万本电子书0元读

万本电子书0元读

顶部广告

Python3编程从零基础到实战电子书

本选题是对标企业对大数据人才的能力需求标准,并针对现有相关图书存在的基础知识介绍不足,导致读者学习出现困难或障碍发的,全面系统地介绍python3数据分析从基础到实战的相关内容。本书有以下两大特色: (1)本书内容注重知识详解与实战应用,同时配套讲解视频和程序源文件,以通过多种渠道使读者从基础上掌握python的内容,并更好行实战应用。 (2)本书实在大量调研的基础上,从读者学习路上遇到的障碍与困难手,通过设计有趣的学习路线,深度讲解知识,将知识与有趣的案例结合,帮助大家学习知识,同时激发读者对python学习的兴趣。

售       价:¥

纸质售价:¥94.10购买纸书

0人正在读 | 0人评论 6.6

作       者:杨涵文

出  版  社:化学工业出版社

出版时间:2025-06-01

字       数:21.0万

所属分类: 科技 > 计算机/网络 > 计算机理论与教程

温馨提示:数字商品不支持退换货,不提供源文件,不支持导出打印

为你推荐

  • 读书简介
  • 目录
  • 累计评论(条)
  • 读书简介
  • 目录
  • 累计评论(条)
本书详细介绍了Python3 编程从零基础到实战的相关知识,前面7 章为基础部分,主要介绍Python3 编程的基本知识;后面8 章从实战应用的角度分别介绍数据可视化、交互式可视化和数据处理、UI 界面设计与计算机桌面自动化、数据库(主要是MySQL 数据库的增删改查)、机器学习、Git 使用等内容。本书以简单、实用、易懂为原则,力求使读者在学会Python基础知识的同时,掌握实战与应用技能。本书适合刚门的Python 学习人员以及利用源工具行发与应用的爱好者、研究人员参考阅读。<br/>【推荐语】<br/>本选题是对标企业对大数据人才的能力需求标准,并针对现有相关图书存在的基础知识介绍不足,导致读者学习出现困难或障碍发的,全面系统地介绍python3数据分析从基础到实战的相关内容。本书有以下两大特色: (1)本书内容注重知识详解与实战应用,同时配套讲解视频和程序源文件,以通过多种渠道使读者从基础上掌握python的内容,并更好行实战应用。 (2)本书实在大量调研的基础上,从读者学习路上遇到的障碍与困难手,通过设计有趣的学习路线,深度讲解知识,将知识与有趣的案例结合,帮助大家学习知识,同时激发读者对python学习的兴趣。<br/>【作者】<br/>杨涵文,大学为计算机科学与技术专业,长期研究python领域知识技术。CSDN博主,拥有2w 粉丝,作者周榜前五。主要研究方向有数学建模;python初中高阶领域知识,不限于基础,爬虫、数据处理、自然语言处理等;计算机Linux操作系统;数据结构;SQL数据库也颇有研究。多次协作完成任务,也会在哔哩哔发视频讲解。曾参加国家大学生创新创业大赛,获得专利一个,软著一个,国家创新创业训练结题书一份。参加一次互联网 比赛获得上海市奖。陈姗姗,上海工程技术大学,讲师,陈姗姗,讲师,上海大学理学博士,澳大利亚西澳大学访问学者,参与三项国家自然科学基金项目,主要研究复杂网络上的传播动力学相关的理论、数值方法,生物数学以及网络科学与人工智能。担任SCI期刊IEEE Transactions on Circuits and Systems II的审稿人。致力于网络科学与大数据分析的相关科研工作。研究方向:复杂网络传播动力学、网络科学与人工智能、生物数学。<br/>
目录展开

