前言
第1章 初識Python1
1.1 Python語言概述1
1.1.1 Python簡史1
1.1.2 Python 2和
Python 32
1.1.3 Python的特點2
1.1.4 膠水語言3
1.1.5 Python的應用3
1.1.6 學好Python的關(guān)鍵4
1.2 Python語言開發(fā)環(huán)境配置5
1.2.1 使用云端開發(fā)環(huán)境
Jupyter Notebook
（米筐）6
1.2.2 安裝一站式開發(fā)環(huán)境
Anaconda7
1.3 Jupyter Notebook的使用8
1.4 探索Python：乘方、階乘和
單詞統(tǒng)計12
1.5 小結(jié)13
1.6 習題13
第2章 程序設計入門15
2.1 計算生態(tài)與導入庫和函數(shù)15
2.1.1 計算生態(tài)15
2.1.2 導入庫和函數(shù)★16
2.2 結(jié)構(gòu)化程序的框架17
2.2.1 程序的基本處理流程IPO17
2.2.2 任務：計算圓的周長和面積18
2.3 Python程序語法特點分析18
2.3.1 Python的基本語法元素18
2.3.2 多行語句21
2.4 Python的6種核心數(shù)據(jù)類型21
2.5 可變類型和不可變類型22
2.6 數(shù)字類型和算術(shù)運算23
2.7 程序在線評測系統(tǒng)及基本使用25
2.7.1 程序在線評測系統(tǒng)26
2.7.2 程序評測系統(tǒng)中的Hello
World：A+B問題26
2.7.3 基本輸入/輸出函數(shù)26
2.8 小結(jié)29
2.9 習題29
第3章 流程控制32
3.1 分支結(jié)構(gòu)的3種形式32
3.2 解釋型語言的特點34
3.3 for循環(huán)35
3.3.1 遍歷容器35
3.3.2 函數(shù)range36
3.3.3 多重循環(huán)：九九乘法表和水仙花數(shù)38
3.4 羅塞塔石碑語言學習法39
3.5 while循環(huán)和流程圖41
3.6 改變循環(huán)執(zhí)行流程：break和continue42
3.7 程序的異常處理43
3.8 小結(jié)45
3.9 習題46
第4章 字符串49
4.1 字符串的基本知識49
4.1.1 字符串界定符：單引號、
雙引號和三重引號49
4.1.2 使用反斜杠轉(zhuǎn)義49
4.1.3 抑制轉(zhuǎn)義使用raw50
4.2 序列的索引和切片★51
4.3 字符串的基本操作52
4.3.1 序列操作53
4.3.2 常用的字符串方法53
4.3.3 匹配字符串的前綴和后綴55
4.3.4 切分和合并字符串★55
4.4 字符串格式化和輸出語句56
4.5 中文分詞和jieba庫57
4.6 小結(jié)58
4.7 習題59
第5章 組合數(shù)據(jù)類型61
5.1 組合數(shù)據(jù)類型：序列、集合和映射61
5.2 List列表：批量處理62
5.2.1 列表的常用操作62
5.2.2 列表的遍歷和排序64
5.2.3 列表的引用和復制65
5.3 tuple 元組：不可變、組合66
5.4 dict字典：按鍵取值68
5.5 set集合：去重71
5.6 列表生成式★72
5.7 生成器表達式和惰性求值74
5.8 小結(jié)74
5.9 習題75
第6章 函數(shù)78
6.1 認識函數(shù)78
6.2 使用函數(shù)實現(xiàn)機器翻譯80
6.3 函數(shù)的參數(shù)82
6.3.1 可選參數(shù)和默認值82
6.3.2 位置參數(shù)傳遞82
6.3.3 關(guān)鍵字參數(shù)傳遞83
6.3.4 不定長參數(shù)83
6.4 函數(shù)式編程和高階函數(shù)85
6.5 匿名函數(shù)lambda★86
6.6 常用高階函數(shù)：map、reduce和filter86
6.7 遞歸函數(shù)88
