《自学Python ――编程基础、科学计算及数据分析第2版》李金 | PDF下载|ePub下载

创建

2024 年 11 月 7 日

查看

类别: 计算机/网络

自学Python ――编程基础、科学计算及数据分析第2版版权信息

出版社：机械工业出版社
出版时间：2022-09-01
ISBN：9787111714132
条形码：9787111714132 ; 978-7-111-71413-2

自学Python ――编程基础、科学计算及数据分析第2版本书特色

适读人群：本书适合刚接触Python的初学者以及希望使用Python处理和分析数据的读者阅读，也可作为学习和使用Python的工具书或参考资料使用。一本言简意赅、系统讲解Python编程基础、科学计算、数据分析的自学教程。源自网上广受好评的“中文python笔记”，知乎 “如何系统地自学 Python？”千万访问量答主自学Python的经验总结。特别总结了Python多版本代码差异对比，配备全套数据集、源代码，方便使用者参考。

自学Python ――编程基础、科学计算及数据分析第2版内容简介

本书是面向Python学习者和使用者的一本实用学习笔记，在前一版的基础之上进行了全面修订。全书共11章。第1章介绍Python的基础知识，包括Anaconda、IPython解释器、Jupyter Notebook等Python基本工具的使用；第2章介绍Python的基本用法，包括基础语法、数据类型、判断与循环、函数与模块、异常与警告、文件读写、内置函数；第3章介绍Python的进阶用法，包括函数进阶、迭代器与生成器、装饰器、上下文管理器与with语句、变量作用域；第4章介绍Python面向对象编程，包括对象的方法与属性、继承与复用；第5章介绍常见的Python标准库；第6章介绍Python科学计算基础模块NumPy，包括NumPy数组的操作、广播机制、索引和读写；第7章介绍Python数据可视化模块Matplotlib，包括基于函数和对象的可视化操作；第8章介绍Python科学计算进阶模块SciPy，包括概率、线性代数等模块；第9章介绍Python数据分析基础模块Pandas，包括Series和DataFrame的使用；第10章介绍一个用Python分析中文小说文本的案例；第11章介绍一个用Python对手写数字进行机器学习处理的案例。本书适合刚接触Python的初学者以及希望使用Python处理和分析数据的读者阅读，也可作为学习和使用Python的工具书或参考资料使用。

