Python最強入門
ChatGPT助攻
邁向數據科學之路
王者歸來
第4版(全彩印刷)
★★★★★【內容最多、範圍最廣】【39個主題】★★★★★
★★★★★【程式實例最多】【1265個Python實例】★★★★★
★★★★★【7大真實數據】+【機器學習專題實戰】★★★★★
★★★★★【420個是非題、選擇題】【295個習題實作題】★★★★★
Python語言是基礎科學課程,撰寫這本書時採用下列原則。
1:強調Python語法內涵與精神。
2:用精彩程式實例解說。
3:科學與人工智慧知識融入內容。
4 : ChatGPT助攻
5:章節習題引導讀者複習與自我練習。
6 : 機器學習 - 真實數據 – 專題實戰
相較於第3版,第4版更增加Python深入解析、機器學習真實數據實戰,同時使用更細緻的實例,增加下列知識:
☆ 深度解析sort( )和sorted( )
★ 徹底研究迭代器(iterator)、yield
☆ 波士頓房價專題
★ 葡萄酒數據集專題
☆ 鐵達尼號專題
★ 糖尿病數據集專題
☆ 乳癌數據集專題
★ 手寫數字數據集專題
☆ PCA主成份分析專題
★ 其他修訂小細節超過100處
多次與教育界的朋友相聚,談到電腦語言的發展趨勢,大家一致公認Python已經是當今最重要的電腦語言了,幾乎所有知名公司,例如:Google、Facebook、…等皆已經將此語言列為必備電腦語言。了解許多人想學Python,市面上的書也不少了,但是許多人買了許多書,但是學習Python路上仍感障礙重重,原因是沒有選到好的書籍,市面上許多書籍的缺點是:
◎ Python語法講解不完整
◎ 用C、C++、Java觀念撰寫實例
◎ Python語法的精神與內涵未做說明
◎ Python進階語法未做解說
◎ 基礎實例太少,沒經驗的讀者無法舉一反三
◎ 模組介紹不足,應用範圍有限
許多讀者因此買了一些書,讀完了,好像學會了,但到了網路看專家撰寫的程式往往看不懂。
就這樣我決定撰寫一本用豐富、實用、有趣實例完整且深入講解Python語法的入門書籍。其實這本書也是目前市面上講解Python書籍中語法最完整,當讀者學會Python後,本書將逐步帶領讀者邁向數據科學、機器學習之路。Python以簡潔著名,語法非常活,同時擁有非常多豐富、實用的模組,本書筆者嘗試將Python語法的各種用法用實例解說,同時穿插使用各種模組,以協助讀者未來可以更靈活使用Python,以奠定讀者邁向更高深學習的紮實基礎。
本書以約1010個程式實例和約255一般實例,講解紮實的Python語法,同時輔助約210道是非題、210道選擇題與約295程式實作題。讀者研讀完此書,相信可以學會下列知識:
★ 內容穿插說明PEP 8風格,讀者可由此養成設計符合PEP 8風格的Python程式,這樣撰寫的程式可以方便自己與他人閱讀。
☆ 拋棄C、C++、Java語法思維,將Python語法、精神功能火力全開
★ 人工智慧基礎知識融入章節內容
☆ 從bytes說起、編碼(encode)、解碼(decoding),到精通串列(list)、元組(tuple)、字典(dict)、集合(set)
★ 深度解析Sort( )和sorted( )
☆ 徹底研究迭代器(iterator)、yield
★ 完整解說Unicode字符集和utf-8依據Unicode字符集的中文編碼方式
☆ 從小型串列、元組、字典到大型數據資料的建立
★ 生成式(generator)建立Python資料結構,串列(list)、字典(dict)、集合(set)
☆ 經緯度計算地球任2城市之間的距離,學習取得地球任意位置的經緯度
★ 萊布尼茲公式、尼拉卡莎、蒙地卡羅模擬計算圓週率
☆ 徹底解說讀者常混淆的遞迴式呼叫。
★ 基礎函數觀念,也深入到嵌套、lambda、Decorator等高階應用
☆ Google有一篇大數據領域著名的論文,MapReduce:Simplified Data Processing on Large Clusters,重要觀念是MapReduce,筆者將對map( )和reduce( )完整解說,更進一步配合lambda觀念解說高階應用
★ 設計與應用自己設計的模組、活用外部模組(module)
☆ 設計加密與解密程式
★ Python處理文字檔案/二元檔案的輸入與輸出
