自学Python（第2版）

本书是面向Python学习者和使用者的一本实用学习笔记，在前一版的基础之上进行了全面修订。主要内容基于Python 3编写，考虑到一些企业和项目由于历史原因仍然保留了许多用Python 2编写的代码，为了方便读者，本书将Python 2与Python 3的一些核心区别标注出来，以便读者掌握。

全书共11章。第1章介绍Python的基础知识，包括Anaconda、IPython解释器、Jupyter Notebook等Python基本工具的使用；第2章介绍Python的基本用法，包括基础语法、数据类型、判断与循环、函数与模块、异常与警告、文件读写、内置函数；第3章介绍Python的进阶用法，包括函数进阶、迭代器与生成器、装饰器、上下文管理器与with语句、变量作用域；第4章介绍Python面向对象编程，包括对象的方法与属性、继承与复用；第5章介绍常见的...

(展开全部)

本书是面向Python学习者和使用者的一本实用学习笔记，在前一版的基础之上进行了全面修订。主要内容基于Python 3编写，考虑到一些企业和项目由于历史原因仍然保留了许多用Python 2编写的代码，为了方便读者，本书将Python 2与Python 3的一些核心区别标注出来，以便读者掌握。

全书共11章。第1章介绍Python的基础知识，包括Anaconda、IPython解释器、Jupyter Notebook等Python基本工具的使用；第2章介绍Python的基本用法，包括基础语法、数据类型、判断与循环、函数与模块、异常与警告、文件读写、内置函数；第3章介绍Python的进阶用法，包括函数进阶、迭代器与生成器、装饰器、上下文管理器与with语句、变量作用域；第4章介绍Python面向对象编程，包括对象的方法与属性、继承与复用；第5章介绍常见的Python标准库；第6章介绍Python科学计算基础模块NumPy，包括NumPy数组的操作、广播机制、索引和读写；第7章介绍Python数据可视化模块Matplotlib，包括基于函数和对象的可视化操作；第8章介绍Python科学计算进阶模块SciPy，包括概率、线性代数等模块；第9章介绍Python数据分析基础模块Pandas，包括Series和DataFrame的使用；第10章介绍一个用Python分析中文小说文本的案例；第11章介绍一个用Python对手写数字进行机器学习处理的案例。

本书适合刚接触Python的初学者以及希望使用Python处理和分析数据的读者阅读，也可作为学习和使用Python的工具书或参考资料使用。

第1章 初识Python 1
1.1 人生苦短，我用Python 1
1.1.1 Python简介 1
1.1.2 版本的选择 2
1.2 安装Python环境 2
1.2.1 集成开发环境：Anaconda 2
· · · · · · (更多)

