计算机 类型
可以朗读 语音朗读
421千字 字数
2020-11-01 发行日期
展开全部

主编推荐语

入门Python及其在数据处理和机器学习领域的实战应用。

内容简介

本书系统介绍了如何入门Python并利用Python进行数据处理与机器学习实战。本书从Python的基础安装开始介绍，系统梳理了Python的入门语法知识，归纳介绍了图像处理、数据文件读写、数据库操作等Python基本技能；然后详细讲解了NumPy、Matplotlib、Pandas、Scipy、Scikit-learn等在数据处理、机器学习领域的应用。代码实例涵盖网络爬虫、数据处理、视觉识别、机器学习等应用领域。作者还精心创作了语感训练100题、Python内置函数（类）手册、从新手到高手的100个模块等内容，以帮助读者更好地学习并掌握Python这一工具。

目录

  • 扉页
  • 版权页
  • 目录
  • 内容提要
  • 序1 术至极致，几近于道
  • 专家简介
  • 序2
  • 前言
  • 第1章 零基础必读
  • 1.1 安装Python
  • 1.1.1 Python的各种发行版
  • 1.1.2 安装与运行
  • 1.1.3 重新安装
  • 1.2 以交互方式运行Python代码
  • 1.2.1 使用Python IDLE交互操作
  • 1.2.2 使用IPython交互操作
  • 1.3 以脚本方式运行Python程序
  • 1.3.1 运行
  • 1.3.2 调试
  • 1.4 使用pip安装和管理模块
  • 1.4.1 使用pip的两种方式
  • 1.4.2 安装模块
  • 1.4.3 卸载模块
  • 1.4.4 查看模块列表和模块信息
  • 第2章 Python入门
  • 2.1 基础语法
  • 2.1.1 一条绝对原则—缩进
  • 2.1.2 两个顶级定义—函数和类
  • 2.1.3 三种语句结构—顺序、分支和循环
  • 2.1.4 四种数据类型—整型、浮点型、布尔型、字符串
  • 2.1.5 五大内置类—列表、字典、元组、集合、字符串
  • 2.1.6 十组最常用的内置函数
  • 2.2 进阶语法
  • 2.2.1 函数的参数
  • 2.2.2 异常捕获与处理
  • 2.2.3 三元表达式
  • 2.2.4 列表推导式
  • 2.2.5 断言
  • 2.2.6 with-as
  • 2.2.7 lambda函数
  • 2.2.8 迭代器和生成器
  • 2.2.9 装饰器
  • 2.2.10 闭包
  • 2.3 面向对象编程
  • 2.3.1 类和对象
  • 2.3.2 类的成员
  • 2.3.3 静态变量和实例变量
  • 2.3.4 面向对象三要素
  • 2.3.5 抽象类
  • 2.3.6 单实例模式
  • 2.4 编码规范
  • 2.4.1 编码格式声明
  • 2.4.2 文档字符串
  • 2.4.3 导入模块
  • 2.4.4 常量和全局变量定义
  • 2.4.5 当前脚本代码执行
  • 2.4.6 命名规范
  • 2.4.7 缩进
  • 2.4.8 注释
  • 2.4.9 引号
  • 2.4.10 空行和空格
  • 2.5 语感训练100题
  • 第3章 Python基本技能
  • 3.1 时间和日期处理
  • 3.1.1 time模块
  • 3.1.2 datetime模块
  • 3.2 图像处理
  • 3.2.1 PIL和pillow模块
  • 3.2.2 PyOpenCV模块
  • 3.3 数据文件读写
  • 3.3.1 读写Excel文件
  • 3.3.2 读写CSV文件
  • 3.3.3 读写HDF文件
  • 3.3.4 读写netCDF文件
  • 3.4 数据库操作
  • 3.4.1 使用SQLite数据库
  • 3.4.2 使用MySQL数据库
  • 3.4.3 使用MongoDB数据库
  • 3.5 数据抓取
  • 3.5.1 urllib模块
  • 3.5.2 requests模块
  • 3.6 数据解析
  • 3.6.1 使用Beautifulsoup模块解析html/xml数据
  • 3.6.2 使用正则表达式解析文本数据
  • 3.7 系统相关操作
  • 3.7.1 os模块
  • 3.7.2 sys模块
  • 3.8 线程技术