☆ 檔案壓縮與解壓縮
★ 程式除錯(debug)與異常(exception)處理
☆ 檔案讀寫與目錄管理
★ 剪貼簿(clipboard)處理
☆ 正則表達式(Regular Expression)
★ 遞廻式觀念與碎形(Fractal)
☆ 影像處理與文字辨識,更進一步說明電腦儲存影像的方法與觀念
★ 認識中文分詞jieba與建立詞雲(wordcloud)設計
☆ GUI設計 - 實作小算盤
★ 實作動畫與遊戲(電子書呈現)
☆ Matplotlib中英文靜態與動態2D ~ 3D圖表繪製
★ 說明csv和json檔案
☆ 繪製世界地圖
★ 台灣股市資料擷取與圖表製作
☆ Python解線性代數
★ Python解聯立方程式
☆ Python執行數據分析
★ 科學計算與數據分析Numpy、Pandas
☆ 網路爬蟲
★ 人工智慧破冰之旅 – KNN演算法
☆ 機器學習 – 線性迴歸
★ 機器學習 – scikit-learn
☆ KNN演算法、邏輯迴歸、線性與非線性支援向量機
★ 決策樹
☆ 隨機森林樹
★ 波士頓房價
☆ 葡萄酒數據集
★ 鐵達尼號
☆ 糖尿病數據集
★ 乳癌數據集
☆ 手寫數字數據集
★ PCA主成份分析
☆ 完整函數索引,未來可以隨時查閱
Python:最強入門ChatGPT助攻邁向數據科學之路 - 王者歸來(全彩印刷第四版)
相關推薦清單
內容描述
目錄大綱
第1章 基本觀念
1-1 認識Python
1-2 Python 的起源
1-3 Python 語言發展史
1-4 Python 的應用範圍
1-5 變數—靜態語言與動態語言
1-6 系統的安裝與執行
1-7 程式註解
1-8 Python 彩蛋(Easter Eggs)
第2章 認識變數與基本數學運算
2-1 用Python 做計算
2-2 認識變數
2-3 認識程式的意義
2-4 認識註解的意義
2-5 變數的命名原則
2-6 基本數學運算
2-7 指派運算子
2-8 Python 等號的多重指定使用
2-9 Python的連接列(Line Continuation)
2-10 專題- 複利計算/ 計算圓面積與圓周長
第3章 Python 的基本資料型態
3-1 type( ) 函數
3-2 數值資料型態
3-3 布林值資料型態
3-4 字串資料型態
3-5 字串與字元
3-6 bytes 資料
3-7 專題- 地球到月球時間計算/ 計算座標軸2點之間距離
第4章 基本輸入與輸出
4-1 Python 的輔助說明help( )
4-2 格式化輸出資料使用print( )
4-3 輸出資料到檔案
4-4 資料輸入input( )
4-5 處理字串的數學運算eval( )
4-6 列出所有內建函數dir( )
4-7 專題- 溫度轉換/ 房貸問題/ 緯度距離/ 雞兔同籠
第5章 程式的流程控制使用if 敘述
5-1 關係運算子
5-2 邏輯運算子
5-3 if 敘述
5-4 if ⋯ else 敘述
5-5 if ⋯ elif ⋯ else 敘述
5-6 專題-BMI/ 猜數字/ 方程式/ 火箭升空/ 閏年
第6 章 串列(List)
6-1 認識串列(list
6-2 Python 物件導向觀念與方法
6-3 串列元素是字串的常用方法
6-4 增加與刪除串列元素
6-5 串列的排序
6-6 進階串列操作
6-7 串列內含串列
6-8 串列的賦值與切片拷貝
6-9 再談字串
6-10 in 和not in 運算式
6-11 is 或is not 運算式
6-12 enumerate 物件
6-13 專題 大型串列/ 認識凱薩密碼
第7章 迴圈設計
7-1 基本for 迴圈
7-2 range( ) 函數
7-3 進階的for 迴圈應用
7-4 while 迴圈
7-5 enumerate 物件使用for 迴圈解析
7-6 專題 購物車設計/ 圓周率/ 雞兔同籠/ 國王的麥粒/ 電影院劃位
第8章 元組(Tuple)
8-1 元組的定義
8-2 讀取元組元素
8-3 遍歷所有元組元素
8-4 修改元組內容產生錯誤的實例
8-5 可以使用全新定義方式修改元組元素
8-6 元組切片(tuple slices)
8-7 方法與函數
8-8 串列與元組資料互換
8-9 其它常用的元組方法
8-10 enumerate 物件使用在元組
