《Python計算思維與問題求解》是2020年9月同濟大學出版社出版的圖書，作者是叢培盛、楊志強、朱仲良、龔沛曾，本書主要講述了計算求解的基本思維方式、Python的基礎語法及數據結構；面向實際問題的求解；常見的計算問題及Python中的應對方法。
基本介紹
- 中文名：Python計算思維與問題求解
- 作者：叢培盛、楊志強、朱仲良、龔沛曾
- 出版社：同濟大學出版社
- ISBN：9787560893112
內容簡介,圖書目錄,
內容簡介
《Python計算思維與問題求解》面向非計算機專業的大學生，旨在提高學生知識交叉融合、求解問題的能力。學科交叉是計算思維真正落地的有效舉措，高等教育的本科教學中，各專業的教學培養方案環環相扣。全書分為基礎篇和套用篇。基礎篇以計算思維為導向，講解計算求解的基本思維方式、Python的基礎語法及數據結構；套用篇則面向實際問題的求解，介紹常見的計算問題及Python中的應對方法。《Python計算思維與問題求解》內容布局簡潔合理、深入淺出，力求達到基礎學科知識套用融會貫通的目的。
為便於教學，《Python計算思維與問題求解》提供了高質量的PPT，上機實驗。線上教學配套資源豐富，包括重點章節的微課、程式代碼、實例數據，通過二維碼掃描即可獲取。《Python計算思維與問題求解》即可作為高等學校工科交叉類課程的教材，也可作為各專業計算類的課程的才考教材，也適合於自學者使用。
圖書目錄
章 計算思維
1．1 計算思維基本概念及方法
1．1．1 計算思維基本概念
1．1．2 人類行為理解
1．1．3 抽象和分解
1．1．4 約簡與結構化設計
1．1．5 面向過程與面向對象
1．2 計算思維案例
1．2．1 梯形積分逼近
1．2．2 插值與離散積分
1．2．3 計算模擬
思考題
第二章 Python語言基礎
2．1 Python簡介
2．2 Python編程環境
2．2．1 Python資源
2．2．2 運行環境
2．2．3 Python的運算速度
2．2．4 Python程式轉換為exe檔案
2．3 語言基本要素
2．3．1 基本數據類型
2．3．2 變數及常數
2．3．3 運算符
2．3．4 數據類型轉換
2．3．5 輸入輸出
思考題
第三章 流程自動化
3．1 流程分支
3．2 循環
3．2．1 for循環
3．2．2 while循環
3．2．3 套用實例——二分法求弱酸溶液pH值
思考題
第四章 函式——歸納與抽象
4．1 數學庫math
4．2 創建函式
4．2．1 自定義函式
4．2．2 變數的生存周期
4．3 遞歸函式
4．4 函式套用案例
4．4．1 求解一元二次方程的根
4．4．2 再求弱酸溶液pH值
4．4．3 遺傳算法尋找函式極值
思考題
第五章 類——更高層次的抽象
5．1 類分析
5．2 類定義及對象
5．3 對象引用
5．4 類的繼承
思考題
第六章 數據結構
6．1 序列：列表與元組
6．1．1 列表與元組定義
6．1．2 通用序列操作
6．1．3 列表操作
6．1．4 列表方法
6．1．5 對象列表與lambda表達式
6．1．6 列表遍歷
6．2 字元串
6．2．1 字元串序列操作
6．2．2 字元串對象方法
6．3 序列內建函式
6．4 字典
6．5 案例
6．5．1 信號平滑濾波
6．5．2 K近鄰（KNN）算法
思考題
第七章 存儲
7．1 檔案
7．1．1 文本檔案操作
7．1．2 綜合案例——數據分揀
7．1．3 Excel檔案
7．2 資料庫
7．2．1 創建資料庫及表
7．2．2 資料庫更新
7．2．3 資料庫查詢
思考題
第八章 Python與計算求解
8．1 線性回歸建模與預測
8．1．1 矩陣與檔案的輸入和輸出
8．1．2 矩陣的初始化與重組
8．1．3 矩陣算術運算
8．1．4 奇異值分解與主成分分解
8．1．5 矩陣奇異值分析的套用
8．1．6 多元線性回歸及案例
8．1．7 主成分回歸及案例
8．2 數據可視化
8．2．1 製圖基礎
8．2．2 二維圖及其製圖要素
8．2．3 三維圖製作
8．2．4 實測珠寶拉曼光譜圖製作
8．2．5 聯用儀器實測數據三維曲面圖
8．2．6 色譜-DAD三維曲面的等高線圖
8．2．7 鳶尾花分類模式顯示
8．3 最佳化與擬合
8．3．1 科學計算包scipy簡介
8．3．2 尋優
8．3．3 代數方程求根及方程組求解
8．3．4 曲線擬合
8．4 機器學習
8．4．1 機器學習的交叉驗證策略
8．4．2 支持向量機
8．4．3 貝葉斯分類
8．4．4 決策樹與隨機森林
8．4．5 變數重要性及變數選擇
8．4．6 空間降維及有效特徵提取
8．4．7 小麥分類重要變數選擇
8．4．8 手寫數字識別
思考題
實驗
實驗一 梯形積分
實驗二 編寫函式
實驗三 類建設及基於類的程式搭建
實驗四 檔案與對象列表
實驗五 矩陣運算——多元線性回歸
實驗六 製作二維圖
實驗七 三維曲面及等高線圖的製作
實驗八 非線性方程組求解
實驗九 Python資料庫操作
實驗十 機器學習與統計模式識別
