《自學Python》是機械工業出版社出版的圖書，作者是李金
基本介紹
- 中文名：自學Python
- 作者：李金
- 出版社：機械工業出版社
- 頁數：349 頁
- ISBN：9787111586678
- 定價：60.8 元
- 裝幀：平裝
內容簡介,圖書目錄,
內容簡介
《自學Python——編程基礎、科學計算及數據分析》是面向Python初學者的一本實用學習筆記。全書共10章：第1章介紹Python的基礎知識，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，包括基本語法、數據類型、判斷與循環、函式與模組、異常與警告以及檔案讀寫等；第3章介紹Python的進階用法，包括函式進階、疊代器和生成器、裝飾器、上下文管理器以及變數作用域等；第4章介紹常見的Python標準庫的使用；第5章介紹Python的科學計算基礎模組NumPy，包括NumPy數組的基本操作、廣播機制、索引和讀寫；第6章介紹Python的可視化模組Matplotlib，包括基於函式和對象的可視化操作；第7章介紹Python的科學計算進階模組SciPy，包括一些高等數...(展開全部) 《自學Python——編程基礎、科學計算及數據分析》是面向Python初學者的一本實用學習筆記。全書共10章：第1章介紹Python的基礎知識，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，包括基本語法、數據類型、判斷與循環、函式與模組、異常與警告以及檔案讀寫等；第3章介紹Python的進階用法，包括函式進階、疊代器和生成器、裝飾器、上下文管理器以及變數作用域等；第4章介紹常見的Python標準庫的使用；第5章介紹Python的科學計算基礎模組NumPy，包括NumPy數組的基本操作、廣播機制、索引和讀寫；第6章介紹Python的可視化模組Matplotlib，包括基於函式和對象的可視化操作；第7章介紹Python的科學計算進階模組SciPy，包括一些高等數學的操作；第8章介紹Python的數據分析基礎模組Pandas，包括Series和DataFrame的使用；第9章介紹Python的面向對象編程，包括對象的屬性和方法、繼承和復用，以及一個使用面向對象編程的實例；第10章介紹了一個用Python分析中文小說文本的實例。 《自學Python——編程基礎、科學計算及數據分析》適合剛接觸Python的初學者以及希望使用Python處理和分析數據的讀者閱讀，也可作為學習和使用Python的工具書或參考資料使用。
圖書目錄
前言
致謝
第1章 初識Python1
1.1 Python簡介1
1.2 Python版本的選擇2
1.3 Python集成開發環境的搭建2
1.4 第一行Python代碼4
1.5 IPython解釋器5
1.6 Python代碼的執行模式7
1.6.1 解釋器模式7
1.6.2 腳本模式8
1.6.3 解釋器模式與腳本模式的區別9
1.7 Jupyter Notebook的使用9
本章學習筆記11
本章新術語11
本章新函式11
第2章 Python基礎12
2.1 基本語法簡介12
2.2 數據類型17
2.2.1 數字18
2.2.2 字元串23
2.2.3 Unicode字元串30
2.2.4 索引與分片32
2.2.5 列表34
2.2.6 元組40
2.2.7 可變與不可變類型42
2.2.8 字典44
2.2.9 集合與不可變集合48
2.2.10 賦值機制53
2.3 判斷與循環58
2.3.1 判斷58
2.3.2 循環62
2.4 函式與模組69
2.4.1 函式69
2.4.2 模組73
2.5 異常與警告77
2.5.1 異常77
2.5.2 警告83
2.6 檔案讀寫83
2.6.1 讀檔案84
2.6.2 寫檔案85
2.6.3 中文檔案的讀寫87
2.7 內置函式88
2.7.1 數字相關的內置函式88
2.7.2 序列相關的內置函式90
2.7.3 類型相關的內置函式92
本章學習筆記92
本章新術語92
本章新函式94
第3章 Python進階96
3.1 函式進階96
3.1.1 函式參數傳遞96
3.1.2 高階函式98
3.1.3 函式map()、filter()和reduce()101
3.1.4 Lambda表達式102
3.1.5 關鍵字global103
3.1.6 函式的遞歸104
3.2 疊代器與生成器105
3.2.1 疊代器105
3.2.2 生成器110
3.3 裝飾器112
