Python程序设计
| 作者 |
| 曹仰杰、段鹏松、陈永霞、杨聪 |
| 丛书名 |
| 高等学校计算机应用规划教材 |
| 出版社 |
| 清华大学出版社 |
| ISBN |
| 9787302539254 |
| 简要 |
| 简介 |
| 内容简介 《Python程序设计》全面讲述Python的基本知识和开发技术。全书分三部分，共15章。*部分基础篇，介绍Python的起源和发展、开发工具、语法基础、控制结构、复合数据结构、字符串与正则表达式、函数、类与对象、文件操作、错误与异常等内容；第二部分进阶篇，深入讲解Python的虚拟环境Anaconda、科学计算库NumPy、数据分析库Pandas、绘图工具matplotlib和数据分析工具SciPy；第三部分实践篇，主要介绍Python在机器学习领域的应用。 《Python程序设计》内容丰富、难度适中、结构清晰、内容翔实，通过三部分以层次递进方式进行讲解，以引导读者循序渐进地学习、掌握并运用Python。《Python程序设计》可作为普通高等院校计算机、人工智能、大数据科学、物联网等专业Python相关课程的教材，也可作为Python爱好者的入门级教程。 《Python程序设计》配套的电子课件、实例源文件、习题答案可以到http://www.tupwk.com.cn/downpage网站下载，也可以扫描前言中的二维码下载。 |
| 目录 |
| 录 第一部分 基础篇 第1章 认识Python 3 1.1 初识Python 3 1.1.1 编程语言概述 3 1.1.2 Python常用解释器 5 1.1.3 Python语言特点 5 1.2 Python的安装 6 1.2.1 Windows环境中Python的安装 6 1.2.2 Linux环境中Python的安装 9 1.2.3 Mac OS环境中Python的安装 11 1.3 Python代码的执行 13 1.3.1 在交互模式下执行Python代码 13 1.3.2 在脚本模式下执行Python代码 15 1.4 Python集成开发环境 15 1.4.1 PyCharm的安装 16 1.4.2 PyCharm的使用 18 1.4.3 PyCharm的插件 20 1.5 Python 2.x与Python 3.x的区别 22 1.6 本章小结 23 第2章 Python语法基础 24 2.1 数据类型 24 2.1.1 整数类型 25 2.1.2 浮点型(float) 27 2.1.3 复数(complex) 27 2.1.4 布尔型(Bool) 28 2.1.5 数值运算 29 2.1.6 数值计算函数库 31 2.1.7 type函数的应用 32 2.2 标识符 32 2.2.1 标识符的含义 33 2.2.2 标识符的命名 33 2.2.3 Python关键字 33 2.2.4 Python的BIF 34 2.2.5 专有标识符 34 2.3 变量的作用域 35 2.3.1 Python作用域类型 35 2.3.2 赋值操作符 41 2.3.3 增量赋值 41 2.3.4 多元赋值 42 2.4 语法规则 42 2.4.1 注释 42 2.4.2 代码组与代码块 43 2.4.3 同行书写多条语句 43 2.4.4 空行与缩进 44 2.5 I/O操作 44 2.5.1 输出操作 44 2.5.2 输入操作 46 2.6 Python模块 47 2.6.1 模块的分类 47 2.6.2 使用pip管理Python扩展库 47 2.6.3 模块的导入和使用 48 2.6.4 模块的导入顺序 48 2.7 Python对象 48 2.8 本章小结 50 第3章 流程控制语句 51 3.1 条件语句 51 3.1.1 条件表达式 51 3.1.2 单分支选择结构 53 3.1.3 双分支选择结构 53 3.1.4 多分支选择结构 54 3.1.5 选择结构的嵌套 55 3.1.6 三元表达式 56 3.2 循环语句 57 3.2.1 while循环 57 3.2.2 while…else循环 59 3.2.3 for循环 60 3.2.3 for…else循环 63 3.3 循环控制语句 64 3.3.1 break语句 64 3.3.2 continue语句 65 3.3.3 pass语句 65 3.4 迭代器 66 3.4.1 可迭代对象 66 3.4.2 迭代器的定义 66 3.4.3 创建迭代器 67 3.5 生成器 68 3.5.1 生成器的定义 69 3.5.2 生成器的创建 69 3.6 与条件循环相关的内置函数 72 3.6.1 range函数 73 3.6.2 enumerate函数 73 3.6.3 reversed函数 74 3.6.4 zip函数 75 3.6.5 *zip函数 76 3.6.6 sorted函数 76 3.7 本章小结 76 第4章 复合数据类型 77 4.1 列表 77 4.1.1 列表的创建 77 4.1.2 基本操作 78 4.1.3 多维列表 80 4.1.4 迭代器 81 4.1.5 列表解析 82 4.1.6 列表函数和方法 