8-11 使用zip( ) 打包多個物件
8-12 生成式(generator)
8-13 製作大型的元組資料
8-14 元組的功能
8-15 專題 認識元組/ 打包與解包/bytes與bytearray
第9章 字典(Dict)
9-1 字典基本操作
9-2 遍歷字典
9-3 建立字典串列
9-4 字典內鍵的值是串列
9-5 字典內鍵的值是字典
9-6 字典常用的函數和方法
9-7 製作大型的字典資料
9-8 專題 文件分析/ 字典生成式/ 星座/ 凱薩密碼/ 摩斯密碼
第10章 集合(Set)
10-1 建立集合
10-2 集合的操作
10-3 適用集合的方法
10-4 適用集合的基本函數操作
10-5 凍結集合frozenset
10-6 專題 夏令營程式/ 程式效率/ 集合生成式/ 雞尾酒實例
第11章 函數設計
11-1 Python 函數基本觀念
11-2 函數的參數設計
11-3 函數傳回值
11-4 呼叫函數時參數是串列
11-5 傳遞任意數量的參數
11-6 進一步認識函數
11-7 遞迴式函數設計recursive
11-8 區域變數與全域變數
11-9 匿名函數lambda
11-10 pass 與函數
11-11 type 關鍵字應用在函數
11-12 設計生成式函數與建立迭代器
11-13 裝飾器(Decorator)
11-14 專題 函數的應用/ 質數
11-15 專題 歐幾里德演算法
第12章 類別– 物件導向的程式設計
12-1 類別的定義與使用
12-2 類別的訪問權限 – 封裝(encapsulation)
12-3 類別的繼承
12-4 多型(polymorphism)
12-5 多重繼承
12-6 type 與instance
12-7 特殊屬性
12-8 類別的特殊方法
12-9 專題:幾何資料的應用
第13章 設計與應用模組
13-1 將自建的函數儲存在模組中
13-2 應用自己建立的函數模組
13-3 將自建的類別儲存在模組內
13-4 應用自己建立的類別模組
13-5 隨機數random 模組
13-6 時間time 模組
13-7 系統sys 模組
13-8 keyword 模組
13-9 日期calendar 模組
13-10 幾個增強Python 功力的模組
13-11 專題設計 賭場遊戲騙局/ 蒙地卡羅模擬/ 文件加密
第14章 檔案輸入/ 輸出與目錄的管理
14-1 資料夾與檔案路徑
14-2 os 模組
14-3 os.path 模組
14-4 獲得特定工作目錄內容glob
14-5 讀取檔案
14-6 寫入檔案
14-7 讀取和寫入二進位檔案
14-8 shutil 模組
14-9 安全刪除檔案或目錄send2trash( )
14-10 檔案壓縮與解壓縮zipfile
14-11 再談編碼格式encoding
14-12 剪貼簿的應用
14-13 專題設計 分析檔案/ 加密檔案
第15章 程式除錯與異常處理
15-1 程式異常
15-2 設計多組異常處理程序
15-3 丟出異常
15-4 紀錄Traceback 字串
15-5 finally
15-6 程式斷言assert
15-7 程式日誌模組logging
15-8 程式除錯的典故
第16章 正則表達式Regular Expression
16-1 使用Python 硬功夫搜尋文字
16-2 正則表達式的基礎
16-3 更多搜尋比對模式
16-4 貪婪與非貪婪搜尋
16-5 正則表達式的特殊字元
16-6 MatchObject 物件
16-7 搶救CIA 情報員-sub( ) 方法
16-8 處理比較複雜的正則表示法
第17章 用Python 處理影像檔案
17-1 認識Pillow 模組的RGBA
17-2 Pillow 模組的盒子元組(Box tuple)
17-3 影像的基本操作
17-4 影像的編輯
17-5 裁切、複製與影像合成
17-6 影像濾鏡
17-7 在影像內繪製圖案
17-8 在影像內填寫文字
17-9 專題 – 建立QR code/ 辨識車牌與建立停車場管理系統
第18章 開發GUI 程式使用tkinter
18-1 建立視窗
18-2 標籤Label
18-3 視窗元件配置管理員Layout Management
18-4 功能鈕Button
18-5 變數類別