3.3.1 裝飾器的引入112
3.3.2 裝飾器的用法115
3.4 上下文管理器與with語句118
3.4.1 上下文管理器的原理119
3.4.2 模組contextlib123
3.5 變數作用域125
本章學習筆記127
本章新術語128
本章新函式128
第4章 Python標準庫129
4.1 系統相關：sys模組129
4.2 與作業系統進行互動：os模組133
4.3 字元串相關：string模組136
4.4 正則表達式：re模組138
4.5 日期時間相關：datetime模組142
4.6 更好地列印Python對象：pprint模組145
4.7 序列化Python對象：pickle，cPickle模組145
4.8 讀寫JSON數據：json模組147
4.9 檔案模式匹配：glob模組150
4.10 高級檔案操作：shutil模組151
4.11 更多的容器類型：collections模組153
4.12 數學：math模組157
4.13 隨機數：random模組158
本章學習筆記159
本章新術語160
本章新函式160
第5章 Python科學計算基礎：NumPy模組162
5.1 NumPy模組簡介162
5.2 數組基礎163
5.2.1 數組的引入163
5.2.2 數組的屬性164
5.2.3 數組的類型166
5.2.4 數組的生成169
5.2.5 數組的索引172
5.2.6 數組的疊代174
5.3 數組操作175
5.3.1 數值相關的數組操作175
5.3.2 形狀相關的數組操作179
5.3.3 數組的拼接操作184
5.3.4 數組的四則運算、點乘和矩陣類型187
5.3.5 數組的數學操作190
5.3.6 數組的比較和邏輯操作190
5.4 數組廣播機制191
5.5 數組索引進階194
5.5.1 數組基礎索引194
5.5.2 數組的高級索引196
5.6 數組讀寫199
5.6.1 數組的讀取199
5.6.2 數組的寫入200
5.6.3 數組的二進制讀寫200
5.7 隨機數組202
5.8 結構數組202
本章學習筆記206
本章新術語207
本章新函式207
第6章 Python可視化：Matplotlib模組209
6.1 Matplotlib模組簡介209
6.2 基於函式的可視化操作210
6.2.1 函式plt.plot()的使用210
6.2.2 圖與子圖215
6.2.3 其他可視化函式217
6.3 基於對象的可視化操作217
6.4 圖像中的文本處理219
6.5 實例：基於Matplotlib的三角函式可視化221
本章學習筆記226
本章新術語227
本章新函式227
第7章 Python科學計算進階：SciPy模組228
7.1 SciPy模組簡介228
7.2 插值模組：scipy.interpolate229
7.3 機率統計模組：scipy.stats233
7.3.1 基本統計量233
7.3.2 機率分布234
7.3.3 假設檢驗243
7.4 最佳化模組：scipy.optimize246
7.4.1 數據擬合247
7.4.2 最值最佳化251
7.4.3 方程求根254
7.5 積分模組：scipy.integrate255
7.5.1 符號積分與SymPy模組255
7.5.2 數值積分257
7.6 稀疏矩陣模組：scipy.sparse260
7.7 線性代數模組：scipy.linalg262
7.8 實例：基於SciPy的主成分分析268
本章學習筆記271
本章新術語272
本章新函式272
第8章 Python數據分析基礎：Pandas模組274
8.1 Pandas簡介274
8.2 一維數據結構：Series對象275
8.2.1 Series對象的生成275
8.2.2 Series對象的使用277
8.3 二維數據結構：DataFrame對象280
8.3.1 DataFrame對象的生成280
8.3.2 DataFrame對象的使用283
8.4 Pandas對象的索引286
8.4.1 基於中括弧的索引和切片286
8.4.2 基於位置和標記的高級索引289
8.5 缺失值的處理293
8.6 數據的讀寫294
8.7 實例：基於Pandas的NBA數據分析295
本章學習筆記299
本章新術語299
本章新函式299
第9章 Python面向對象編程300
9.1 面向對象簡介300
9.2 自定義類型303
9.3 方法和屬性305
9.4 繼承與復用311
9.5 公有、私有、特殊