6.8 變量的作用域 LEGB原則90
6.8.1 函數(shù)被調(diào)用的次數(shù)90
6.8.2 斐波那契函數(shù)優(yōu)化1：全局字典91
6.8.3 斐波那契函數(shù)優(yōu)化2：內(nèi)嵌函數(shù)91
6.9 小結(jié)91
6.10 習題92
第7章 文件操作96
7.1 認識文件96
7.2 文本文件及讀寫操作97
7.2.1 讀取文件全文97
7.2.2 按行讀取文件98
7.2.3 實現(xiàn)文件的編碼格式轉(zhuǎn)換98
7.2.4 使用with-as語句99
7.3 處理表格數(shù)據(jù)（CSV）的3種方法100
7.4 存儲半結(jié)構(gòu)化數(shù)據(jù)：JSON101
7.5 常用文件模塊os和shutil102
7.6 模塊和包105
7.7 小結(jié)107
7.8 習題107
第8章 正則表達式109
8.1 正則表達式簡介109
8.2 Python中的常用正則函數(shù)109
8.2.1 正則函數(shù)初步使用110
8.2.2 查找所有匹配（re.findall）111
8.2.3 查找第一個匹配（re.search）112
8.2.4 替換（re.sub）114
8.3 RegexOne的闖關(guān)游戲115
8.3.1 闖關(guān)：通配符116
8.3.2 闖關(guān)：排除特定字符116
8.3.3 闖關(guān)：重復次數(shù)117
8.4 編譯模式re.compile和匹配參數(shù)117
8.5 小結(jié)118
8.6 習題118
第9章 爬蟲入門120
9.1 網(wǎng)絡爬蟲簡介及基本處理流程120
9.1.1 網(wǎng)絡爬蟲的概念120
9.1.2 使用爬蟲的風險120
9.1.3 網(wǎng)絡爬蟲的基本處理流程121
9.2 實戰(zhàn)：Pandas獲取中國企業(yè)500強榜單122
9.3 使用requests庫獲取網(wǎng)頁123
9.4 使用BeautifulSoup4庫解析網(wǎng)頁124
9.4.1 從節(jié)點中提取信息125
9.4.2 獲取節(jié)點的主要方式126
9.5 實戰(zhàn)：爬取唐詩三百首128
9.6 小結(jié)131
9.7 習題131
第10章 科學計算入門之NumPy132
10.1 科學計算和NumPy132
10.2 NumPy的基本對象133
10.2.1 代碼向量化133
10.2.2 通用函數(shù)ufunc133
10.3 統(tǒng)計函數(shù)的應用：分析學生成績134
10.4 核心數(shù)據(jù)結(jié)構(gòu)：多維數(shù)組135
10.5 使用NumPy表示和處理圖像137
10.6 小結(jié)139
10.7 習題140
第11章 數(shù)據(jù)分析入門之Pandas141
11.1 從Excel到Pandas：制作產(chǎn)品銷售數(shù)據(jù)表141
11.2 DataFrame的基本操作143
11.2.1 查看DataFrame對象的方法和屬性143
11.2.2 DataFrame的基礎數(shù)據(jù)結(jié)構(gòu) Series145
11.2.3 列名操作：查看和修改146
11.3 DataFrame的常用操作146
11.3.1 設置和重置索引146
11.3.2 切片148
11.3.3 條件選擇150
11.3.4 排序150
11.4 分組聚合：日常費用統(tǒng)計表151
11.5 小結(jié)155
11.6 習題155
第12章 數(shù)據(jù)可視化入門157
12.1 Matplotlib的基本用法157
12.1.1 Python繪圖基礎：Matplotlib157
12.1.2 實例：繪制正弦曲線157
12.1.3 實例：2017年全球GDP
排名前4的國家158
12.2 Matplotlib的兩種接口159
12.2.1 MATLAB風格接口159
12.2.2 面向?qū)ο蠼涌?60