  • 3.8.1 戏说线程和进程
  • 3.8.2 创建、启动和管理线程
  • 3.8.3 线程同步
  • 3.8.4 线程池
  • 3.9 进程技术
  • 3.9.1 再论线程和进程
  • 3.9.2 创建、启动和管理进程
  • 3.9.3 进程间通信
  • 3.9.4 进程池
  • 3.9.5 MapReduce模型
  • 3.10 源码打包
  • 3.10.1 打包成可执行文件
  • 3.10.2 打包成模块安装文件
  • 第4章 科学计算基础软件包NumPy
  • 4.1 NumPy概览
  • 4.1.1 安装和导入
  • 4.1.2 列表VS数组
  • 4.1.3 数组的数据类型
  • 4.1.4 数组的属性
  • 4.1.5 数组的方法
  • 4.1.6 维、秩、轴
  • 4.1.7 广播和矢量化
  • 4.2 创建数组
  • 4.2.1 蛮力构造法
  • 4.2.2 特殊数值法
  • 4.2.3 随机数值法
  • 4.2.4 定长分割法
  • 4.2.5 重复构造法
  • 4.2.6 网格构造法
  • 4.2.7 自定义数据类型
  • 4.3 操作数组
  • 4.3.1 索引和切片
  • 4.3.2 改变数组结构
  • 4.3.3 合并
  • 4.3.4 拆分
  • 4.3.5 复制
  • 4.3.6 排序
  • 4.3.7 查找
  • 4.3.8 筛选
  • 4.3.9 数组I/O
  • 4.4 常用函数
  • 4.4.1 常量
  • 4.4.2 命名空间
  • 4.4.3 数学函数
  • 4.4.4 统计函数
  • 4.4.5 插值函数
  • 4.4.6 多项式拟合函数
  • 4.4.7 自定义广播函数
  • 4.5 掩码数组
  • 4.5.1 创建掩码数组
  • 4.5.2 访问掩码数组
  • 4.6 矩阵对象
  • 4.6.1 创建矩阵
  • 4.6.2 矩阵特有属性
  • 4.6.3 矩阵乘法
  • 4.7 随机抽样子模块
  • 4.7.1 随机数
  • 4.7.2 随机抽样
  • 4.7.3 正态分布
  • 4.7.4 伪随机数的深度思考
  • 第5章 应用最广泛的绘图库Matplotlib
  • 5.1 快速入门
  • 5.1.1 画布
  • 5.1.2 子图与子图布局
  • 5.1.3 坐标轴与刻度的名称
  • 5.1.4 图例和文本标注
  • 5.1.5 显示和保存
  • 5.1.6 两种使用风格
  • 5.2 丰富多样的图形
  • 5.2.1 曲线图
  • 5.2.2 散点图
  • 5.2.3 等值线图
  • 5.2.4 矢量合成图
  • 5.2.5 直方图
  • 5.2.6 饼图
  • 5.2.7 箱线图
  • 5.2.8 绘制图像
  • 5.2.9 极坐标绘图
  • 5.3 风格和样式
  • 5.3.1 画布设置
  • 5.3.2 子图布局
  • 5.3.3 颜色
  • 5.3.4 线条和点的样式
  • 5.3.5 坐标轴
  • 5.3.6 刻度
  • 5.3.7 文本
  • 5.3.8 图例
  • 5.3.9 网格设置
  • 5.4 Matplotlib扩展
  • 5.4.1 使用Basemap绘制地图
  • 5.4.2 3D绘图工具包
  • 第6章 结构化数据分析工具Pandas
  • 6.1 Pandas概览
  • 6.1.1 安装和使用
  • 6.1.2 Pandas的特点
  • 6.2 Pandas的数据结构
  • 6.2.1 索引Index
  • 6.2.2 带标签的一维同构数组Series
  • 6.2.3 带标签的二维异构表格DataFrame
  • 6.3 基本操作
  • 6.3.1 数据预览
  • 6.3.2 数据选择
  • 6.3.3 改变数据结构
  • 6.3.4 改变数据类型
  • 6.3.5 广播与矢量化运算
  • 6.3.6 行列级广播函数
  • 6.4 高级应用
  • 6.4.1 分组
  • 6.4.2 聚合
  • 6.4.3 层次化索引
  • 6.4.4 表级广播函数
  • 6.4.5 日期时间索引
  • 6.4.6 数据可视化
  • 6.4.7 数据I/O
  • 6.5 Pandas扩展
  • 6.5.1 统计扩展模块Statsmodels
