自学Python：编程基础、科学计算及数据分析

封面

版权信息

内容提要

前言

致谢

第1章 初识Python

1.1 Python简介

1.2 Python版本的选择

1.3 Python集成开发环境的搭建

1.4 第一行Python代码

1.5 IPython解释器

1.6 Python代码的执行模式

1.7 Jupyter Notebook的使用

本章学习笔记

第2章 Python基础

2.1 基本语法简介

2.2 数据类型

2.3 判断与循环

2.4 函数与模块

2.5 异常与警告

2.6 文件读写

2.7 内置函数

本章学习笔记

第3章 Python进阶

3.1 函数进阶

3.2 迭代器与生成器

3.3 装饰器

3.4 上下文管理器与with语句

3.5 变量作用域

本章学习笔记

第4章 Python标准库

4.1 系统相关：sys模块

4.2 与操作系统进行交互：os模块

4.3 字符串相关：string模块

4.4 正则表达式：re模块

4.5 日期时间相关：datetime模块

4.6 更好地打印Python对象：pprint模块

4.7 序列化Python对象：pickle，cPickle模块

4.8 读写JSON数据：json模块

4.9 文件模式匹配：glob模块

4.10 高级文件操作：shutil模块

4.11 更多的容器类型：collections模块

4.12 数学：math模块

4.13 随机数：random模块

本章学习笔记

第5章 Python科学计算基础：NumPy模块

5.1 NumPy模块简介

5.2 数组基础

5.3 数组操作

5.4 数组广播机制

5.5 数组索引进阶

5.6 数组读写

5.7 随机数组

5.8 结构数组

本章学习笔记

第6章 Python可视化：Matplotlib模块

6.1 Ma tplotlib模块简介

6.2 基于函数的可视化操作

6.3 基于对象的可视化操作

6.4 图像中的文本处理

6.5 实例：基于Matplotlib的三角函数可视化

本章学习笔记

第7章 Python科学计算进阶：SciPy模块

7.1 SciPy模块简介

7.2 插值模块：scipy.interpolate

7.3 概率统计模块：scipy.stats

7.4 优化模块：scipy.optimize

7.5 积分模块：scipy.integrate

7.6 稀疏矩阵模块：scipy.sparse

7.7 线性代数模块：scipy.linalg

7.8 实例：基于SciPy的主成分分析

本章学习笔记

第8章 Python数据分析基础：Pandas模块

8.1 Pandas简介

8.2 一维数据结构：Series对象

8.3 二维数据结构：DataFrame对象

8.4 Pandas对象的索引

8.5 缺失值的处理

8.6 数据的读写

8.7 实例：基于Pandas的NBA数据分析

本章学习笔记

第9章 Python面向对象编程

9.1 面向对象简介

9.2 自定义类型

9.3 方法和属性

9.4 继承与复用

9.5 公有、私有、特殊以及静态的方法和属性

9.6 多重继承

9.7 实例：基于面向对象的森林火灾模拟

本章学习笔记

第10章 Python实践：中文小说文本分析

10.1 数据预处理

10.2 数据统计

10.3 数据建模

10.4 效果分析