12.3 使用Pandas可視化數(shù)據(jù)160
12.4 簡捷作圖工具：seaborn162
12.5 詞云圖164
12.5.1 英文詞云實例：愛麗絲夢游仙境164
12.5.2 中文詞云實例：《促進新一代人工智能產(chǎn)業(yè)發(fā)展三年行動計劃》詞云圖166
12.6 小結(jié)167
12.7 習題167
第13章 面向?qū)ο蟪绦蛟O計170
13.1 認識面向?qū)ο缶幊?70
13.1.1 面向?qū)ο缶幊?70
13.1.2 面向?qū)ο蟮膬?yōu)點170
13.1.3 OOP術(shù)語概述171
13.2 類和對象171
13.2.1 實例：采用面向過程和面向?qū)ο蟮某绦蛟O計處
理學生成績171
13.2.2 類的構(gòu)成173
13.2.3 類的專有方法173
13.2.4 實例屬性和類屬性174
13.2.5 類方法和靜態(tài)方法174
13.3 數(shù)據(jù)封裝175
13.4 繼承177
13.4.1 繼承的優(yōu)點：代碼重用177
13.4.2 重載方法178
13.5 多態(tài)179
13.6 運算符重載180
13.7 小結(jié)181
13.8 習題181
第14章 機器學習入門183
14.1 初識機器學習183
14.1.1 機器學習：新的編程范式183
14.1.2 入門示例：預測房屋價格184
14.1.3 機器學習處理流程186
14.1.4 機器學習庫sklearn187
14.1.5 機器學習的分類188
14.2 分類實戰(zhàn)：預測鳶尾花的類型189
14.2.1 鳶尾花數(shù)據(jù)集描述189
14.2.2 數(shù)據(jù)探索189
14.2.3 使用kNN模型預測192
14.2.4 數(shù)據(jù)集的劃分：訓練集、驗證集、測試集193
14.2.5 分類模型的評價指標194
14.2.6 k折交叉驗證196
14.3 回歸實戰(zhàn)：預測波士頓房價197
14.3.1 波士頓房價問題描述197
14.3.2 獲取內(nèi)置數(shù)據(jù)集的基本信息198
14.3.3 數(shù)據(jù)探索199
14.3.4 使用線性回歸模型預測201
14.3.5 回歸模型的評價指標202
14.4 欠擬合和過擬合203
14.5 機器學習常用方法簡要介紹203
14.6 小結(jié)205
14.7 習題206
第15章 深度學習入門207
15.1 初識深度學習207
15.1.1 深度學習的歷史207
15.1.2 推動深度學習的三駕馬車：硬件、數(shù)據(jù)和算法208
15.1.3 機器學習、深度學習
和人工智能209
15.1.4 深度學習框架209
15.2 神經(jīng)網(wǎng)絡實戰(zhàn)：印第安人糖尿病診斷211
15.2.1 任務描述211
15.2.2 多層神經(jīng)網(wǎng)絡的實現(xiàn)211
15.3 神經(jīng)網(wǎng)絡的基本原理214
15.3.1 神經(jīng)元：權(quán)重、偏差和激活函數(shù)214
15.3.2 多層神經(jīng)網(wǎng)絡215
15.3.3 損失函數(shù)和優(yōu)化器216
15.4 實戰(zhàn)：識別手寫數(shù)字217
15.4.1 任務描述：MNIST手寫數(shù)字217
15.4.2 多層神經(jīng)網(wǎng)絡的實現(xiàn)218
15.4.3 卷積神經(jīng)網(wǎng)絡的實現(xiàn)221
15.5 卷積神經(jīng)網(wǎng)絡223
15.5.1 圖像的3個特點223
15.5.2 卷積神經(jīng)網(wǎng)絡的結(jié)構(gòu)224
15.5.3 卷積神經(jīng)網(wǎng)絡的兩個特征225
15.5.4 卷積層：卷積核和特征圖226
15.5.5 池化層226
15.5.6 全連接層227
15.6 小結(jié)227
15.7 習題228
參考文獻230