内容提要

前言

第1章 Python3环境搭建

1.1 Python3安装

1.2 PyCharm安装与配置

1.2.1 Windows下安装PyCharm

1.2.2 配置镜像源

1.2.3 安装自动补码插件

1.2.4 安装界面汉化插件

1.2.5 自定义脚本开头

1.2.6 创建第一个Python文件

1.3 jupyter安装与配置

1.3.1 安装jupyter

1.3.2 汉化

1.3.3 运行第一个代码

1.3.4 菜单栏介绍

1.3.5 注释编辑

1.3.6 配置镜像源

1.3.7 conda创建虚拟环境

第2章 基础入门知识

2.1 快速入门

2.1.1 打印输出

2.1.2 添加注释

2.2 变量

2.2.1 变量的基本知识

2.2.2 变量的格式化字符串输出

2.3 数据类型

2.4 数学计算

2.4.1 三种数字类型

2.4.2 数字类型转换

2.4.3 实现简单的四则运算

2.4.4 一些运算符的区别

2.5 字符串

2.5.1 字符串的基本使用

2.5.2 字符串切片

2.5.3 字符串变换

2.5.4 字符串拼接

2.5.5 字符串的其他操作

综合练习

第3章 数据结构类型

3.1 列表

3.1.1 列表基本知识

3.1.2 访问列表

3.1.3 列表值的修改

3.1.4 列表值的插入

3.1.5 列表值的删除

3.1.6 列表的排序

3.1.7 列表的合并

3.2 元组

3.2.1 元组的基本知识

3.2.2 访问元组

3.2.3 修改元组

3.2.4 解包元组

3.2.5 合并元组

3.3 集合

3.3.1 集合的基本知识

3.3.2 删除集合中的值

3.3.3 集合的合并

3.4 字典

3.4.1 字典的基本知识

3.4.2 字典的修改

3.4.3 字典的遍历

3.4.4 嵌套型字典

综合练习

第4章 控制流

4.1 if语句

4.1.1 if语句的基本知识

4.1.2 if…else语句

4.1.3 elif方法的使用

4.1.4 and方法的使用

4.1.5 or方法的使用

4.1.6 嵌套if语句

4.2 for循环

4.2.1 简单使用

4.2.2 中断循环

4.2.3 continue声明

4.2.4 range( )函数

4.2.5 嵌套循环

4.3 while循环

4.3.1 简单使用

4.3.2 中断循环

4.3.3 continue声明

4.4 match语句

综合练习

第5章 函数

5.1 定义和调用函数

5.1.1 基本使用

5.1.2 简单应用

5.2 需要传参的函数

5.2.1 函数分类

5.2.2 函数返回值

5.2.3 全局关键字使用

5.3 函数类型

5.4 函数的递归

5.5 lamada表达式

5.6 变量的分类

5.6.1 局部变量

5.6.2 全局变量

5.7 异常处理

5.7.1 异常处理的基本形式

5.7.2 else搭配

5.7.3 finally语句

5.8 函数装饰器

5.8.1 第一类对象

5.8.2 装饰器的简单实现

5.8.3 装饰器的使用

5.8.4 链式装饰器

5.8.5 记忆性装饰器

综合练习

第6章 面向对象

6.1 类和对象的基本理解

6.1.1 定义与区别

6.1.2 类的构成

6.2 类与对象的构建

6.2.1 创建类

6.2.2 创建并调用对象

6.2.3 对象中添加属性与获取

6.3 构造函数

6.3.1 默认构造函数

6.3.2 参数化构造函数

6.3.3 对象删除

6.4 单继承

6.4.1 创建父类

6.4.2 创建子类

6.4.3 子类初始化

6.4.4 super( )方法

6.4.5 添加属性

6.4.6 添加方法

6.5 多继承

综合练习

第7章 实例与应用

7.1 词云绘制

7.1.1 基本的词云制作

7.1.2 制作更加有趣的词云

7.2 视频剪辑

7.2.1 环境配置

7.2.2 视频转gif

7.2.3 视频截取