自学Python ――编程基础、科学计算及数据分析第2版目录

第1章初识Python1
1.1 人生苦短，我用Python1
1.1.1 Python简介1
1.1.2 版本的选择2
1.2 安装Python环境2
1.2.1 集成开发环境：Anaconda2
1.2.2 **行Python代码3
1.3 使用Python工具4
1.3.1 IPython解释器4
1.3.2 代码的运行模式：解释器模式与
脚本模式6
1.3.3 学习工具：Jupyter Notebook8
1.4 本章学习笔记9
第2章 Python基础10
2.1 基础语法简介10
2.2 数据类型16
2.2.1 数字16
2.2.2 字符串20
2.2.3 索引与分片27
2.2.4 列表29
2.2.5 元组34
2.2.6 可变与不可变类型36
2.2.7 字典37
2.2.8 集合与不可变集合41
2.2.9 赋值机制44
2.3 判断与循环49
2.3.1 判断49
2.3.2 循环53
2.4 函数与模块58
2.4.1 函数58
2.4.2 模块61
2.5 异常与警告65
2.5.1 异常65
2.5.2 警告70
2.6 文件读写71
2.6.1 读文件71
2.6.2 写文件72
2.7 内置函数74
2.7.1 数字相关的内置函数74
2.7.2 序列相关的内置函数75
2.7.3 其他内置函数76
2.8 本章学习笔记76
第3章 Python进阶80
3.1 函数进阶80
3.1.1 函数参数与返回值80
3.1.2 高阶函数82
3.1.3 map()函数和filter()函数83
3.1.4 Lambda表达式84
3.1.5 关键字global85
3.1.6 函数的递归86
3.2 迭代器与生成器87
3.2.1 迭代器87
3.2.2 生成器91
3.3 装饰器93
3.3.1 装饰器的引入93
3.3.2 装饰器的用法95
3.4 上下文管理器与with语句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 变量作用域103
3.6 本章学习笔记105
第4章 Python面向对象编程107
4.1 面向对象简介107
4.2 自定义类型109
4.3 方法与属性111
4.4 继承与复用115
4.5 公有、私有、特殊以及静态的
方法与属性118
4.6 多重继承120
4.7 本章学习笔记121
第5章 Python标准库123
5.1 系统相关：sys模块123
5.2 与操作系统进行交互：os模块125
5.3 正则表达式：re模块128
5.4 日期时间相关：datetime模块132
5.5 读写JSON数据：json模块134
5.6 文件模式匹配：glob模块137
5.7 高级文件操作：shutil模块138
5.8 数学：math模块139
5.9 随机数：random模块140
5.10 路径操作：pathlib模块141
5.11 网址URL相关：urllib模块142
5.12 实例：使用标准库实现桌面
墙纸下载143
5.13 本章学习笔记146
第6章 Python科学计算基础：
NumPy模块149
6.1 NumPy模块简介149
6.2 数组基础150
6.2.1 数组的引入150
6.2.2 数组的属性151
6.2.3 数组的类型152
6.2.4 数组的生成155
6.2.5 数组的索引157
6.2.6 数组的迭代159
6.3 数组操作160
6.3.1 数值相关的数组操作160
6.3.2 形状相关的数组操作163
6.3.3 数组的连接操作168
6.3.4 数组的四则运算和点乘171
6.3.5 数组的数学操作172
6.3.6 数组的比较和逻辑操作173
6.4 数组广播机制174
6.5 数组索引进阶176
6.5.1 数组的基础索引176
6.5.2 数组的高级索引178
6.6 数组读写180
6.6.1 数组的读取180
6.6.2 数组的写入181
6.6.3 数组的二进制读写182
6.7 随机数组183
6.8 实例：使用NumPy实现K近邻
查找184
6.9 本章学习笔记185
第7章 Python数据可视化：
Matplotlib模块187
7.1 Matplotlib模块简介187
7.2 基于函数的可视化操作187
7.2.1 plt.plot()函数的使用187
7.2.2 图与子图193
7.3 基于对象的可视化操作194
7.4 图像中的文本处理195
7.5 实例：基于Matplotlib的三角
函数可视化197
7.6 本章学习笔记200
第8章 Python科学计算进阶：
SciPy模块202
8.1 SciPy模块简介202
8.2 插值模块：scipy.interpolate202
8.3 概率统计模块：scipy.stats206
8.3.1 基本统计量206
8.3.2 概率分布206
8.4 优化模块：scipy.optimize214
8.4.1 数据拟合214
8.4.2 值优化218
8.4.3 方程求根220
8.5 线性代数模块：scipy.linalg221
8.6 实例：基于SciPy的主成分
分析227
8.7 本章学习笔记230
第9章 Python数据分析基础：
Pandas模块232
9.1 Pandas模块简介232
9.2 一维数据结构：Series对象232
9.2.1 Series对象的生成233
9.2.2 Series对象的使用235
9.3 二维数据结构：DataFrame
对象238
9.3.1 DataFrame对象的生成238
9.3.2 DataFrame对象的使用240
9.4 Pandas对象的索引242
9.4.1 基于中括号的索引和切片242
9.4.2 基于位置和标记的高级索引245
9.5 缺失值的处理248
9.6 数据的读写250
9.7 实例：基于Pandas的期货
数据分析251
9.8 本章学习笔记256
第10章 Python案例1：中文小说
分析257
10.1 数据预处理257
10.2 数据统计259
10.3 数据建模263
10.4 效果分析265
10.5 本章学习笔记271
第11章 Python案例2：手写数字
分析273
11.1 数据的获取与处理273
11.2 数据建模和效果分析275
11.3 本章学习笔记277