前言　1 本書面向的讀者對(duì)象　3 代碼和命令的排版約定　3 閱讀和學(xué)習(xí)的方法　4 資源下載與技術(shù)交流　4 致謝　5 第　1章 零基礎(chǔ)必讀　1 1.1　安裝Python　1 1.1.1　Python的各種發(fā)行版　1 1.1.2　安裝與運(yùn)行　2 1.1.3　重新安裝　4 1.2　以交互方式運(yùn)行Python代碼　4 1.2.1　使用Python IDLE交互操作　4 1.2.2　使用IPython交互操作　5 1.3　以腳本方式運(yùn)行Python程序　6 1.3.1　運(yùn)行　6 1.3.2　調(diào)試　7 1.4　使用pip安裝和管理模塊　7 1.4.1　使用pip的兩種方式　7 1.4.2　安裝模塊　8 1.4.3　卸載模塊　9 1.4.4　查看模塊列表和模塊信息　9 第　2章 Python入門　11 2.1　基礎(chǔ)語(yǔ)法　11 2.1.1　一條絕對(duì)原則——縮進(jìn)　11 2.1.2　兩個(gè)頂級(jí)定義——函數(shù)和類　12 2.1.3　三種語(yǔ)句結(jié)構(gòu)——順序、分支和循環(huán)　14 2.1.4　四種數(shù)據(jù)類型——整型、浮點(diǎn)型、布爾型、字符串　16 2.1.5　五大內(nèi)置類——列表、字典、元組、集合、字符串　18 2.1.6　十組最常用的內(nèi)置函數(shù)　22 2.2　進(jìn)階語(yǔ)法　30 2.2.1　函數(shù)的參數(shù)　30 2.2.2　異常捕獲與處理　32 2.2.3　三元表達(dá)式　34 2.2.4　列表推導(dǎo)式　34 2.2.5　斷言　35 2.2.6　with-as　36 2.2.7　lambda函數(shù)　36 2.2.8　迭代器和生成器　37 2.2.9　裝飾器　38 2.2.10　閉包　39 2.3　面向?qū)ο缶幊獭?0 2.3.1　類和對(duì)象　40 2.3.2　類的成員　41 2.3.3　靜態(tài)變量和實(shí)例變量　42 2.3.4　面向?qū)ο笕�要素�?3 2.3.5　抽象類　46 2.3.6　單實(shí)例模式　47 2.4　編碼規(guī)范　47 2.4.1　編碼格式聲明　49 2.4.2　文檔字符串　49 2.4.3　導(dǎo)入模塊　50 2.4.4　常量和全局變量定義　50 2.4.5　當(dāng)前腳本代碼執(zhí)行　50 2.4.6　命名規(guī)范　51 2.4.7　縮進(jìn)　51 2.4.8　注釋　51 2.4.9　引號(hào)　52 2.4.10　空行和空格　52 2.5　語(yǔ)感訓(xùn)練100題　53 第3章　Python基本技能　74 3.1　時(shí)間和日期處理　74 3.1.1　time模塊　74 3.1.2　datetime模塊　77 3.2　圖像處理　79 3.2.1　PIL和pillow模塊　79 3.2.2　PyOpenCV模塊　85 3.3　數(shù)據(jù)文件讀寫　87 3.3.1　讀寫Excel文件　88 3.3.2　讀寫CSV文件　91 3.3.3　讀寫hdf文件　92 3.3.4　讀寫netCDF文件　93 3.4　數(shù)據(jù)庫(kù)操作　95 3.4.1　使用SQLite數(shù)據(jù)庫(kù)　95 3.4.2　使用MySQL數(shù)據(jù)庫(kù)　98 3.4.3　使用MongoDB數(shù)據(jù)庫(kù)　99 3.5　數(shù)據(jù)抓取　101 3.5.1　urllib模塊　101 3.5.2　requests模塊　103 3.6　數(shù)據(jù)解析　106 3.6.1　使用Beautifulsoup解析html/xml數(shù)據(jù)　106 3.6.2　使用正則表達(dá)式解析文本數(shù)據(jù)　111 3.7　系統(tǒng)相關(guān)操作　115 3.7.1　os模塊　115 3.7.2　sys模塊　118 3.8　線程技術(shù)　120 3.8.1　戲說(shuō)線程和進(jìn)程　120 3.8.2　創(chuàng)建、啟動(dòng)和管理線程　121 3.8.3　線程同步　123 3.8.4　線程池　129 3.9　進(jìn)程技術(shù)　130 3.9.1　再論線程和進(jìn)程　130 3.9.2　創(chuàng)建、啟動(dòng)和管理進(jìn)程　131 3.9.3　進(jìn)程間通信　133 3.9.4　進(jìn)程池　142 3.9.5　MapReduce模型　143 