首页 > 图书中心 > 编程不难(全彩图解 + 微课 + Python编程)

目录

目录

绪论 ????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????? 1

  

第 1章 聊聊“巨蟒”   9

1.1 Python? 巨蟒 ?   10

1.2 Python 和可视化有什么关系 ?   14

1.3 Python 和数学有什么关系 ?   14

1.4 Python 和机器学习有什么关系 ?   20

1.5 相信“反复 + 精进 ”的力量!   21

第 2章 安装使用Anaconda   29

2.1 集成开发环境   30

2.2 如何安装 Anaconda?   31

2.3 测试 JupyterLab   33

2.4 查看 Python 第三方库版本号   35

2.5 安装、更新、卸载 Python 第三方库   38

第 3章 JupyterLab,用起来!     41

3.1 什么是 JupyterLab?   42

3.2 使用 JupyterLab:立刻用起来   43

3.3 快捷键:这一章可能最有用的内容   48

3.4 什么是 LaTeX?   51

3.5    字母和符号   52

3.6    用 LaTex 写公式   57

 

第4章 Python语法,边学边用   63

4.1 Python 也有语法 ?   64

4.2 注释:不被执行,却很重要   66

4.3 缩进:四个空格,标识代码块   69

4.4 变量:一个什么都能装的箱子   72

4.5 使用 import 导入包   74

4.6 Pythonic:Python 风格   76

第 5章 Python数据类型   77

5.1 数据类型有哪些 ?   78

5.2 数字:整数、浮点数、复数   79

5.3 字符串:用引号定义的文本   81

5.4 列表:存储多个元素的序列   88

5.5 其他数据类型:元组、集合、字典   94

5.6 矩阵、向量:线性代数概念   95

第 6章 Python常见运算   101

6.1 几类运算符   102

6.2 算术运算符   103

6.3 比较运算符   105

6.4 逻辑运算符   106

6.5 赋值运算符   107

6.6 成员运算符   108

6.7 身份运算符   108

6.8 优先级   109

6.9 聊聊 math 库   109

6.10 聊聊 random 库和 statistics 库   113

第 7章 Python控制结构   123

7.1 什么是控制结构?   124

7.2 条件语句:相当于开关   126

7.3 for循环语句   129

7.4 列表生成式   138

7.5 迭代器itertools   143

 

第 8章    Python函数   147

8.1    什么是 Python 函数 ?   148

8.2     自定义函数   152

8.3    更多自定义线性代数函数   160

8.4    递归函数:自己反复调用自己   164

8.5    位置参数、关键字参数   165

8.6    使用 *args 和 **kwargs   167

8.7    匿名函数   169

8.8    构造模块、库   170

8.9    模仿别人的代码   171

第 9章    Python面向对象编程   175

9.1    什么是面向对象编程 ?   176

9.2    定义属性   178

9.3    定义方法   180

9.4    装饰器   181

9.5    父类、子类   182

 

第 10章   聊聊可视化 ??????????????????????????????????????????????????????????????????????????????????????????????? 187

 

10.1 解剖一幅图   188

10.2 使用 Matplotlib 绘制线图   190

10.3 图片美化   198

10.4 使用 Plotly 绘制线图   202

第 11章 二维和三维可视化   209

11.1 二维可视化方案   210

11.2 二维散点图   210

11.3 二维等高线图   216

11.4 热图   222

11.5 三维可视化方案   225

11.6 三维散点图   229

11.7 三维线图   231

11.8 三维网格曲面图   232

11.9 三维等高线图   234

11.10 箭头图   235

 

 

第 12章   Seaborn可视化数据 ?????????????????????????????????????????????????????????????????????????????????? 239

12.1    Seaborn:统计可视化利器   240

12.2    一元特征数据   241

12.3    二元特征数据   252

12.4    多元特征数据   257

 

第 13章    聊聊NumPy ??????????????????????????????????????????????????????????????????????????????????????????????? 265