第1章 初识Python 1
1.1 人生苦短，我用Python 1
1.1.1 Python简介 1
1.1.2 版本的选择 2
1.2 安装Python环境 2
1.2.1 集成开发环境：Anaconda 2
1.2.2 第一行Python代码 3
1.3 使用Python工具 4
1.3.1 IPython解释器 4
1.3.2 代码的运行模式：解释器模式与脚本模式 6
1.3.3 学习工具：Jupyter Notebook 8
1.4 本章学习笔记 9
第2章 Python基础 10
2.1 基础语法简介 10
2.2 数据类型 16
2.2.1 数字 16
2.2.2 字符串 20
2.2.3 索引与分片 27
2.2.4 列表 29
2.2.5 元组 34
2.2.6 可变与不可变类型 36
2.2.7 字典 37
2.2.8 集合与不可变集合 41
2.2.9 赋值机制 44
2.3 判断与循环 49
2.3.1 判断 49
2.3.2 循环 53
2.4 函数与模块 58
2.4.1 函数 58
2.4.2 模块 61
2.5 异常与警告 65
2.5.1 异常 65
2.5.2 警告 70
2.6 文件读写 71
2.6.1 读文件 71
2.6.2 写文件 72
2.7 内置函数 74
2.7.1 数字相关的内置函数 74
2.7.2 序列相关的内置函数 75
2.7.3 其他内置函数 76
2.8 本章学习笔记 76
第3章 Python进阶 80
3.1 函数进阶 80
3.1.1 函数参数与返回值 80
3.1.2 高阶函数 82
3.1.3 map()函数和filter()函数 83
3.1.4 Lambda表达式 84
3.1.5 关键字global 85
3.1.6 函数的递归 86
3.2 迭代器与生成器 87
3.2.1 迭代器 87
3.2.2 生成器 91
3.3 装饰器 93
3.3.1 装饰器的引入 93
3.3.2 装饰器的用法 95
3.4 上下文管理器与with语句 98
3.4.1 上下文管理器的引入 98
3.4.2 上下文管理器的原理 99
3.5 变量作用域 103
3.6 本章学习笔记 105
第4章 Python面向对象编程 107
4.1 面向对象简介 107
4.2 自定义类型 109
4.3 方法与属性 111
4.4 继承与复用 115
4.5 公有、私有、特殊以及静态的方法与属性 118
4.6 多重继承 120
4.7 本章学习笔记 121
第5章 Python标准库 123
5.1 系统相关：sys模块 123
5.2 与操作系统进行交互：os模块 125
5.3 正则表达式：re模块 128
5.4 日期时间相关：datetime模块 132
5.5 读写JSON数据：json模块 134
5.6 文件模式匹配：glob模块 137
5.7 高级文件操作：shutil模块 138
5.8 数学：math模块 139
5.9 随机数：random模块 140
5.10 路径操作：pathlib模块 141
5.11 网址URL相关：urllib模块 142
5.12 实例：使用标准库实现桌面墙纸下载 143
5.13 本章学习笔记 146
第6章 Python科学计算基础：NumPy模块 149
6.1 NumPy模块简介 149
6.2 数组基础 150
6.2.1 数组的引入 150
6.2.2 数组的属性 151
6.2.3 数组的类型 152
6.2.4 数组的生成 155
6.2.5 数组的索引 157
6.2.6 数组的迭代 159
6.3 数组操作 160
6.3.1 数值相关的数组操作 160
6.3.2 形状相关的数组操作 163
6.3.3 数组的连接操作 168
6.3.4 数组的四则运算和点乘 171
6.3.5 数组的数学操作 172
6.3.6 数组的比较和逻辑操作 173
6.4 数组广播机制 174
6.5 数组索引进阶 176
6.5.1 数组的基础索引 176
6.5.2 数组的高级索引 178
6.6 数组读写 180
6.6.1 数组的读取 180
6.6.2 数组的写入 181
6.6.3 数组的二进制读写 182
6.7 随机数组 183
6.8 实例：使用NumPy实现K近邻查找 184
6.9 本章学习笔记 185
第7章 Python数据可视化：Matplotlib模块 187
7.1 Matplotlib模块简介 187
7.2 基于函数的可视化操作 187
7.2.1 plt.plot()函数的使用 187
7.2.2 图与子图 193
7.3 基于对象的可视化操作 194
7.4 图像中的文本处理 195
7.5 实例：基于Matplotlib的三角函数可视化 197
7.6 本章学习笔记 200
第8章 Python科学计算进阶：SciPy模块 202
8.1 SciPy模块简介 202
8.2 插值模块：scipy.interpolate 202
8.3 概率统计模块：scipy.stats 206
8.3.1 基本统计量 206
8.3.2 概率分布 206
8.4 优化模块：scipy.optimize 214
8.4.1 数据拟合 214
8.4.2 值优化 218
8.4.3 方程求根 220
8.5 线性代数模块：scipy.linalg 221
8.6 实例：基于SciPy的主成分分析 227
8.7 本章学习笔记 230
第9章 Python数据分析基础：Pandas模块 232
9.1 Pandas模块简介 232
9.2 一维数据结构：Series对象 232
9.2.1 Series对象的生成 233
9.2.2 Series对象的使用 235
9.3 二维数据结构：DataFrame对象 238
9.3.1 DataFrame对象的生成 238
9.3.2 DataFrame对象的使用 240
9.4 Pandas对象的索引 242
9.4.1 基于中括号的索引和切片 242
9.4.2 基于位置和标记的高级索引 245
9.5 缺失值的处理 248
9.6 数据的读写 250
9.7 实例：基于Pandas的期货数据分析 251
9.8 本章学习笔记 256
第10章 Python案例1：中文小说分析 257
10.1 数据预处理 257
10.2 数据统计 259
10.3 数据建模 263
10.4 效果分析 265
10.5 本章学习笔记 271
第11章 Python案例2：手写数字分析 273
11.1 数据的获取与处理 273
11.2 数据建模和效果分析 275
11.3 本章学习笔记277
· · · · · · (收起)