3.10　源碼打包　144 3.10.1　打包成可執(zhí)行文件　144 3.10.2　打包成模塊安裝文件　146 第4章　科學(xué)計(jì)算基礎(chǔ)軟件包NumPy　149 4.1　NumPy概覽　149 4.1.1　安裝和導(dǎo)入　150 4.1.2　列表VS數(shù)組　150 4.1.3　數(shù)組的數(shù)據(jù)類型　151 4.1.4　數(shù)組的屬性　152 4.1.5　數(shù)組的方法　153 4.1.6　維、秩、軸　153 4.1.7　廣播和矢量化　155 4.2　創(chuàng)建數(shù)組　156 4.2.1　蠻力構(gòu)造法　156 4.2.2　特殊數(shù)值法　157 4.2.3　隨機(jī)數(shù)值法　158 4.2.4　定長(zhǎng)分割法　160 4.2.5　重復(fù)構(gòu)造法　161 4.2.6　網(wǎng)格構(gòu)造法　162 4.2.7　自定義數(shù)據(jù)類型　163 4.3　操作數(shù)組　164 4.3.1　索引和切片　164 4.3.2　改變結(jié)構(gòu)　166 4.3.3　合并　168 4.3.4　拆分　169 4.3.5　復(fù)制　169 4.3.6　排序　170 4.3.7　查找　171 4.3.8　篩選　172 4.3.9　數(shù)組I/O　174 4.4　常用函數(shù)　176 4.4.1　常量　176 4.4.2　命名空間　177 4.4.3　數(shù)學(xué)函數(shù)　178 4.4.4　統(tǒng)計(jì)函數(shù)　181 4.4.5　插值函數(shù)　183 4.4.6　多項(xiàng)式擬合函數(shù)　184 4.4.7　自定義廣播函數(shù)　186 4.5　掩碼數(shù)組　187 4.5.1　創(chuàng)建掩碼數(shù)組　188 4.5.2　訪問(wèn)掩碼數(shù)組　190 4.6　矩陣對(duì)象　193 4.6.1　創(chuàng)建矩陣　193 4.6.2　矩陣特有屬性　194 4.6.3　矩陣乘法　195 4.7　隨機(jī)抽樣子模塊　197 4.7.1　隨機(jī)數(shù)　197 4.7.2　隨機(jī)抽樣　198 4.7.3　正態(tài)分布　198 4.7.4　偽隨機(jī)數(shù)的深度思考　199 第5章　應(yīng)用最廣泛的繪圖庫(kù)Matplotlib　201 5.1　快速入門　201 5.1.1　畫布　202 5.1.2　子圖與子圖布局　202 5.1.3　坐標(biāo)軸與刻度和名稱　204 5.1.4　圖例和文本標(biāo)注　205 5.1.5　顯示和保存　206 5.1.6　兩種使用風(fēng)格　207 5.2　豐富多樣的圖形　209 5.2.1　曲線圖　210 5.2.2　散點(diǎn)圖　212 5.2.3　等值線圖　213 5.2.4　矢量合成圖　214 5.2.5　直方圖　216 5.2.6　餅圖　217 5.2.7　箱線圖　218 5.2.8　繪制圖像　219 5.2.9　極坐標(biāo)繪圖　221 5.3　風(fēng)格和樣式　222 5.3.1　畫布設(shè)置　222 5.3.2　子圖布局　223 5.3.3　顏色　224 5.3.4　線條和點(diǎn)的樣式　225 5.3.5　坐標(biāo)軸　227 5.3.6　刻度　230 5.3.7　文本　234 5.3.8　圖例　236 5.3.9　網(wǎng)格設(shè)置　237 5.4　Matplotlib擴(kuò)展　237 5.4.1　使用Basemap繪制地圖　237 5.4.2　3D繪圖工具包　238 第6章　結(jié)構(gòu)化數(shù)據(jù)分析工具Pandas　241 6.1　Pandas概覽　241 6.1.1　安裝和使用　241 6.1.2　Pandas的特點(diǎn)　242 6.2　Pandas的數(shù)據(jù)結(jié)構(gòu)　243 6.2.1　索引數(shù)組Index　243 6.2.2　帶標(biāo)簽的一維同構(gòu)數(shù)組Series　244 6.2.3　帶標(biāo)簽的二維異構(gòu)表格DataFrame　245 6.3　基本操作　248 6.3.1　數(shù)據(jù)預(yù)覽　248 6.3.2　數(shù)據(jù)選擇　250 6.3.3　改變數(shù)據(jù)結(jié)構(gòu)　252 6.3.4　改變數(shù)據(jù)類型　254 6.3.5　廣播與矢量化運(yùn)算　254 