国产91青青成人a在线/在线视频成人/aaa成人永久在线观看视频/深夜草莓视频app

本書是面向Python學習者和使用者的一本實用學習筆記，在前一版的基礎之上進行了全面修訂。全書共11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，包括基礎語法、數據類型、判斷與循環、函數與模塊、異常與警告、文件讀寫、內置函數；第3章介紹Python的進階用法，包括函數進階、迭代器與生成器、裝飾器、上下文管理器與with語句、變量作用域；第4章介紹Python面向對象編程，包括對象的方法與屬性、繼承與復用；第5章介紹常見的Python標準庫；第6章介紹Python科學計算基礎模塊NumPy，包括NumPy數組的操作、廣播機制、索引和讀寫；第7章介紹Python數據可視化模塊Matplotlib，包括基于函數和對象的可視化操作；第8章介紹Python科學計算進階模塊SciPy，包括概率、線性代數等模塊；第9章介紹Python數據分析基礎模塊Pandas，包括Series和DataFrame的使用；第10章介紹一個用Python分析中文小說文本的案例；第11章介紹一個用Python對手寫數字進行機器學習處理的案例。
本書適合剛接觸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。

一本言簡意賅、系統講解Python編程基礎、科學計算、數據分析的自學教程。
源自網上廣受好評的中文python筆記，知乎 如何系統地自學 Python？千萬訪問量答主自學Python的經驗總結。
特別總結了Python多版本代碼差異對比，配備全套數據集、源代碼，方便使用者參考。

人生苦短，我用Python。
Python是一門越來越流行的編程語言，它免費、易學，而且功能強大，在網絡編程、圖像用戶界面編程、科學計算、數據挖掘、機器學習、人工智能等方面都有著廣泛的應用。
我在一年多的時間里，通過自學，從一個Python小白成長為一個Python老手，在這個過程中，用筆記的形式記錄了自己學習和使用Python的經驗。根據這段經歷，于2019年出版了本書的第1版（基于Python 2.7版本）。
經過數年的時間，這個學習筆記依然有著不小的閱讀量：在知乎的高分問答如何系統地自學 Python？閱讀量達到千萬量級（https://www.zhihu.com/question/29138020/answer/81972368），GitHub上的學習筆記的Star達6300以上，Fork達2900以上（https://github.com/lijin-THU/notes-python）。
由于對Python的學習、應用需求與日俱增，并且Python 3已成為主流，所以我對第1版的內容進行了大量的修改，升級改版為基于Python 3的自學筆記，相信會對開始學習并使用Python的朋友有所幫助。
本書的集成開發環境是Anaconda，它是一個功能強大的Python計算環境。本書利用IPython解釋器、Jupyter Notebook等工具開展Python編程的實踐。
本書首先介紹了Python工具的使用、Python基礎和進階用法、面向對象編程，為讀者打下良好的基礎：優秀的工具能幫助讀者更有效地學習和使用Python；基礎和進階用法能讓讀者對Python的用法有一些基本的認知；面向對象編程可以讓讀者了解一些基礎的設計模式。
接下來，本書介紹了一些關鍵的Python模塊，這些模塊包括Python標準庫中的自帶模塊，以及NumPy、Matplotlib、SciPy、Pandas等最常用的模塊。這些模塊提供了強大的功能：標準庫模塊提供了處理編程常見問題的工具，NumPy模塊提供了科學計算的基礎類型數組，Matplotlib模塊可以對數據進行可視化，SciPy模塊可以進行概率、線性代數等的操作，而Pandas模塊則提供了數據分析的基本功能。
最后，本書詳細講解了兩個用Python進行數據分析與機器學習編程的實例，通過這兩個例子，讀者可以了解數據分析和機器學習的一些基本流程。
本書基于學習筆記而來，內容更貼近實際，例子也簡單易懂。除了介紹Python的用法，本書還加入了很多原理上的解釋，并輔以實例進行說明。因此，與其他Python書籍相比，本書不僅具有知其然的功能，還具有知其所以然的特點，從而能更好地幫助Python初學者進行自學。
本書使用Python 3版本。考慮到書中涉及模塊的功能可能會隨版本更新而改變，因此，本書主要介紹各個模塊的核心功能，對于一些細節用法不做過多介紹。
特別地，結合我學習工作以來遇到的實際情況，雖然Python 2已經不再被維護，但一些企業和項目由于歷史原因仍然保留了許多用Python 2編寫的代碼。為了方便廣大讀者在實際工作學習中閱讀和運維基于Python 2的代碼，本書將Python 2與Python 3的一些核心區別標注出來，以便讀者掌握。
本書配備有全套案例數據集、源代碼，可通過掃描關注機械工業出版社計算機分社官方微信公眾號IT有得聊，回復XXXXX即可獲取。
致謝
本書基于很多資料和知識整理匯集而成，因此，我不可能完全統計出所有對本書的內容做出貢獻的人士。在這里，我向所有貢獻者們致以最誠摯的謝意。
我要感謝我的家人，他們默默的支持，是我最堅實的后盾。
我要感謝我的導師張長水教授，他嚴謹的教導，是我終生受益的財富。
我要感謝我的朋友蔣楠、胡捷、王磊和潘偉燊，沒有他們的真誠鼓勵，我也不會堅持記完我的筆記。
我還要感謝機工社的編輯王斌（IT大公雞），有了他的鼎力相助，才有了這本書的成型與出版。
機緣巧合促成了這本書的誕生，這也必將成為我一生中最寶貴的經歷。非常希望本書能夠對正踏上Python學習之路的朋友有所幫助！

