Python 3程式設計實例教程

《Python 3程式設計實例教程》是一本2021年機械工業出版社出版的圖書，作者沈涵飛，劉正。本書共十五章，內容有導入庫和函式、序列的索引和切片、切分和合併字元串、列表生成式、匿名函式lambda。本書通過在目錄中添加 ★ 來強調上述內容。

基本介紹

• 中文名：Python 3程式設計實例教程
• 作者：沈涵飛、劉正
• 出版社：機械工業出版社
• ISBN：9787111673521

內容簡介

本書全面地介紹了Python程式設計的核心技能，以及Python在數據分析、人工智慧等領域的套用。全書共15章，分為三大部分：①Python核心技能，包括初識Python、程式設計入門、流程控制、字元串、組合數據類型、函式、檔案操作7章；②數據分析技能，包括正則表達式、爬蟲入門、科學計算入門之NumPy、數據分析入門之Pandas、數據可視化入門5章；③人工智慧初步，包括面向對象程式設計、機器學習入門、深度學習入門3章。

本書圖文並茂、示例豐富，以“任務驅動”的方式在實際套用中講解Python的要點，並且將程式設計線上評測系統引入了教學，讓讀者及時評估自己的水平。本書配有豐富的學習資源，包括視頻、PPT、速查表、電子教案、習題、習題解析等，讀者可以登錄機械工業出版社教育服務網（http://www.cmpedu.com）免費下載。

本書可以作為套用型本科計算機、人工智慧、大數據相關專業的教材，也可以作為Python程式設計、數據分析、人工智慧入門的培訓教材，還可以作為廣大程式設計愛好者的自學參考書。