13.1    什么是 NumPy?   266

13.2    手动构造数组   267

13.3    生成数列   273

13.4    生成网格数据   274

13.5    特殊数组   276

13.6    随机数   276

13.7    数组导入、导出   280

第 14章    NumPy索引和切片 ??????????????????????????????????????????????????????????????????????????????????? 283

14.1    什么是索引、切片 ?   284

14.2    一维数组索引、切片   284

14.3    视图 vs 副本   287

14.4    二维数组索引、切片   289

第 15章    NumPy常见运算 ??????????????????????????????????????????????????????????????????????????????????????? 293

15.1    加、减、乘、除、乘幂   294

15.2    广播原则   295

15.3    统计运算   298

15.4    常见函数   301

第 16章    NumPy数组规整 ??????????????????????????????????????????????????????????????????????????????????????? 307

16.1    从 reshape() 函数说起   309

16.2    一维数组 → 行向量、列向量   310

16.3    一维数组 → 二维数组   311

16.4    一维数组 → 三维数组   312

16.5    视图 vs 副本   312

16.6    转置   313

16.7    扁平化   314

16.8    旋转、翻转   314

16.9    堆叠   315

16.10    重复   317

16.11    分块矩阵   318

第 17章    NumPy线性代数   321

17.1    NumPy 的 linalg 模块   322

17.2    拆解矩阵   323

17.3    向量运算   325

17.4    矩阵运算   329

17.5    几个常见矩阵分解   333

第18章    NumPy爱因斯坦求和约定   337

18.1    什么是爱因斯坦求和约定?   338

18.2    二维数组求和   340

18.3    转置   341

18.4    矩阵乘法   343

18.5    一维数组   345

18.6    方阵   346

18.7    统计运算   347

 

第 19章    聊聊Pandas ??????????????????????????????????????????????????????????????????????????????????????????????? 351

19.1    什么是 Pandas?   353

19.2    创建数据帧:从字典、列表、NumPy 数组   354

19.3    数据帧操作:以鸢尾花数据为例   357

19.4    四则运算:各列之间   363

19.5    统计运算:聚合、降维、压缩、折叠   365

19.6    时间序列:按时间顺序排列的数据   368

第 20章    Pandas快速可视化 ?????????????????????????????????????????????????????????????????????????????????? 373

20.1    Pandas 的可视化功能   374

20.2    线图:pandas.DataFrame.plot()   375

20.3    散点图   378

20.4    柱状图   381

20.5    箱型图   382

20.6    直方图和核密度估计曲线   382

第 21章    Pandas索引和切片 ??????????????????????????????????????????????????????????????????????????????????? 385

21.1    数据帧的索引和切片 ??????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????? 386

21.2    提取特定列   387

21.3    提取特定行   388

21.4    提取特定元素   388

21.5    条件索引   389

21.6    多层索引   391

21.7    时间序列数据帧索引和切片   395

第 22章    Pandas规整 ?????????????????????????????????????????????????????????????????????????????????????????????? 399

22.1    Pandas 数据帧规整   400

22.2    拼接:pandas.concat()   401

22.3    合并:pandas.join()   402

22.4    合并:pandas.merge()   405

22.5    长格式转换为宽格式:pivot()   409

22.6    宽格式转换为长格式:stack()   411

22.7    长格式转换为宽格式:unstack()   414

22.8    分组聚合:groupby()   415

22.9     自定义操作:apply()   417

第 23章    Plotly统计可视化 ????????????????????????????????????????????????????????????????????????????????????? 421

23.1    Plotly 常见可视化方案:以鸢尾花数据为例   422

23.2    增加一组分类标签   424

23.3    两组标签:两个维度   428

23.4    可视化比例:柱状图、饼图   432

23.5    钻取:多个层次之间的导航和探索   434

23.6    太阳爆炸图:展示层次结构   438

23.7    增加第三切割维度   440

23.8    平均值的钻取:全集 vs 子集   447

第 24章    Pandas时间序列数据 ?????????????????????????????????????????????????????????????????????????????? 453

