自學Python：編程基礎、科學計算及數據分析

目錄
前言
致謝
第1章 初識Python1
1.1 Python簡介1
1.2 Python版本的選擇2
1.3 Python集成開發(fā)環(huán)境的搭建2
1.4 第一行Python代碼4
1.5 IPython解釋器5
1.6 Python代碼的執(zhí)行模式7
1.6.1 解釋器模式7
1.6.2 腳本模式8
1.6.3 解釋器模式與腳本模式的區(qū)別9
1.7 Jupyter Notebook的使用9
本章學習筆記11
本章新術語11
本章新函數11
第2章 Python基礎12
2.1 基本語法簡介12
2.2 數據類型17
2.2.1 數字18
2.2.2 字符串23
2.2.3 Unicode字符串30
2.2.4 索引與分片32
2.2.5 列表34
2.2.6 元組40
2.2.7 可變與不可變類型42
2.2.8 字典44
2.2.9 集合與不可變集合48
2.2.10 賦值機制53
2.3 判斷與循環(huán)58
2.3.1 判斷58
2.3.2 循環(huán)62
2.4 函數與模塊69
2.4.1 函數69
2.4.2 模塊73
2.5 異常與警告77
2.5.1 異常77
2.5.2 警告83
2.6 文件讀寫83
2.6.1 讀文件84
2.6.2 寫文件85
2.6.3 中文文件的讀寫87
2.7 內置函數88
2.7.1 數字相關的內置函數88
2.7.2 序列相關的內置函數90
2.7.3 類型相關的內置函數92
本章學習筆記92
本章新術語92
本章新函數94
第3章 Python進階96
3.1 函數進階96
3.1.1 函數參數傳遞96
3.1.2 高階函數98
3.1.3 函數map()、filter()和reduce()101
3.1.4 Lambda表達式102
3.1.5 關鍵字global103
3.1.6 函數的遞歸104
3.2 迭代器與生成器105
3.2.1 迭代器105
3.2.2 生成器110
3.3 裝飾器112
3.3.1 裝飾器的引入112
3.3.2 裝飾器的用法115
3.4 上下文管理器與with語句118
3.4.1 上下文管理器的原理119
3.4.2 模塊contextlib123
3.5 變量作用域125
本章學習筆記127
本章新術語128
本章新函數128
第4章 Python標準庫129
4.1 系統(tǒng)相關：sys模塊129
4.2 與操作系統(tǒng)進行交互：os模塊133
4.3 字符串相關：string模塊136
4.4 正則表達式：re模塊138
4.5 日期時間相關：datetime模塊142
4.6 更好地打印Python對象：pprint模塊145
4.7 序列化Python對象：pickle，cPickle模塊145
4.8 讀寫JSON數據：json模塊147
4.9 文件模式匹配：glob模塊150
4.10 高級文件操作：shutil模塊151
4.11 更多的容器類型：collections模塊153
4.12 數學：math模塊157
4.13 隨機數：random模塊158
本章學習筆記159
本章新術語160
本章新函數160
第5章 Python科學計算基礎：NumPy模塊162
5.1 NumPy模塊簡介162
5.2 數組基礎163
5.2.1 數組的引入163
5.2.2 數組的屬性164
5.2.3 數組的類型166
5.2.4 數組的生成169
5.2.5 數組的索引172
5.2.6 數組的迭代174
5.3 數組操作175
5.3.1 數值相關的數組操作175
5.3.2 形狀相關的數組操作179
5.3.3 數組的拼接操作184
5.3.4 數組的四則運算、點乘和矩陣類型187
5.3.5 數組的數學操作190
5.3.6 數組的比較和邏輯操作190
5.4 數組廣播機制191
5.5 數組索引進階194
5.5.1 數組基礎索引194
5.5.2 數組的高級索引196
5.6 數組讀寫199
5.6.1 數組的讀取199
5.6.2 數組的寫入200
5.6.3 數組的二進制讀寫200
5.7 隨機數組202
5.8 結構數組202
本章學習筆記206
本章新術語207
本章新函數207
第6章 Python可視化：Matplotlib模塊209
6.1 Matplotlib模塊簡介209
6.2 基于函數的可視化操作210
6.2.1 函數plt.plot()的使用210
6.2.2 圖與子圖215
6.2.3 其他可視化函數217
6.3 基于對象的可視化操作217
6.4 圖像中的文本處理219
6.5 實例：基于Matplotlib的三角函數可視化221
本章學習筆記226
本章新術語227
本章新函數227
第7章 Python科學計算進階：SciPy模塊228
7.1 SciPy模塊簡介228
7.2 插值模塊：scipy.interpolate229
7.3 概率統(tǒng)計模塊：scipy.stats233
7.3.1 基本統(tǒng)計量233
7.3.2 概率分布234
7.3.3 假設檢驗243
7.4 優(yōu)化模塊：scipy.optimize246
7.4.1 數據擬合247
7.4.2 最值優(yōu)化251
7.4.3 方程求根254
7.5 積分模塊：scipy.integrate255
7.5.1 符號積分與SymPy模塊255
7.5.2 數值積分257
7.6 稀疏矩陣模塊：scipy.sparse260
7.7 線性代數模塊：scipy.linalg262
7.8 實例：基于SciPy的主成分分析268
本章學習筆記271
本章新術語272
本章新函數272
第8章 Python數據分析基礎：Pandas模塊274
8.1 Pandas簡介274
8.2 一維數據結構：Series對象275
8.2.1 Series對象的生成275
8.2.2 Series對象的使用277
8.3 二維數據結構：DataFrame對象280
8.3.1 DataFrame對象的生成280
8.3.2 DataFrame對象的使用283
8.4 Pandas對象的索引286
8.4.1 基于中括號的索引和切片286
8.4.2 基于位置和標記的高級索引289
8.5 缺失值的處理293
8.6 數據的讀寫294
8.7 實例：基于Pandas的NBA數據分析295
本章學習筆記299
本章新術語299
本章新函數299
第9章 Python面向對象編程300
9.1 面向對象簡介300
9.2 自定義類型303
9.3 方法和屬性305
9.4 繼承與復用311
9.5 公有、私有、特殊