18-6 文字方塊Entry
18-7 文字區域Text
18-8 捲軸Scrollbar
18-9 選項鈕Radiobutton
18-10 核取方塊Checkbutton
18-11 對話方塊messagebox
18-12 圖形PhotoImage
18-13 尺度Scale 的控制
18-14 功能表Menu 設計
18-15 專題- 設計小算盤
第19章 詞雲設計
19-1 安裝wordcloud
19-2 我的第一個詞雲程式
19-3 建立含中文字詞雲結果失敗
19-4 建立含中文字的詞雲
19-5 進一步認識jieba 模組的分詞
19-6 建立含圖片背景的詞雲
第20章 數據圖表的設計
20-1 認識matplotlib.pyplot 模組的主要函數
20-2 繪製簡單的折線圖plot( )
20-3 繪製散點圖scatter( )
20-4 Numpy 模組基礎知識
20-5 色彩映射color mapping
20-6 繪製多個圖表
20-7 建立畫布與子圖表物件
20-8 長條圖的製作bar()
20-9 圓餅圖的製作pie( )
20-10 設計2D 動畫
20-11 專題 數學表達式/ 輸出文字/ 圖表註解
第21章 JSON 資料與繪製世界地圖
21-1 JSON 資料格式前言
21-2 認識json 資料格式
21-3 將Python 應用在json 字串形式資料
21-4 將Python 應用在json 檔案
21-5 簡單的json 檔案應用
21-6 世界人口數據的json 檔案
21-7 繪製世界地圖
21-8 環保署空氣品質JSON 檔案實作
第22章 使用Python 處理CSV 文件
22-1 建立一個CSV 文件
22-2 開啟「utf-8」格式CSV 檔案
22-3 csv 模組
22-4 讀取CSV 檔案
22-5 寫入CSV 檔案
22-6 專題- 使用CSV 檔案繪製氣象圖表
22-7 台灣股市數據
22-8 Python 與Microsoft Excel
第23章 Numpy 模組的基礎知識
23-1 陣列ndarray
23-2 Numpy 的資料型態
23-3 建立一維或多維陣列
23-4 一維陣列的四則運算與基礎操作
23-5 用切片提取一維陣列的元素
23-6 多維陣列的索引與切片
23-7 陣列的拷貝與檢視
23-8 更改陣列外形
23-9 陣列分割
23-10 陣列合併與堆疊
第24章 基礎統計與隨機數
24-1 母體與樣本
24-2 數據加總
24-3 數據分佈
24-4 數據中心指標
24-5 數據分散指標
24-6 符號運算規則與驗證
24-7 活用 符號
24-8 迴歸分析
24-9 隨機函數的分佈
第25章 Numpy 的數學運算與3D 繪圖
25-1 基礎數學函數
25-2 三角函數
25-3 指數與對數函數
25-4 陣列處理函數
25-5 陣列資料排序
25-6 向量運算
25-7 矩陣運算
25-8 簡單線性代數運算
25-9 線性插入函數
25-10 Numpy 的廣播功能
25-11 檔案的輸入與輸出
25-12 專題 – 3D 繪圖到3D 動畫
25-13 專題 – 遮罩觀念與數據分類
第26章 Pandas 入門
26-1 Series
26-2 DataFrame
26-3 基本Pandas 資料分析與處理
26-4 讀取與輸出CSV 檔案
26-5 讀取與輸出Excel 檔案
第27章 Pandas 視覺化資料與時間序列
27-1 Pandas 繪圖
27-2 時間序列(Time Series)
27-3 專題:鳶尾花
第28章 網路爬蟲
28-1 上網不再需要瀏覽器了
28-2 下載網頁資訊使用requests 模組
28-3 檢視網頁原始檔
28-4 解析網頁使用BeautifulSoup 模組
28-5 網路爬蟲實戰
第29章 用Python 操作台灣股市
29-1 Stock( ) 建構元
29-2 Stock 物件屬性
29-3 Stock 物件方法
29-4 取得單一股票之即時資料realtime.get( )
第30章 Sympy 模組與符號運算
30-1 定義符號
30-2 解方程式
30-3 解聯立方程式
30-4 微分與Sympy
30-5 積分與Sympy