李金
2022.3.27

李金，清華自動化系碩士，阿里巴巴負責廣告推薦的算法專家，知乎達人，其在知乎上的高分問答如何系統地自學 Python？閱讀量達4000萬，在Github上的中文python筆記也廣受國內外讀者好評。

第1章 初識Python1
1.1 人生苦短，我用Python1
1.1.1 Python簡介1
1.1.2 版本的選擇2
1.2 安裝Python環境2
1.2.1 集成開發環境：Anaconda2
1.2.2 第一行Python代碼3
1.3 使用Python工具4
1.3.1 IPython解釋器4
1.3.2 代碼的運行模式：解釋器模式與
腳本模式6
1.3.3 學習工具：Jupyter Notebook8
1.4 本章學習筆記9
第2章 Python基礎10
2.1 基礎語法簡介10
2.2 數據類型16
2.2.1 數字16
2.2.2 字符串20
2.2.3 索引與分片27
2.2.4 列表29
2.2.5 元組34
2.2.6 可變與不可變類型36
2.2.7 字典37
2.2.8 集合與不可變集合41
2.2.9 賦值機制44
2.3 判斷與循環49
2.3.1 判斷49
2.3.2 循環53
2.4 函數與模塊58
2.4.1 函數58
2.4.2 模塊61
2.5 異常與警告65
2.5.1 異常65
2.5.2 警告70
2.6 文件讀寫71
2.6.1 讀文件71
2.6.2 寫文件72
2.7 內置函數74
2.7.1 數字相關的內置函數74
2.7.2 序列相關的內置函數75
2.7.3 其他內置函數76
2.8 本章學習筆記76
第3章 Python進階80
3.1 函數進階80
3.1.1 函數參數與返回值80
3.1.2 高階函數82
3.1.3 map()函數和filter()函數83
3.1.4 Lambda表達式84
3.1.5 關鍵字global85
3.1.6 函數的遞歸86
3.2 迭代器與生成器87
3.2.1 迭代器87
3.2.2 生成器91
3.3 裝飾器93
3.3.1 裝飾器的引入93
3.3.2 裝飾器的用法95
3.4 上下文管理器與with語句98
3.4.1 上下文管理器的引入98
3.4.2 上下文管理器的原理99
3.5 變量作用域103
3.6 本章學習筆記105
第4章 Python面向對象編程107
4.1 面向對象簡介107
4.2 自定義類型109
4.3 方法與屬性111
4.4 繼承與復用115
4.5 公有、私有、特殊以及靜態的
方法與屬性118
4.6 多重繼承120
4.7 本章學習筆記121
第5章 Python標準庫123
5.1 系統相關：sys模塊123
5.2 與操作系統進行交互：os模塊125
5.3 正則表達式：re模塊128
5.4 日期時間相關：datetime模塊132
5.5 讀寫JSON數據：json模塊134
5.6 文件模式匹配：glob模塊137
5.7 高級文件操作：shutil模塊138
5.8 數學：math模塊139
5.9 隨機數：random模塊140
5.10 路徑操作：pathlib模塊141
5.11 網址URL相關：urllib模塊142
5.12 實例：使用標準庫實現桌面
墻紙下載143