7.3 二维码制作

7.3.1 制作彩色的二维码

7.3.2 制作动态二维码

7.4 批量数据爬取

7.4.1 必应爬虫

7.4.2 图片筛选

7.5 石头、剪刀、布游戏

第8章 matplotlib数据可视化

8.1 模块简介

8.2 常见图形绘制

8.2.1 折线图绘制

8.2.2 散点图绘制

8.2.3 柱形图绘制

8.2.4 直方图绘制

8.2.5 扇形图绘制

8.2.6 堆叠的条形图绘制

8.2.7 箱形图绘制

8.2.8 标签和坐标轴绘制

第9章 pyecharts交互式可视化

9.1 pyecharts基础引导

9.1.1 模块概述

9.1.2 图表基础

9.2 常见的各种图表绘制

9.2.1 直方图绘制

9.2.2 箱形图绘制

9.2.3 散点图绘制

9.2.4 折线图绘制

9.2.5 K线图绘制

9.2.6 饼图绘制

9.2.7 水球图绘制

9.3 图形简单组合布局

9.3.1 优美的主题图

9.3.2 图表数据突出

9.4 词云制作

综合练习

第10章 pandas数据处理基础

10.1 概述

10.2 简单快速的入门

10.2.1 创建DataFrame

10.2.2 设置索引

10.2.3 索引值

10.2.4 读取和写入文件

10.2.5 查看数据信息

10.3 索引选择和排序分组

10.3.1 按列索引

10.3.2 按行索引

10.3.3 按区域筛选数据

10.3.4 条件筛选

10.3.5 排序

10.3.6 数据分组

10.4 数据的增删

10.4.1 行数据的增加

10.4.2 新增一列数据

10.4.3 删除一列数据

10.5 数据表拼接

10.5.1 横向拼接

10.5.2 纵向拼接

10.6 统计计算

10.6.1 数据相关性计算

10.6.2 变化率计算

10.6.3 协方差计算

10.7 数据清洗

10.7.1 检查过滤缺失数据

10.7.2 修改缺失数据

10.7.3 填充缺失数据

10.7.4 剔除重复标签数据

10.7.5 简单数据分析

10.8 One-hot编码

10.9 pandas数据可视化

10.9.1 折线图

10.9.2 柱形图

10.9.3 直方图

10.9.4 箱形图

10.9.5 面积图

10.9.6 散点图

10.9.7 扇形图

10.9.8 表格

10.10 实战:汽车数据分析

10.11 实战:股票数据分析

第11章 UI界面设计

11.1 UI框架介绍

11.2 Tkinter基础

11.2.1 搭建第一个UI界面

11.2.2 添加一个按钮

11.2.3 设置窗口大小和标题

11.2.4 设置复选框

11.2.5 设置输入框

11.2.6 使用Frame框架

11.2.7 文本显示

11.2.8 添加菜单栏

11.3 剪刀、石头、布UI设计

11.4 计算器UI设计

第12章 计算机桌面自动化

12.1 鼠标的自动控制

12.1.1 桌面大小获取与鼠标指针定位

12.1.2 鼠标的移动与单击控制

12.1.3 鼠标的相对移动与右击控制

12.1.4 鼠标滚动

12.1.5 窗口拖动控制

12.2 键盘自动化控制

12.2.1 键盘写入

12.2.2 键盘快捷键

12.3 消息框提示

12.4 截图功能

12.4.1 基本截图

12.4.2 图像定位

12.5 案例实现

12.5.1 selenium环境搭建与简单使用

12.5.2 结合selenium模拟滑动

12.5.3 模拟微信发送消息

12.5.4 模拟表单填写

第13章 MySQL数据库

13.1 为什么要学习数据库

13.2 MySQL下载与安装

13.3 cmd界面的基本操作

13.3.1 基本连接与断开

13.3.2 基本的输入查询

13.3.3 数据库简单使用

13.3.4 表的创建与删除

13.3.5 数据类型

13.3.6 数据插入表中

13.3.7 表的更改

13.3.8 表的查询

13.3.9 数据库的备份与恢复