  • 6.5.2 可视化扩展Seaborn
  • 第7章 科学计算工具包SciPy
  • 7.1 SciPy概览
  • 7.1.1 SciPy的组成
  • 7.1.2 安装和导入
  • 7.2 数据插值
  • 7.2.1 一维插值
  • 7.2.2 二维插值
  • 7.2.3 离散数据插值到网格
  • 7.3 曲线拟合
  • 7.3.1 最小二乘法拟合
  • 7.3.2 使用curve_fit( )函数拟合
  • 7.3.3 多项式拟合
  • 7.4 傅里叶变换
  • 7.4.1 时域到频域的转换
  • 7.4.2 一维傅里叶变换的应用
  • 7.4.3 二维傅里叶变换的应用
  • 7.5 图像处理
  • 7.5.1 图像卷积
  • 7.5.2 边缘检测
  • 7.5.3 侵蚀和膨胀
  • 7.5.4 图像测量
  • 7.6 积分
  • 7.6.1 对给定函数的定积分
  • 7.6.2 对给定样本的定积分
  • 7.6.3 二重定积分
  • 7.7 非线性方程求解
  • 7.7.1 非线性方程
  • 7.7.2 非线性方程组
  • 7.8 线性代数
  • 7.8.1 计算矩阵的行列式
  • 7.8.2 求解逆矩阵
  • 7.8.3 计算特征向量和特征值
  • 7.8.4 矩阵的奇异值分解
  • 7.8.5 求解线性方程组
  • 7.9 聚类
  • 7.9.1 k-means聚类
  • 7.9.2 层次聚类
  • 7.10 空间计算
  • 7.10.1 空间旋转的表述
  • 7.10.2 三维旋转
  • 第8章 机器学习工具包Scikit-learn
  • 8.1 Scikit-learn概览
  • 8.1.1 Scikit-learn的子模块
  • 8.1.2 安装和导入
  • 8.2 数据集
  • 8.2.1 Scikit-learn自带的数据集
  • 8.2.2 样本生成器
  • 8.2.3 加载其他数据集
  • 8.3 数据预处理
  • 8.3.1 标准化
  • 8.3.2 归一化
  • 8.3.3 正则化
  • 8.3.4 离散化
  • 8.3.5 特征编码
  • 8.3.6 缺失值补全
  • 8.4 分类
  • 8.4.1 k-近邻分类
  • 8.4.2 贝叶斯分类
  • 8.4.3 决策树分类
  • 8.4.4 随机森林分类
  • 8.4.5 支持向量机分类
  • 8.5 回归
  • 8.5.1 线性回归
  • 8.5.2 支持向量机回归
  • 8.5.3 k-近邻回归
  • 8.5.4 决策树回归
  • 8.5.5 随机森林回归
  • 8.6 聚类
  • 8.6.1 k均值聚类
  • 8.6.2 均值漂移聚类
  • 8.6.3 基于密度的空间聚类
  • 8.6.4 谱聚类
  • 8.6.5 层次聚类
  • 8.7 成分分解与降维
  • 8.7.1 主成分分析
  • 8.7.2 因子分析
  • 8.7.3 截断奇异值分解
  • 8.7.4 独立成分分析（ICA）
  • 8.8 模型评估与参数调优
  • 8.8.1 估计器得分
  • 8.8.2 交叉验证
  • 8.8.3 评价指标
  • 8.8.4 参数调优
  • 8.8.5 模型持久化
  • 附录A Python内置函数（类）手册
  • A.1 输入输出功能
  • A.2 数据类型功能
  • A.3 参数辅助功能
  • A.4 数学运算功能
  • A.5 条件判断功能
  • A.6 进制转义功能
  • A.7 编码转义功能
  • A.8 字符串相关功能
  • A.9 迭代相关功能
  • A.10 系统相关功能
  • A.11 终止程序功能
  • A.12 属性相关功能
  • A.13 查看对象信息功能
  • A.14 类相关功能
  • A.15 装饰器相关功能
  • A.16 Python声明
  • 附录B 从新手到高手的100个模块
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

人民邮电出版社

人民邮电出版社是工业和信息化部主管的大型专业出版社，成立于1953年10月1日。人民邮电出版社坚持“立足信息产业、面向现代社会、传播科学知识、服务科教兴国”，致力于通信、计算机、电子技术、教材、少儿、经管、摄影、集邮、旅游、心理学等领域的专业图书出版。