24.1    什么是时间序列 ?   454

24.2    缺失值:用 NaN 表示   457

24.3    移动平均:一种平滑技术   460

24.4    收益率:相对涨跌   462

24.5    统计分析:均值、波动率等   464

24.6    相关性:也可以随时间变化   474

 

第 25章   SymPy符号运算   481

25.1    什么是 SymPy?   482

25.2    代数   482

25.3    线性代数   487

第 26章   SciPy数学运算 ?????????????????????????????????????????????????????????????????????????????????????????? 499

26.1    什么是 SciPy ?   500

26.2    距离   502

26.3    插值   507

26.4    高斯分布   510

第 27章   Statsmodels统计模型 ?????????????????????????????????????????????????????????????????????????????? 517

27.1    什么是 Statsmodels?   518

27.2    二维散点图 + 椭圆   519

27.3    最小二乘线性回归   522

27.4    主成分分析   524

27.5    概率密度估计:高斯 KDE   535

 

第 28章   Scikit-Learn机器学习   545

28.1    什么是机器学习 ?   546

28.2    有标签数据、无标签数据   549

28.3    回归:找到自变量与因变量关系   550

28.4    降维:降低数据维度,提取主要特征   551

28.5    分类:针对有标签数据   552

28.6    聚类:针对无标签数据   553

28.7    什么是 Scikit-Learn?   554

第29章   Scikit-Learn数据   555

29.1    Scikit-Learn 中有关数据的工具   557

29.2    样本数据集   557

29.3    生成样本数据   558

29.4    特征缩放   561

29.5    处理缺失值   563

29.6    处理离群值   566

29.7    训练集 vs 测试集   570

第30章   Scikit-Learn回归   573

30.1    聊聊回归   574

30.2    一元线性回归   575

30.3    二元线性回归   577

30.4    多项式回归   579

30.5    正则化:抑制过度拟合   584

第 31章   Scikit-Learn降维 ??????????????????????????????????????????????????????????????????????????????????????? 589

31.1    降维   590

31.2    主成分分析   591

31.3    两特征 PCA   595

31.4    三特征 PCA   601

第 32章   Scikit-Learn分类 ?????????????????????????????????????????????????????????????????????????????????????? 605

32.1    什么是分类?   606

32.2    k 最近邻分类:近朱者赤,近墨者黑   607

32.3    高斯朴素贝叶斯分类:贝叶斯定理的应用   611

32.4    支持向量机:间隔最大化   613

32.5    核技巧:数据映射到高维空间   616

第 33章   Scikit-Learn聚类 ?????????????????????????????????????????????????????????????????????????????????????? 619

33.1    聚类   620

33.2   K 均值聚类   621

33.3    高斯混合模型   624

 

第 34章    了解一下Spyder ??????????????????????????????????????????????????????????????????????????????????????? 633

34.1    什么是 Spyder?   634

34.2    Spyder 用起来   637

34.3    快捷键:这章可能最有用的内容   639

第 35章    Streamlit搭建Apps ??????????????????????????????????????????????????????????????????????????????????? 641

35.1    什么是 Streamlit ?  642

35.2    显示   645

35.3    可视化   646

35.4    输入工具   647

35.5    App 布局   649

第 36章   Streamlit搭建机器学习Apps ?????????????????????????????????????????????????????????????????? 653

36.1    搭建应用 App:编程 + 数学 + 可视化 + 机器学习   654

36.2    一元高斯分布   654

36.3    二元高斯分布   655

36.4    三元高斯分布   656

36.5    多项式回归   657

36.6    主成分分析   657

36.7    k 最近邻分类   658

36.8    支持向量机 + 高斯核   659

36.9    高斯混合模型聚类   660

版权所有(C)2023 清华大学出版社有限公司 京ICP备10035462号 京公网安备11010802042911号

联系我们 | 网站地图 | 法律声明 | 友情链接 | 盗版举报 | 人才招聘