《Python程式設計》是2019年清華大學出版社出版的圖書，作者是曹仰傑。
基本介紹
- 中文名：Python程式設計
- 作者：曹仰傑
- 出版社：清華大學出版社
- 出版時間：2019年12月1日
- 頁數：388 頁
- 定價：69.00 元
- 開本：16 開
- 裝幀：平裝
- ISBN：9787302539254
- 叢書系列：高等學校計算機套用規劃教材
內容簡介,圖書目錄,
內容簡介
《Python程式設計》全面講述Python的基本知識和開發技術。全書分三部分，共15章。第一部分基礎篇，介紹Python的起源和發展、開發工具、語法基礎、控制結構、複合數據結構、字元串與正則表達式、函式、類與對象、檔案操作、錯誤與異常等內容；第二部分進階篇，深入講解Python的虛擬環境Anaconda、科學計算庫NumPy、數據分析庫Pandas、繪圖工具matplotlib和數據分析工具SciPy；第三部分實踐篇，主要介紹Python在機器學習領域的套用。
《Python程式設計》內容豐富、難度適中、結構清晰、內容翔實，通過三部分以層次遞進方式進行講解，以引導讀者循序漸進地學習、掌握並運用Python。《Python程式設計》可作為普通高等院校計算機、人工智慧、大數據科學、物聯網等專業Python相關課程的教材，也可作為Python愛好者的入門級教程。
圖書目錄
目 錄
第一部分 基礎篇
第1章 認識Python 3
1.1 初識Python 3
1.1.1 程式語言概述 3
1.1.2 Python常用解釋器 5
1.1.3 Python語言特點 5
1.2 Python的安裝 6
1.2.1 Windows環境中Python的安裝 6
1.2.2 Linux環境中Python的安裝 9
1.2.3 Mac OS環境中Python的安裝 11
1.3 Python代碼的執行 13
1.3.1 在互動模式下執行Python代碼 13
1.3.2 在腳本模式下執行Python代碼 15
1.4 Python集成開發環境 15
1.4.1 PyCharm的安裝 16
1.4.2 PyCharm的使用 18
1.4.3 PyCharm的外掛程式 20
1.5 Python 2.x與Python 3.x的區別 22
1.6 本章小結 23
第2章 Python語法基礎 24
2.1 數據類型 24
2.1.1 整數類型 25
2.1.2 浮點型(float) 27
2.1.3 複數(complex) 27
2.1.4 布爾型(Bool) 28
2.1.5 數值運算 29
2.1.6 數值計算函式館 31
2.1.7 type函式的套用 32
2.2 標識符 32
2.2.1 標識符的含義 33
2.2.2 標識符的命名 33
2.2.3 Python關鍵字 33
2.2.4 Python的BIF 34
2.2.5 專有標識符 34
2.3 變數的作用域 35
2.3.1 Python作用域類型 35
2.3.2 賦值操作符 41
2.3.3 增量賦值 41
2.3.4 多元賦值 42
2.4 語法規則 42
2.4.1 注釋 42
2.4.2 代碼組與代碼塊 43
2.4.3 同行書寫多條語句 43
2.4.4 空行與縮進 44
2.5 I/O操作 44
2.5.1 輸出操作 44
2.5.2 輸入操作 46
2.6 Python模組 47
2.6.1 模組的分類 47
2.6.2 使用pip管理Python擴展庫 47
2.6.3 模組的導入和使用 48
2.6.4 模組的導入順序 48
2.7 Python對象 48
2.8 本章小結 50
第3章 流程控制語句 51
3.1 條件語句 51
3.1.1 條件表達式 51
3.1.2 單分支選擇結構 53
3.1.3 雙分支選擇結構 53
3.1.4 多分支選擇結構 54
3.1.5 選擇結構的嵌套 55
3.1.6 三元表達式 56
3.2 循環語句 57
3.2.1 while循環 57
3.2.2 while…else循環 59
3.2.3 for循環 60
3.2.3 for…else循環 63
3.3 循環控制語句 64
3.3.1 break語句 64
3.3.2 continue語句 65
3.3.3 pass語句 65
3.4 疊代器 66
3.4.1 可疊代對象 66
3.4.2 疊代器的定義 66
3.4.3 創建疊代器 67
3.5 生成器 68
3.5.1 生成器的定義 69
3.5.2 生成器的創建 69
3.6 與條件循環相關的內置函式 72
3.6.1 range函式 73
3.6.2 enumerate函式 73
3.6.3 reversed函式 74
3.6.4 zip函式 75
3.6.5 *zip函式 76
3.6.6 sorted函式 76
3.7 本章小結 76
第4章 複合數據類型 77
4.1 列表 77
4.1.1 列表的創建 77
4.1.2 基本操作 78
4.1.3 多維列表 80
4.1.4 疊代器 81
4.1.5 列表解析 82
4.1.6 列表函式和方法 82
4.2 元組 83
4.2.1 元組的創建 83