82 4.2 元组 83 4.2.1 元组的创建 83 4.2.2 基本操作 84 4.2.3 元组函数和方法 86 4.2.4 元组的优势 87 4.3 字典 88 4.3.1 字典的创建 88 4.3.2 基本操作 88 4.3.3 字典的嵌套 90 4.3.4 字典的遍历 90 4.3.5 字典函数和方法 90 4.4 集合 91 4.4.1 集合的创建 91 4.4.2 集合的数学运算 92 4.4.3 基本操作 93 4.4.4 不可变集合 94 4.4.5 集合函数和方法 95 4.5 类型转换和格式化输出 96 4.5.1 类型转换 96 4.5.2 格式化输出 97 4.6 本章小结 99 第5章 字符串和正则表达式 100 5.1 字符串表示 100 5.1.1 单/双引号 100 5.1.2 三重引号 101 5.1.3 转义字符 102 5.1.4 raw字符串 103 5.2 字符串操作 104 5.2.1 索引和分片 104 5.2.2 连接字符串 105 5.2.3 修改字符串 106 5.2.4 其他操作 107 5.3 字符串格式化 108 5.3.1 符号格式化 109 5.3.2 函数格式化 110 5.3.3 字典格式化 111 5.4 正则表达式 112 5.4.1 概述 112 5.4.2 语法规则 112 5.4.3 re模块 114 5.5 本章小结 120 第6章 函数和函数式编程 121 6.1 函数定义 121 6.1.1 函数概述 121 6.1.2 函数定义 122 6.1.3 形参和实参 124 6.1.4 函数的返回值 125 6.2 函数分类 126 6.2.1 内建函数 126 6.2.2 自定义函数 128 6.3 函数参数 129 6.3.1 参数种类 129 6.3.2 位置参数 130 6.3.3 默认参数 132 6.3.4 不定长参数 135 6.3.5 关键字参数 136 6.3.6 命名关键字参数 138 6.3.7 参数组合 139 6.4 函数式编程 140 6.4.1 高阶函数 140 6.4.2 匿名函数 141 6.5 本章小结 141 第7章 Python面向对象编程 142 7.1 面向对象编程概述 142 7.1.1 OOP的产生 142 7.1.2 OOP核心思想 143 7.1.3 OOP特征 144 7.2 类和对象 144 7.2.1 类的创建 144 7.2.2 对象的创建 146 7.2.3 类的属性 146 7.2.4 类的方法 149 7.2.5 内部类 151 7.2.6 魔术方法 151 7.3 类间关系 155 7.3.1 依赖关系 155 7.3.2 关联关系 156 7.3.3 继承关系 157 7.4 本章小结 159 第8章 文件操作 160 8.1 文件对象 160 8.1.1 打开文件 160 8.1.2 关闭文件 162 8.1.3 文件对象的属性 163 8.1.4 文件对象的方法 163 8.2 文件系统访问 167 8.2.1 os模块 168 8.2.2 文件路径操作 170 8.3 文件数据处理 171 8.3.1 按字节处理数据 171 8.3.2 使用文件迭代器 172 8.3.3 结构化数据存储 172 8.3.4 序列化存储 173 8.4 综合案例 174 8.5 本章小结 176 第9章 错误与异常 177 9.1 基本概念 177 9.1.1 什么是错误 177 9.1.2 什么是异常 178 9.2 Python中的异常 179 9.2.1 内置异常 180 9.2.2 用户自定义异常 183 9.3 Python中异常的检测与处理 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 强制触发异常raise 190 9.3.6 断言机制assert 191 9.3.7 预定义的清理行为with 192 9.4 本章小结 192 第二部分 进阶篇 第10章 Python虚拟环境 195 10.1 初识Anaconda 195 10.2 安装Anaconda 196 10.2.1 Windows环境下的Anaconda安装 196 10.2.2 macOS环境下的Anaconda安装 198 10.2.3 Linux环境下的Anaconda安装 202 10.3 conda管理工具 204 10.3.1 包管理 204 10.3.2 环境管理 207 10.4 本章小结 209 第11章 科学计算库NumPy 210 11.1 初识NumPy 210 11.1.1 NumPy的特点 210 11.1.2 安装NumPy 211 11.1.3 NumPy简单实例 212 11.2 NumPy数组基础 213 11.2.1 数据类型 213 11.2.2 创建数组 215 11.2.3 数组属性 217 11.2.4 数组操作 218 11.3 NumPy矩阵基础 223 11.3.1 NumPy多维数组 223 11.3.2 NumPy矩阵对象 225 11.4 NumPy方法进阶 226 