30-6 Sympy 模組的繪圖功能
第31章 人工智慧破冰之旅-KNN 演算法
31-1 將畢氏定理應用在性向測試
31-2 電影分類
31-3 選舉造勢與銷售烤香腸
第32章 機器學習使用scikit-learn 入門
32-1 網路購物數據調查
32-2 使用scikit-learn 模組計算決定係數
32-3 預測未來值
32-4 人工智慧、機器學習、深度學習
32-5 認識scikit-learn 數據模組datasets
32-6 監督學習 – 線性迴歸
32-7 scikit-learn 產生數據
32-8 常見的監督學習分類器
32-9 無監督學習 – 群集分析
第33章 動畫與遊戲(電子書)
33-1 繪圖功能
33-2 尺度控制畫布背景顏色
33-3 動畫設計
33-4 反彈球遊戲設計
33-5 專題- 使用tkinter 處理謝爾賓斯基三角形
第34章 機器學習專題 – 波士頓房屋
34-1 從線性迴歸到多元線性迴歸
34-2 簡單資料測試
34-3 波士頓房屋數據集
第35章 機器學習專題 – 葡萄酒數據
35-1 認識葡萄酒數據
35-2 使用KNN 演算法執行葡萄酒分類
35-3 使用邏輯迴歸演算法執行葡萄酒分類
第36章 機器學習專題 – 鐵達尼號
36-1 程式設計必備知識one-hot 編碼
36-2 認識鐵達尼號Titanic 數據集
36-3 鐵達尼號專題實作 – 邏輯回歸
36-4 鐵達尼號專題實作 – 決策樹
第37章 機器學習專題 – 糖尿病
37-1 認識糖尿病數據集
37-2 多元線性迴歸處理糖尿病數據
第38章 機器學習專題 – 乳癌數據
38-1 認識乳癌數據集
38-2 支援向量機處理乳癌數據
第39章 機器學習專題 – 手寫數字
39-1 認識手寫數字數據集
39-2 隨機森林樹處理手寫數字數據集
39-3 PCA 主成份分析
附錄A 安裝Python (電子書)
附錄B Anaconda、Spider 和Jupyter Notebook (電子書)
附錄C Google Colab 雲端開發環境 (電子書)
附錄D 指令、函數、方法與專有名詞索引
附錄E 安裝第三方模組 (電子書)
附錄F RGB 色彩表 (電子書)
附錄G 本書是非題/ 選擇題解答與實作題的執行結果 (電子書)
附錄H ASCII 碼 (電子書)
附錄I ChatGPT 協助學習Python (電子書)
作者介紹
作者簡介
洪錦魁
一位跨越電腦作業系統與科技時代的電腦專家,著作等身的作家。
DOS 時代他的代表作品是 IBM PC 組合語言、C、C++、Pascal、資料結構。
Windows 時代他的代表作品是 Windows Programming 使用 C、Visual Basic。
Internet 時代他的代表作品是網頁設計使用 HTML。
大數據時代他的代表作品是 R 語言邁向 Big Data 之路。
AI 時代他的代表作品是機器學習 Python 實作。
通用 AI 時代,國內第 1 本 ChatGPT 作品的作者。
作品曾被翻譯為簡體中文、馬來西亞文,英文,近年來作品則是在北京清華大學和台灣深智同步發行:
1:C、Java、Python、C#、R 最強入門邁向頂尖高手之路王者歸來
2:OpenCV 影像創意邁向AI 視覺王者歸來
3:Python 網路爬蟲:大數據擷取、清洗、儲存與分析王者歸來
4:演算法邏輯思維 + Python 程式實作王者歸來
5:matplotlib 從2D 到3D 資料視覺化
6:網頁設計HTML+CSS+JavaScript+jQuery+Bootstrap+Google Maps 王者歸來
7:機器學習彩色圖解 + 基礎數學、基礎微積分 + Python 實作王者歸來
8:Excel 完整學習、Excel 函數庫、Excel VBA 應用王者歸來
9:Python 操作Excel 最強入門邁向辦公室自動化之路王者歸來
10:Power BI 最強入門 – AI 視覺化+ 智慧決策+ 雲端分享王者歸來
他的多本著作皆曾登上天瓏、博客來、Momo 電腦書類,各個時期暢銷排行榜第1 名,他的著作最大的特色是,所有程式語法或是功能解說會依特性分類,同時以實用的程式範例做解說,不賣弄學問,讓整本書淺顯易懂,讀者可以由他的著作事半功倍輕鬆掌握相關知識。