圖書目錄

前言

第1章 初識Python1

1.1 Python語言概述1

1.1.1 Python簡史1

1.1.2 Python 2和

Python 32

1.1.3 Python的特點2

1.1.4 膠水語言3

1.1.5 Python的套用3

1.1.6 學好Python的關鍵4

1.2 Python語言開發環境配置5

1.2.1 使用雲端開發環境

Jupyter Notebook

（米筐）6

1.2.2 安裝一站式開發環境

Anaconda7

1.3 Jupyter Notebook的使用8

1.4 探索Python：乘方、階乘和

單詞統計12

1.5 小結13

1.6 習題13

第2章 程式設計入門15

2.1 計算生態與導入庫和函式15

2.1.1 計算生態15

2.1.2 導入庫和函式★16

2.2 結構化程式的框架17

2.2.1 程式的基本處理流程IPO17

2.2.2 任務：計算圓的周長和面積18

2.3 Python程式語法特點分析18

2.3.1 Python的基本語法元素18

2.3.2 多行語句21

2.4 Python的6種核心數據類型21

2.5 可變類型和不可變類型22

2.6 數字類型和算術運算23

2.7 程式線上評測系統及基本使用25

2.7.1 程式線上評測系統26

2.7.2 程式評測系統中的Hello

World：A+B問題26

2.7.3 基本輸入/輸出函式26

2.8 小結29

2.9 習題29

第3章 流程控制32

3.1 分支結構的3種形式32

3.2 解釋型語言的特點34

3.3 for循環35

3.3.1 遍歷容器35

3.3.2 函式range36

3.3.3 多重循環：九九乘法表和水仙花數38

3.4 羅塞塔石碑語言學習法39

3.5 while循環和流程圖41

3.6 改變循環執行流程：break和continue42

3.7 程式的異常處理43

3.8 小結45

3.9 習題46

第4章 字元串49

4.1 字元串的基本知識49

4.1.1 字元串界定符：單引號、

雙引號和三重引號49

4.1.2 使用反斜槓轉義49

4.1.3 抑制轉義使用raw50

4.2 序列的索引和切片★51

4.3 字元串的基本操作52

4.3.1 序列操作53

4.3.2 常用的字元串方法53

4.3.3 匹配字元串的前綴和後綴55

4.3.4 切分和合併字元串★55

4.4 字元串格式化和輸出語句56

4.5 中文分詞和jieba庫57

4.6 小結58

4.7 習題59

第5章 組合數據類型61

5.1 組合數據類型：序列、集合和映射61

5.2 List列表：批量處理62

5.2.1 列表的常用操作62

5.2.2 列表的遍歷和排序64

5.2.3 列表的引用和複製65

5.3 tuple 元組：不可變、組合66

5.4 dict字典：按鍵取值68

5.5 set集合：去重71

5.6 列表生成式★72

5.7 生成器表達式和惰性求值74

5.8 小結74

5.9 習題75

第6章 函式78

6.1 認識函式78

6.2 使用函式實現機器翻譯80

6.3 函式的參數82

6.3.1 可選參數和默認值82

6.3.2 位置參數傳遞82

6.3.3 關鍵字參數傳遞83

6.3.4 不定長參數83

6.4 函式式編程和高階函式85

6.5 匿名函式lambda★86

6.6 常用高階函式：map、reduce和filter86

6.7 遞歸函式88

6.8 變數的作用域 LEGB原則90

6.8.1 函式被調用的次數90

6.8.2 斐波那契函式最佳化1：全局字典91

6.8.3 斐波那契函式最佳化2：內嵌函式91

6.9 小結91

6.10 習題92

第7章 檔案操作96

7.1 認識檔案96

7.2 文本檔案及讀寫操作97

7.2.1 讀取檔案全文97

7.2.2 按行讀取檔案98

7.2.3 實現檔案的編碼格式轉換98

7.2.4 使用with-as語句99

7.3 處理表格數據（CSV）的3種方法100

7.4 存儲半結構化數據：JSON101

7.5 常用檔案模組os和shutil102

7.6 模組和包105

7.7 小結107

7.8 習題107

第8章 正則表達式109

8.1 正則表達式簡介109

8.2 Python中的常用正則函式109

8.2.1 正則函式初步使用110

8.2.2 查找所有匹配（re.findall）111

8.2.3 查找第一個匹配（re.search）112

8.2.4 替換（re.sub）114

8.3 RegexOne的闖關遊戲115

8.3.1 闖關：通配符116

8.3.2 闖關：排除特定字元116

8.3.3 闖關：重複次數117

8.4 編譯模式re.compile和匹配參數117

8.5 小結118

8.6 習題118

第9章 爬蟲入門120

9.1 網路爬蟲簡介及基本處理流程120

9.1.1 網路爬蟲的概念120

9.1.2 使用爬蟲的風險120

9.1.3 網路爬蟲的基本處理流程121

9.2 實戰：Pandas獲取中國企業500強榜單122

9.3 使用requests庫獲取網頁123

9.4 使用BeautifulSoup4庫解析網頁124

9.4.1 從節點中提取信息125

9.4.2 獲取節點的主要方式126

9.5 實戰：爬取唐詩三百首128

9.6 小結131

9.7 習題131

第10章 科學計算入門之NumPy132

10.1 科學計算和NumPy132

10.2 NumPy的基本對象133

10.2.1 代碼向量化133

10.2.2 通用函式ufunc133

10.3 統計函式的套用：分析學生成績134

10.4 核心數據結構：多維數組135

10.5 使用NumPy表示和處理圖像137

10.6 小結139

10.7 習題140

第11章 數據分析入門之Pandas141

11.1 從Excel到Pandas：製作產品銷售數據表141

11.2 DataFrame的基本操作143

11.2.1 查看DataFrame對象的方法和屬性143

11.2.2 DataFrame的基礎數據結構 Series145

11.2.3 列名操作：查看和修改146

11.3 DataFrame的常用操作146

11.3.1 設定和重置索引146

11.3.2 切片148

11.3.3 條件選擇150

11.3.4 排序150

11.4 分組聚合：日常費用統計表151

11.5 小結155

11.6 習題155

第12章 數據可視化入門157

12.1 Matplotlib的基本用法157

12.1.1 Python繪圖基礎：Matplotlib157

12.1.2 實例：繪製正弦曲線157

12.1.3 實例：2017年全球GDP

排名前4的國家158

12.2 Matplotlib的兩種接口159

12.2.1 MATLAB風格接口159

12.2.2 面向對象接口160

12.3 使用Pandas可視化數據160

12.4 簡捷作圖工具：seaborn162

12.5 詞雲圖164

12.5.1 英文詞雲實例：愛麗絲夢遊仙境164

12.5.2 中文詞雲實例：《促進新一代人工智慧產業發展三年行動計畫》詞雲圖166

12.6 小結167

12.7 習題167

第13章 面向對象程式設計170

13.1 認識面向對象編程170

13.1.1 面向對象編程170

13.1.2 面向對象的優點170

13.1.3 OOP術語概述171

13.2 類和對象171

13.2.1 實例：採用面向過程和面向對象的程式設計處

理學生成績171

13.2.2 類的構成173

13.2.3 類的專有方法173

13.2.4 實例屬性和類屬性174

13.2.5 類方法和靜態方法174

13.3 數據封裝175

13.4 繼承177

13.4.1 繼承的優點：代碼重用177

13.4.2 重載方法178

13.5 多態179

13.6 運算符重載180

13.7 小結181

13.8 習題181

第14章 機器學習入門183

14.1 初識機器學習183

14.1.1 機器學習：新的編程範式183

14.1.2 入門示例：預測房屋價格184

14.1.3 機器學習處理流程186

14.1.4 機器學習庫sklearn187

14.1.5 機器學習的分類188

14.2 分類實戰：預測鳶尾花的類型189

14.2.1 鳶尾花數據集描述189

14.2.2 數據探索189

14.2.3 使用kNN模型預測192

14.2.4 數據集的劃分：訓練集、驗證集、測試集193

14.2.5 分類模型的評價指標194

14.2.6 k折交叉驗證196

14.3 回歸實戰：預測波士頓房價197

14.3.1 波士頓房價問題描述197

14.3.2 獲取內置數據集的基本信息198

14.3.3 數據探索199

14.3.4 使用線性回歸模型預測201

14.3.5 回歸模型的評價指標202

14.4 欠擬合和過擬合203

14.5 機器學習常用方法簡要介紹203

14.6 小結205

14.7 習題206

第15章 深度學習入門207

15.1 初識深度學習207

15.1.1 深度學習的歷史207

15.1.2 推動深度學習的三駕馬車：硬體、數據和算法208

15.1.3 機器學習、深度學習

和人工智慧209

15.1.4 深度學習框架209

15.2 神經網路實戰：印第安人糖尿病診斷211

15.2.1 任務描述211

15.2.2 多層神經網路的實現211

15.3 神經網路的基本原理214

15.3.1 神經元：權重、偏差和激活函式214

15.3.2 多層神經網路215

15.3.3 損失函式和最佳化器216

15.4 實戰：識別手寫數字217

15.4.1 任務描述：MNIST手寫數字217

15.4.2 多層神經網路的實現218

15.4.3 卷積神經網路的實現221

15.5 卷積神經網路223

15.5.1 圖像的3個特點223

15.5.2 卷積神經網路的結構224

15.5.3 卷積神經網路的兩個特徵225

15.5.4 卷積層：卷積核和特徵圖226

15.5.5 池化層226

15.5.6 全連線層227

15.6 小結227

15.7 習題228

參考文獻230