|
|
|
本書由高校教師與演算法工程師合zuo編寫，兼顧理論與實踐，層次脈絡清晰，循序漸進地展開各個知識點，適合教學與自學。本書除了介紹Python程式設計方法與Python科學計算的工具包以外，還給出了數學建模的實戰案例（附帶原始資料）。本書既適合軟體發展人員閱讀，也適合作為高等院校電腦相關專業的師生在Python、科學計算、數學建模等方面的教材，還可以作為讀者自學Python的參考用書。
尹永學，博士、大學教師。主要的研究方向有數值計算、機器學習、大資料分析等，具有豐富的數學與電腦相關課程教學經驗及跨學科專案合zuo經驗，所指導的學生曾多次獲得數學建模競賽國jia級獎項。
黃海濤（筆名零壹），演算法工程師，CSDN博客專家，2018年度博客之星。曾先後參與開發多款人工智慧產品，具有豐富的專案經驗；精通數學建模，曾多次獲得國jia級競賽獎項。
第1章 Python概述1
1.1 Python語言發展史 1
1.2 Python語言特點 2
1.3 Python語言主要應用領域 4
1.4 本章練習 5
第 2章 開啟Python之旅 6
2.1 部署Python環境 6
2.1.1 Anaconda簡介 6
2.1.2 在Windows系統中安裝Anaconda 7
2.1.3 在Linux系統中安裝Anaconda 8
2.2 第 一個Python程式“Hello,World” 10
2.2.1 “Hello, World”的由來 10
2.2.2 實現“Hello,World” 11
2.3 使用Python的IDE 13
2.3.1 互動式解譯器——Jupyter notebook 13
2.3.2 整合式開發環境——PyCharm 16
2.4 本章練習 16
第3章 輸入與輸出 17
3.1 注釋 17
3.1.1 單行注釋 17
3.1.2 多行注釋 18
3.2 輸入 18
3.3 格式化輸出 19
3.3.1 %操作符 19
3.3.2 format格式化字串 21
3.4 本章練習 22
第4章 變數與運算子 23
4.1 變數 23
4.1.1 常量與變數 23
4.1.2 識別字 23
4.1.3 變數初始化 24
4.2 運算子 24
4.2.1 算術運算子 25
4.2.2 比較運算子 26
4.2.3 設定運算子 26
4.2.4 邏輯運算子 27
4.2.5 位運算子 28
4.2.6 成員運算子 28
4.2.7 身份運算子 29
4.2.8 運算子優先順序 29
4.3 本章練習 30
第5章 資料類型與資料結構 32
5.1 資料類型 32
5.1.1 數 32
5.1.2 字串 35
5.2 資料結構 36
5.2.1 列表 36
5.2.2 元組 38
5.2.3 字典 38
5.2.4 集合 40
5.3 本章練習 42
第6章 條件結構 43
6.1 if語句 43
6.1.1 if形式 43
6.1.2 if-else形式 44
6.1.3 多分支選擇結構 45
6.2 進階——if嵌套與三元運算 46
6.2.1 if嵌套 46
6.2.2 三元運算 47
6.3 本章練習 48
第7章 迴圈結構 49
7.1 迴圈語句 49
7.1.1 概述 49
7.1.2 while迴圈語句 49
7.1.3 for迴圈語句 51
7.1.4 迴圈嵌套 52
7.2 break、continue、pass 53
7.2.1 break 53
7.2.2 continue 54
7.2.3 pass 54
7.3 本章練習 55
第8章 函數 56
8.1 函數概述 56
8.2 函數的參數 57
8.2.1 形式參數和實際參數 57
8.2.2 形式參數設置 58
8.3 return語句 62
8.4 本章練習 63
第9章 模組與異常 64
9.1 模組 64
9.1.1 概述 64
9.1.2 模組的導入 65
9.2 異常 67
9.2.1 錯誤 67
9.2.2 異常 67
9.2.3 異常捕獲與拋出 68
9.2.4 常見異常 73
9.3 本章練習 75
第10章 檔操作 76
10.1 文件的讀寫 76
10.1.1 概述 76
10.1.2 文件讀取 77
10.1.3 文件寫入 78
10.2 內容獲取與檔指標 79
10.2.1 read、readline、readlines 79
10.2.2 文件指針 81
10.3 本章練習 83
第11章 科學計算庫——NumPy 84
11.1 NumPy簡介 84
11.1.1 初識NumPy 84
11.1.2 NumPy安裝 85
11.1.3 NumPy的陣列屬性 85
11.1.4 NumPy的陣列類型 86
11.2 NumPy創建陣列 88
11.2.1 通過列表或元組轉化 88
11.2.2 數學基礎——矩陣 89
11.2.3 NumPy構建特殊陣列 91
11.3 索引與切片 95
11.3.1 索引機制 95
11.3.2 切片機制 96
11.3.3 切片索引 97
11.3.4 布林型索引 97
11.4 矩陣運算與線性代數 98
11.4.1 範數計算 99
11.4.2 求逆矩陣 100
11.4.3 求方程組的精確解 101
11.4.4 計算矩陣行列式 102
11.4.5 求解特徵值與特徵向量 102
11.4.6 奇異值分解 103
11.4.7 QR分解 104
11.4.8 線性方程組的最小二乘解 104
11.5 本章練習 106
第12章 科學計算庫——SciPy 107
12.1 SciPy簡介 107
12.2 SciPy應用 108
12.3 本章練習 116
第13章 資料分析庫——Pandas 117
13.1 Pandas中的資料結構 117
13.1.1 資料結構 117
13.1.2 Series 118
13.1.3 DataFrame 120
13.2 資料的選取 122
13.3 資料處理 125
13.3.1 缺失值刪除 126
13.3.2 缺失值填充 128
13.3.3 資料替換 130
13.3.4 標識、刪除重複行 132
13.4 統計函數 134
13.5 文件讀取 135
13.6 本章練習 136
第14章 繪圖工具庫——Matplotlib 137
14.1 初識Matplotlib 137
14.1.1 從MATLAB認識Matplotlib 137
14.1.2 從sin(x)認識Matplotlib 137
14.2 Matplotlib功能介紹 144
14.3 本章練習 146
第15章 數學建模庫Scikit-Learn——以回歸為例 147
15.1 Scikit-Learn實現一元線性回歸 147
15.1.1 一元線性回歸理論簡介 147
15.1.2 “小”資料的一元線性回歸 149
15.1.3 一元線性回歸分析糖尿病病情案例 152
15.2 Scikit-Learn實現多元線性回歸 157
15.2.1 多元線性回歸理論簡介 157
15.2.2 多元線性回歸實戰 158
15.3 多重共線性問題 160
15.4 本章練習 161
附錄 習題答案 16