11.4.1 常用文件方法 226 11.4.2 常用数学方法 227 11.4.3 常用统计方法 228 11.5 NumPy综合实例 231 11.5.1 预处理数据 232 11.5.2 根据日期分析股票涨幅 233 11.6 本章小结 234 第12章 数据分析库Pandas 235 12.1 初识Pandas 235 12.1.1 安装Pandas 236 12.1.2 Pandas简单实例 237 12.2 序列Series 238 12.2.1 创建Series对象 238 12.2.2 Series数据操作 240 12.2.3 Series数据分析 242 12.3 数据帧DataFrame 247 12.3.1 创建DataFrame对象 247 12.3.2 DataFrame数据操作 248 12.3.3 DataFrame数据分析 251 12.4 综合实例 257 12.4.1 数据集概况 257 12.4.2 数据集分析 259 12.4.3 数据预处理 261 12.5 本章小结 264 第13章 可视化工具库matplotlib 265 13.1 初识matplotlib 265 13.1.1 安装matplotlib 266 13.1.2 matplotlib简单图形绘制 267 13.2 常用2D图形 268 13.2.1 绘制散点图 268 13.2.2 绘制线性图 270 13.2.3 绘制柱状图 273 13.2.4 绘制直方图 274 13.2.5 绘制饼状图 276 13.3 常用3D图形 278 13.3.1 绘制3D散点图 278 13.3.2 绘制3D曲线 279 13.3.3 绘制3D曲面 280 13.3.4 绘制3D柱状图 281 13.4 图形设置 282 13.4.1 设置颜色 282 13.4.2 添加注释和标题 284 13.4.3 设置图例和标签 285 13.5 文件操作 286 13.5.1 从CSV文件中加载数据 286 13.5.2 从文本文件中加载数据 287 13.5.3 从Excel文件中加载数据 288 13.6 图像操作 290 13.6.1 图像的读取与显示 290 13.6.2 图像的保存与转换 292 13.7 综合实例 293 13.7.1 绘制子图 293 13.7.2 鸢尾花可视化属性分析 296 13.8 本章小结 297 第14章 高级科学计算库SciPy 298 14.1 初识SciPy 298 14.1.1 SciPy的特点 298 14.1.2 安装SciPy 299 14.1.3 SciPy简单实例 300 14.1.4 SciPy使用基础 300 14.2 数值积分模块(integrate) 301 14.2.1 常用积分方法 301 14.2.2 求解常微分方程 306 14.3 插值模块(interpolate) 307 14.3.1 一维插值方法 308 14.3.2 多维插值方法 309 14.4 概率统计模块(stats) 310 14.4.1 连续型随机变量 311 14.4.2 离散型随机变量 312 14.4.3 常用统计方法 313 14.5 优化模块(optimize) 314 14.5.1 leastsq拟合方法 315 14.5.2 函数最小值方法 316 14.5.3 fsolve方法 319 14.6 其他常用模块 320 14.6.1 线性代数模块(linalg) 321 14.6.2 文件模块(io) 321 14.6.3 图像处理模块(ndimage) 322 14.6.4 特殊方法模块(special) 326 14.7 综合实例 327 14.8 本章小结 331 第三部分 实践篇 第15章 Python机器学习 335 15.1 初识机器学习 335 15.1.1 什么是机器学习 335 15.1.2 机器学习模型分类 336 15.1.3 Python与机器学习 338 15.2 机器学习开发流程 339 15.2.1 数据采集 339 15.2.2 数据清洗 339 15.2.3 数据标注 340 15.2.4 模型选择 340 15.2.5 模型评估和优化 341 15.3 初识scikit-learn 342 15.3.1 scikit-learn简介 342 15.3.2 安装scikit-learn 343 15.3.3 scikit-learn常用模块 344 15.4 常用的机器学习算法 346 15.4.1 K近邻算法 346 15.4.2 线性回归算法 350 15.4.3 决策树算法 353 15.4.4 支持向量机算法 356 15.4.5 朴素贝叶斯算法 359 15.4.6 几种机器学习算法的比较 361 15.5 机器学习实例 361 15.5.1 数据准备 361 15.5.2 选择和训练模型 362 15.5.3 使用模型 364 15.5.4 评估模型 365 15.6 机器学习综合实践 366 15.6.1 文本分类实例 366 15.6.2 回归项目实例 370 15.7 本章小结 375 |
有问题微信扫码联系