4.2.2 基本操作 84
4.2.3 元組函式和方法 86
4.2.4 元組的優勢 87
4.3 字典 88
4.3.1 字典的創建 88
4.3.2 基本操作 88
4.3.3 字典的嵌套 90
4.3.4 字典的遍歷 90
4.3.5 字典函式和方法 90
4.4 集合 91
4.4.1 集合的創建 91
4.4.2 集合的數學運算 92
4.4.3 基本操作 93
4.4.4 不可變集合 94
4.4.5 集合函式和方法 95
4.5 類型轉換和格式化輸出 96
4.5.1 類型轉換 96
4.5.2 格式化輸出 97
4.6 本章小結 99
第5章 字元串和正則表達式 100
5.1 字元串表示 100
5.1.1 單/雙引號 100
5.1.2 三重引號 101
5.1.3 轉義字元 102
5.1.4 raw字元串 103
5.2 字元串操作 104
5.2.1 索引和分片 104
5.2.2 連線字元串 105
5.2.3 修改字元串 106
5.2.4 其他操作 107
5.3 字元串格式化 108
5.3.1 符號格式化 109
5.3.2 函式格式化 110
5.3.3 字典格式化 111
5.4 正則表達式 112
5.4.1 概述 112
5.4.2 語法規則 112
5.4.3 re模組 114
5.5 本章小結 120
第6章 函式和函式式編程 121
6.1 函式定義 121
6.1.1 函式概述 121
6.1.2 函式定義 122
6.1.3 形參和實參 124
6.1.4 函式的返回值 125
6.2 函式分類 126
6.2.1 內建函式 126
6.2.2 自定義函式 128
6.3 函式參數 129
6.3.1 參數種類 129
6.3.2 位置參數 130
6.3.3 默認參數 132
6.3.4 不定長參數 135
6.3.5 關鍵字參數 136
6.3.6 命名關鍵字參數 138
6.3.7 參數組合 139
6.4 函式式編程 140
6.4.1 高階函式 140
6.4.2 匿名函式 141
6.5 本章小結 141
第7章 Python面向對象編程 142
7.1 面向對象編程概述 142
7.1.1 OOP的產生 142
7.1.2 OOP核心思想 143
7.1.3 OOP特徵 144
7.2 類和對象 144
7.2.1 類的創建 144
7.2.2 對象的創建 146
7.2.3 類的屬性 146
7.2.4 類的方法 149
7.2.5 內部類 151
7.2.6 魔術方法 151
7.3 類間關係 155
7.3.1 依賴關係 155
7.3.2 關聯關係 156
7.3.3 繼承關係 157
7.4 本章小結 159
第8章 檔案操作 160
8.1 檔案對象 160
8.1.1 打開檔案 160
8.1.2 關閉檔案 162
8.1.3 檔案對象的屬性 163
8.1.4 檔案對象的方法 163
8.2 檔案系統訪問 167
8.2.1 os模組 168
8.2.2 檔案路徑操作 170
8.3 檔案數據處理 171
8.3.1 按位元組處理數據 171
8.3.2 使用檔案疊代器 172
8.3.3 結構化數據存儲 172
8.3.4 序列化存儲 173
8.4 綜合案例 174
8.5 本章小結 176
第9章 錯誤與異常 177
9.1 基本概念 177
9.1.1 什麼是錯誤 177
9.1.2 什麼是異常 178
9.2 Python中的異常 179
9.2.1 內置異常 180
9.2.2 用戶自定義異常 183
9.3 Python中異常的檢測與處理 183
9.3.1 try-except 184
9.3.2 try-except-else 186
9.3.3 try-finally 187
9.3.4 try-except-else-finally 188
9.3.5 強制觸發異常raise 190
9.3.6 斷言機制assert 191
9.3.7 預定義的清理行為with 192
9.4 本章小結 192
第二部分 進階篇
第10章 Python虛擬環境 195
10.1 初識Anaconda 195
10.2 安裝Anaconda 196
10.2.1 Windows環境下的Anaconda安裝 196
10.2.2 macOS環境下的Anaconda安裝 198
10.2.3 Linux環境下的Anaconda安裝 202
10.3 conda管理工具 204
10.3.1 包管理 204
10.3.2 環境管理 207
10.4 本章小結 209
第11章 科學計算庫NumPy 210
11.1 初識NumPy 210
11.1.1 NumPy的特點 210
11.1.2 安裝NumPy 211
11.1.3 NumPy簡單實例 212
11.2 NumPy數組基礎 213
11.2.1 數據類型 213
11.2.2 創建數組 215
11.2.3 數組屬性 217
11.2.4 數組操作 218
11.3 NumPy矩陣基礎 223
11.3.1 NumPy多維數組 223
11.3.2 NumPy矩陣對象 225
