(nèi)置函數(shù)74
2.7.1 數(shù)字相關(guān)的內(nèi)置函數(shù)74
2.7.2 序列相關(guān)的內(nèi)置函數(shù)75
2.7.3 其他內(nèi)置函數(shù)76
2.8 本章學(xué)習(xí)筆記76
第3章 Python進(jìn)階80
3.1 函數(shù)進(jìn)階80
3.1.1 函數(shù)參數(shù)與返回值80
3.1.2 高階函數(shù)82
3.1.3 map()函數(shù)和filter()函數(shù)83
3.1.4 Lambda表達(dá)式84
3.1.5 關(guān)鍵字global85
3.1.6 函數(shù)的遞歸86
3.2 迭代器與生成器87
3.2.1 迭代器87
3.2.2 生成器91
3.3 裝飾器93
3.3.1 裝飾器的引入93
3.3.2 裝飾器的用法95
3.4 上下文管理器與with語句98
3.4.1 上下文管理器的引入98
3.4.2 上下文管理器的原理99
3.5 變量作用域103
3.6 本章學(xué)習(xí)筆記105
第4章 Python面向?qū)ο缶幊?07
4.1 面向?qū)ο蠛喗?07
4.2 自定義類型109
4.3 方法與屬性111
4.4 繼承與復(fù)用115
4.5 公有、私有、特殊以及靜態(tài)的
方法與屬性118
4.6 多重繼承120
4.7 本章學(xué)習(xí)筆記121
第5章 Python標(biāo)準(zhǔn)庫123
5.1 系統(tǒng)相關(guān)：sys模塊123
5.2 與操作系統(tǒng)進(jìn)行交互：os模塊125
5.3 正則表達(dá)式：re模塊128
5.4 日期時(shí)間相關(guān)：datetime模塊132
5.5 讀寫JSON數(shù)據(jù)：json模塊134
5.6 文件模式匹配：glob模塊137
5.7 高級文件操作：shutil模塊138
5.8 數(shù)學(xué)：math模塊139
5.9 隨機(jī)數(shù)：random模塊140
5.10 路徑操作：pathlib模塊141
5.11 網(wǎng)址URL相關(guān)：urllib模塊142
5.12 實(shí)例：使用標(biāo)準(zhǔn)庫實(shí)現(xiàn)桌面
墻紙下載143
5.13 本章學(xué)習(xí)筆記146
第6章 Python科學(xué)計(jì)算基礎(chǔ)：
NumPy模塊149
6.1 NumPy模塊簡介149
6.2 數(shù)組基礎(chǔ)150
6.2.1 數(shù)組的引入150
6.2.2 數(shù)組的屬性151
6.2.3 數(shù)組的類型152
6.2.4 數(shù)組的生成155
6.2.5 數(shù)組的索引157
6.2.6 數(shù)組的迭代159
6.3 數(shù)組操作160
6.3.1 數(shù)值相關(guān)的數(shù)組操作160
6.3.2 形狀相關(guān)的數(shù)組操作163
6.3.3 數(shù)組的連接操作168
6.3.4 數(shù)組的四則運(yùn)算和點(diǎn)乘171
6.3.5 數(shù)組的數(shù)學(xué)操作172
6.3.6 數(shù)組的比較和邏輯操作173
6.4 數(shù)組廣播機(jī)制174
6.5 數(shù)組索引進(jìn)階176
6.5.1 數(shù)組的基礎(chǔ)索引176
6.5.2 數(shù)組的高級索引178
6.6 數(shù)組讀寫180
6.6.1 數(shù)組的讀取180
6.6.2 數(shù)組的寫入181
6.6.3 數(shù)組的二進(jìn)制讀寫182
6.7 隨機(jī)數(shù)組183
6.8 實(shí)例：使用NumPy實(shí)現(xiàn)K近鄰
查找184
6.9 本章學(xué)習(xí)筆記185
第7章 Python數(shù)據(jù)可視化：
Matplotlib模塊187
7.1 Matplotlib模塊簡介187
7.2 基于函數(shù)的可視化操作187
7.2.1 plt.plot()函數(shù)的使用187
7.2.2 圖與子圖193
7.3 基于對象的可視化操作194
7.4 圖像中的文本處理195
7.5 實(shí)例：基于Matplotlib的三角
函數(shù)可視化197
7.6 本章學(xué)習(xí)筆記200
第8章 Python科學(xué)計(jì)算進(jìn)階：
SciPy模塊202
8.1 SciPy模塊簡介202
8.2 插值模塊：scipy.interpolate202
8.3 概率統(tǒng)計(jì)模塊：scipy.stats206
8.3.1 基本統(tǒng)計(jì)量206
8.3.2 概率分布206
8.4 優(yōu)化模塊：scipy.optimize214
8.4.1 數(shù)據(jù)擬合214
8.4.2 值優(yōu)化218
8.4.3 方程求根220
8.5 線性代數(shù)模塊：scipy.linalg221
8.6 實(shí)例：基于SciPy的主成分
分析227
8.7 本章學(xué)習(xí)筆記230
第9章 Python數(shù)據(jù)分析基礎(chǔ)：
Pandas模塊232
9.1 Pandas模塊簡介232
9.2 一維數(shù)據(jù)結(jié)構(gòu)：Series對象232
9.2.1 Series對象的生成233
9.2.2 Series對象的使用235
9.3 二維數(shù)據(jù)結(jié)構(gòu)：DataFrame
對象238
9.3.1 DataFrame對象的生成238
9.3.2 DataFrame對象的使用240
9.4 Pandas對象的索引242
9.4.1 基于中括號的索引和切片242
9.4.2 基于位置和標(biāo)記的高級索引245
9.5 缺失值的處理248
9.6 數(shù)據(jù)的讀寫250
9.7 實(shí)例：基于Pandas的期貨
數(shù)據(jù)分析251
9.8 本章學(xué)習(xí)筆記256
第10章 Python案例1：中文小說
分析257
10.1 數(shù)據(jù)預(yù)處理257
10.2 數(shù)據(jù)統(tǒng)計(jì)259
10.3 數(shù)據(jù)建模263
10.4 效果分析265
10.5 本章學(xué)習(xí)筆記271
第11章 Python案例2：手寫數(shù)字
分析273
11.1 數(shù)據(jù)的獲取與處理273
11.2 數(shù)據(jù)建模和效果分析275
11.3 本章學(xué)習(xí)筆記277
展開全部
自學(xué)Python ——編程基礎(chǔ)、科學(xué)計(jì)算及數(shù)據(jù)分析 第2版 作者簡介
李金，清華自動(dòng)化系碩士，阿里巴巴負(fù)責(zé)廣告推薦的算法專家，知乎達(dá)人，其在知乎上的高分問答“如何系統(tǒng)地自學(xué) Python？”閱讀量達(dá)4000萬，在Github上的“中文python筆記”也廣受國內(nèi)外讀者好評。
書友推薦
- >
二體千字文
- >
有舍有得是人生
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
我從未如此眷戀人間
- >
龍榆生：詞曲概論/大家小書
- >
姑媽的寶刀
- >
唐代進(jìn)士錄
- >
李白與唐代文化
本類暢銷