13.3.10 小结

13.4 单表查询

13.4.1 navicat的连接

13.4.2 创建数据表

13.4.3 select选择语句

13.4.4 select distinct语句

13.4.5 where查询子句

13.4.6 and、or、not使用

13.4.7 order by子句使用

13.4.8 insert into插入语句

13.4.9 NULL空值

13.4.10 update更新语句

13.4.11 delete删除语句

13.4.12 limit限制语句

13.4.13 max、min最值查询

13.4.14 count、avg、sum计数查询

13.4.15 like模糊查询

13.4.16 in符号

13.4.17 as取别名

13.4.18 group by分组查询

13.4.19 having条件

13.4.20 union联合查询

13.5 多表查询

13.5.1 内连接

13.5.2 左连接

13.5.3 右连接

13.5.4 交叉连接

13.5.5 自然连接

13.6 Python对接MySQL

13.6.1 连接数据库

13.6.2 数据库创建与检查

13.6.3 表的创建与插入

13.6.4 数据选择

13.6.5 where筛选

13.6.6 表的更新

13.7 实战

13.7.1 表的设计

13.7.2 案例实践(一)

13.7.3 案例实践(二)

第14章 机器学习

14.1 机器学习基础

14.1.1 什么是机器学习

14.1.2 机器学习的分类

14.1.3 机器学习的搭建步骤

14.1.4 常用术语

14.1.5 常用性能指标

14.2 线性回归

14.2.1 简单线性回归基本思想

14.2.2 案例:学习时间与分数预测

14.2.3 多项式回归基本思想

14.2.4 案例:职位薪金预测

14.2.5 多元线性回归基本思想

14.2.6 案例:波士顿房价预测

14.3 逻辑回归

14.3.1 逻辑回归基本思想

14.3.2 案例:糖尿病预测

14.4 朴素贝叶斯分类

14.4.1 朴素贝叶斯基本思想

14.4.2 朴素贝叶斯分类与假设

14.4.3 案例:鸢尾花分类

14.4.4 案例:文本分类

14.4.5 朴素贝叶斯的优缺点

14.5 支持向量机

14.5.1 支持向量机介绍

14.5.2 最佳超平面

14.5.3 案例:乳腺癌预测分类

14.5.4 支持向量机优缺点

14.6 决策树

14.6.1 决策树的基本思想

14.6.2 特征选择

14.6.3 信息增益

14.6.4 信息增益比

14.6.5 基尼指数

14.6.6 决策树参数

14.6.7 案例:鸢尾花分类

14.6.8 决策树的优缺点

14.7 主成分分析

14.7.1 主成分分析简介

14.7.2 案例:葡萄酒分类

14.7.3 主成分分析的优缺点

14.8 K-Means聚类

14.8.1 K-Means聚类基本思想

14.8.2 案例:商场消费分析

14.8.3 K-Means聚类的优缺点

14.9 集成学习

14.9.1 理解集成学习

14.9.2 bagging(袋装)基本思想

14.9.3 案例:糖尿病人数预测

14.9.4 boosting基本思想

14.9.5 Adaboost(自适应增强)案例

14.9.6 XGBoost基本思想

14.9.7 案例:波士顿房价预测

14.10 模型的保存与加载

14.10.1 模型的保存

14.10.2 模型的加载

第15章 Git项目管理

15.1 Git环境搭建

15.2 Git的配置

15.3 仓库基本管理

15.3.1 创建仓库

15.3.2 添加密钥

15.3.3 远程上传文件

15.3.4 远程下载

15.4 提交历史

15.4.1 常见命令

15.4.2 过滤提交

累计评论(条) 个书友正在讨论这本书 发表评论

发表评论

发表评论,分享你的想法吧!

买过这本书的人还买过

读了这本书的人还在读

回顶部