11.4 NumPy方法進階 226
11.4.1 常用檔案方法 226
11.4.2 常用數學方法 227
11.4.3 常用統計方法 228
11.5 NumPy綜合實例 231
11.5.1 預處理數據 232
11.5.2 根據日期分析股票漲幅 233
11.6 本章小結 234
第12章 數據分析庫Pandas 235
12.1 初識Pandas 235
12.1.1 安裝Pandas 236
12.1.2 Pandas簡單實例 237
12.2 序列Series 238
12.2.1 創建Series對象 238
12.2.2 Series數據操作 240
12.2.3 Series數據分析 242
12.3 數據幀DataFrame 247
12.3.1 創建DataFrame對象 247
12.3.2 DataFrame數據操作 248
12.3.3 DataFrame數據分析 251
12.4 綜合實例 257
12.4.1 數據集概況 257
12.4.2 數據集分析 259
12.4.3 數據預處理 261
12.5 本章小結 264
第13章 可視化工具庫matplotlib 265
13.1 初識matplotlib 265
13.1.1 安裝matplotlib 266
13.1.2 matplotlib簡單圖形繪製 267
13.2 常用2D圖形 268
13.2.1 繪製散點圖 268
13.2.2 繪製線性圖 270
13.2.3 繪製柱狀圖 273
13.2.4 繪製直方圖 274
13.2.5 繪製餅狀圖 276
13.3 常用3D圖形 278
13.3.1 繪製3D散點圖 278
13.3.2 繪製3D曲線 279
13.3.3 繪製3D曲面 280
13.3.4 繪製3D柱狀圖 281
13.4 圖形設定 282
13.4.1 設定顏色 282
13.4.2 添加注釋和標題 284
13.4.3 設定圖例和標籤 285
13.5 檔案操作 286
13.5.1 從CSV檔案中載入數據 286
13.5.2 從文本檔案中載入數據 287
13.5.3 從Excel檔案中載入數據 288
13.6 圖像操作 290
13.6.1 圖像的讀取與顯示 290
13.6.2 圖像的保存與轉換 292
13.7 綜合實例 293
13.7.1 繪製子圖 293
13.7.2 鳶尾花可視化屬性分析 296
13.8 本章小結 297
第14章 高級科學計算庫SciPy 298
14.1 初識SciPy 298
14.1.1 SciPy的特點 298
14.1.2 安裝SciPy 299
14.1.3 SciPy簡單實例 300
14.1.4 SciPy使用基礎 300
14.2 數值積分模組(integrate) 301
14.2.1 常用積分方法 301
14.2.2 求解常微分方程 306
14.3 插值模組(interpolate) 307
14.3.1 一維插值方法 308
14.3.2 多維插值方法 309
14.4 機率統計模組(stats) 310
14.4.1 連續型隨機變數 311
14.4.2 離散型隨機變數 312
14.4.3 常用統計方法 313
14.5 最佳化模組(optimize) 314
14.5.1 leastsq擬合方法 315
14.5.2 函式最小值方法 316
14.5.3 fsolve方法 319
14.6 其他常用模組 320
14.6.1 線性代數模組(linalg) 321
14.6.2 檔案模組(io) 321
14.6.3 圖像處理模組(ndimage) 322
14.6.4 特殊方法模組(special) 326
14.7 綜合實例 327
14.8 本章小結 331
第三部分 實踐篇
第15章 Python機器學習 335
15.1 初識機器學習 335
15.1.1 什麼是機器學習 335
15.1.2 機器學習模型分類 336
15.1.3 Python與機器學習 338
15.2 機器學習開發流程 339
15.2.1 數據採集 339
15.2.2 數據清洗 339
15.2.3 數據標註 340
15.2.4 模型選擇 340
15.2.5 模型評估和最佳化 341
15.3 初識scikit-learn 342
15.3.1 scikit-learn簡介 342
15.3.2 安裝scikit-learn 343
15.3.3 scikit-learn常用模組 344
15.4 常用的機器學習算法 346
15.4.1 K近鄰算法 346
15.4.2 線性回歸算法 350
15.4.3 決策樹算法 353
15.4.4 支持向量機算法 356
15.4.5 樸素貝葉斯算法 359
15.4.6 幾種機器學習算法的比較 361
15.5 機器學習實例 361
15.5.1 數據準備 361
15.5.2 選擇和訓練模型 362
15.5.3 使用模型 364
15.5.4 評估模型 365
15.6 機器學習綜合實踐 366
15.6.1 文本分類實例 366
15.6.2 回歸項目實例 370
15.7 本章小結 375