6.3.6　行列級(jí)廣播函數(shù)　256 6.4　高級(jí)應(yīng)用　257 6.4.1　分組　257 6.4.2　聚合　259 6.4.3　層次化索引　261 6.4.4　表級(jí)廣播函數(shù)　264 6.4.5　日期時(shí)間索引對(duì)象　265 6.4.6　數(shù)據(jù)可視化　266 6.4.7　數(shù)據(jù)I/O　269 6.5　Pandas擴(kuò)展　272 6.5.1　統(tǒng)計(jì)擴(kuò)展模塊Statsmodels　272 6.5.2　可視化擴(kuò)展Seaborn　275 第7章　科學(xué)計(jì)算工具包SciPy　277 7.1　SciPy概覽　277 7.1.1　SciPy的組成　277 7.1.2　安裝和導(dǎo)入　278 7.2　數(shù)據(jù)插值　279 7.2.1　一維插值　279 7.2.2　二維插值　281 7.2.3　離散數(shù)據(jù)插值到網(wǎng)格　283 7.3　曲線擬合　286 7.3.1　最小二乘法擬合　286 7.3.2　使用curve_fit函數(shù)擬合　288 7.3.3　多項(xiàng)式擬合　290 7.4　傅里葉變換　292 7.4.1　時(shí)域-頻域的轉(zhuǎn)換　292 7.4.2　一維傅里葉變換的應(yīng)用　296 7.4.3　二維傅里葉變換的應(yīng)用　297 7.5　圖像處理　299 7.5.1　圖像卷積　300 7.5.2　邊緣檢測(cè)　301 7.5.3　侵蝕和膨脹　303 7.5.4　圖像測(cè)量　305 7.6　積分　306 7.6.1　對(duì)給定函數(shù)的定積分　306 7.6.2　對(duì)給定樣本的定積分　307 7.6.3　二重定積分　307 7.7　非線性方程求根　308 7.7.1　非線性方程　308 7.7.2　非線性方程組　309 7.8　線性代數(shù)　309 7.8.1　計(jì)算矩陣的行列式　310 7.8.2　求解逆矩陣　310 7.8.3　計(jì)算特征向量和特征值　311 7.8.4　矩陣的奇異值分解　311 7.8.5　求解線性方程組　312 7.9　聚類　313 7.9.1　K均值聚類　313 7.9.2　層次聚類　315 7.10　空間計(jì)算　316 7.10.1　空間旋轉(zhuǎn)的表述　317 7.10.2　三維旋轉(zhuǎn)　318 第8章　機(jī)器學(xué)習(xí)工具包Scikit-learn　321 8.1　Scikit-learn概覽　321 8.1.1　Scikit-learn的子模塊　321 8.1.2　安裝和導(dǎo)入　323 8.2　數(shù)據(jù)集　323 8.2.1　Scikit-learn自帶的數(shù)據(jù)集　323 8.2.2　樣本生成器　326 8.2.3　加載其他數(shù)據(jù)集　327 8.3　數(shù)據(jù)預(yù)處理　328 8.3.1　標(biāo)準(zhǔn)化　328 8.3.2　歸一化　330 8.3.3　正則化　330 8.3.4　離散化　331 8.3.5　特征編碼　332 8.3.6　缺失值補(bǔ)全　333 8.4　分類　334 8.4.1　k-近鄰分類　334 8.4.2　貝葉斯分類　335 8.4.3　決策樹(shù)分類　338 8.4.4　隨機(jī)森林分類　340 8.4.5　支持向量機(jī)分類　342 8.5　回歸　343 8.5.1　線性回歸　343 8.5.2　支持向量機(jī)回歸　346 8.5.3　k-近鄰回歸　350 8.5.4　決策樹(shù)回歸　352 8.5.5　隨機(jī)森林回歸　354 8.6　聚類　356 8.6.1　k均值聚類　356 8.6.2　均值漂移聚類　357 8.6.3　基于密度的空間聚類　359 8.6.4　譜聚類　361 8.6.5　層次聚類　363 8.7　成分分解與降維　365 8.7.1　主成分分析　366 8.7.2　因子分析　368 8.7.3　截?cái)嗥娈愔捣纸狻?69 8.7.4　獨(dú)立成分分析（ICA）　370 8.8　模型評(píng)估與優(yōu)化　372 8.8.1　估計(jì)器得分　373 8.8.2　交叉驗(yàn)證　374 8.8.3　評(píng)價(jià)指標(biāo)　376 8.8.4　參數(shù)優(yōu)化　378 8.8.5　模型持久化　380 附錄A：Python內(nèi)置函數(shù)（類）手冊(cè)　382 附錄B：從新手到高手的100個(gè)模塊　405