5.13 本章學習筆記146
第6章 Python科學計算基礎：
NumPy模塊149
6.1 NumPy模塊簡介149
6.2 數組基礎150
6.2.1 數組的引入150
6.2.2 數組的屬性151
6.2.3 數組的類型152
6.2.4 數組的生成155
6.2.5 數組的索引157
6.2.6 數組的迭代159
6.3 數組操作160
6.3.1 數值相關的數組操作160
6.3.2 形狀相關的數組操作163
6.3.3 數組的連接操作168
6.3.4 數組的四則運算和點乘171
6.3.5 數組的數學操作172
6.3.6 數組的比較和邏輯操作173
6.4 數組廣播機制174
6.5 數組索引進階176
6.5.1 數組的基礎索引176
6.5.2 數組的高級索引178
6.6 數組讀寫180
6.6.1 數組的讀取180
6.6.2 數組的寫入181
6.6.3 數組的二進制讀寫182
6.7 隨機數組183
6.8 實例：使用NumPy實現K近鄰
查找184
6.9 本章學習筆記185
第7章 Python數據可視化：
Matplotlib模塊187
7.1 Matplotlib模塊簡介187
7.2 基于函數的可視化操作187
7.2.1 plt.plot()函數的使用187
7.2.2 圖與子圖193
7.3 基于對象的可視化操作194
7.4 圖像中的文本處理195
7.5 實例：基于Matplotlib的三角
函數可視化197
7.6 本章學習筆記200
第8章 Python科學計算進階：
SciPy模塊202
8.1 SciPy模塊簡介202
8.2 插值模塊：scipy.interpolate202
8.3 概率統計模塊：scipy.stats206
8.3.1 基本統計量206
8.3.2 概率分布206
8.4 優化模塊：scipy.optimize214
8.4.1 數據擬合214
8.4.2 值優化218
8.4.3 方程求根220
8.5 線性代數模塊：scipy.linalg221
8.6 實例：基于SciPy的主成分
分析227
8.7 本章學習筆記230
第9章 Python數據分析基礎：
Pandas模塊232
9.1 Pandas模塊簡介232
9.2 一維數據結構：Series對象232
9.2.1 Series對象的生成233
9.2.2 Series對象的使用235
9.3 二維數據結構：DataFrame
對象238
9.3.1 DataFrame對象的生成238
9.3.2 DataFrame對象的使用240
9.4 Pandas對象的索引242
9.4.1 基于中括號的索引和切片242
9.4.2 基于位置和標記的高級索引245
9.5 缺失值的處理248
9.6 數據的讀寫250
9.7 實例：基于Pandas的期貨
數據分析251
9.8 本章學習筆記256
第10章 Python案例1：中文小說
分析257
10.1 數據預處理257
10.2 數據統計259
10.3 數據建模263
10.4 效果分析265
10.5 本章學習筆記271
第11章 Python案例2：手寫數字
分析273
11.1 數據的獲取與處理273
11.2 數據建模和效果分析275
11.3 本章學習筆記277