Python程序設計及機器學習案例分析(微課視頻版)（簡體書）

前言

Python語言是1989年由荷蘭人Guido van Rossum開發的一種面向物件、解釋型、動態數據類型的高級程序設計語言。它的誕生極具戲劇性，據Guido自述，Python語言是他在聖誕節期間為了打發時間而開發的，之所以選擇Python作為該編程語言的名稱，是因為他是Monty Python戲劇團體的忠實粉絲。

Python語言簡單易學，並且有強大的AI(Artificial Intelligence，人工智能)支持庫，因此在當前機器學習、人工智能如火如荼的大背景下，迅速流行起來。可以毫不夸張地說，它天生就是一門人工智能語言，內置數據結構豐富，有豐富的第三方庫助力機器學習和人工智能算法實現，讓程序員更加關注業務本身，把復雜的計算交給庫函數去完成。更加給力的是Python也提供GUI和Web應用，大有取代Java的趨勢。Python語言的普及程度還遠遠不夠，本人認為至少在高校要讓Python代替C語言成為普通本科生的入門語言，所有工科背景的學生都應該掌握。

本書是為適應當前Python語言程序設計的教學和學習的需要編寫的，特別是在當前高校學分進一步壓縮，課時分配緊張的情況下，專門為32課時的課程設置量身打造的。每一章都有配套的實驗，避免了重復編寫實驗指導的麻煩。案例也是圍繞機器學習展開討論，學生能夠在掌握Python語法的同時掌握機器學習的基本原理。通篇按照基礎語法、數據結構、程序結構、函數模塊、輸入輸出、面向物件的思路展開，在每章穿插了機器學習基礎的案例，機器學習中的統計參數、變量分布、優化計算、矩陣分析、線性回歸、線性分類等。這些案例都是經過挑選，既能鞏固所學Python語法又能起到機器學習啟蒙的作用。例如，統計參數均值和方差計算要使用的基礎語法、各種數據類型變量的運算； 變量分布需要數據結構保存樣本； 優化計算的梯度下降算法需要循環這種程序結構； 矩陣分析需要調用NumPy包中的矩陣運算的函數； 線性回歸需要將結果圖形輸出； 線性回歸需要調用機器學習包SkLearn中的Logistic回歸物件方法等。對這些案例程序的閱讀能夠充分拓展自己的Python實際應用能力，並且能夠領悟Python語言作為人工智能語言的魅力，而不是僅僅停留在編幾個實驗室的程序，限制了自己的思維。

本書中所介紹的案例都是在Windows 10及Python 3.8+PyCharm 2020環境下調試運行通過的，並配有相應的視頻，每章都有配套的實驗和習題。本書的編寫還得到了金陵科技學院智能科學與控制工程學院吳有龍、王瑩瑩、周端等領導和同事的支持，他們對書稿提出了很多修改意見，在此一並向他們表示感謝。

所有的實例程序可以從清華大學出版社網站下載，但是還是建議讀者先自己編寫，在編寫過程中肯定會出現各種各樣的錯誤，需要耐心查看Python解釋器給出的錯誤提示，努力修改，最後可以對照作者提供的代碼發現自己的錯誤，這樣才能提高程序設計水平。

由於時間倉促，書中難免存在不妥之處，懇請各位專家和讀者批評指正，並提出寶貴意見。

作者2021年3月

目錄

第1章Python語言概述

1.1語言

1.2程序設計語言

1.3程序設計語言的發展

1.3.1第一代機器語言

1.3.2第二代匯編語言

1.3.3第三代高級語言

1.3.4第四代非過程化語言

1.4Python程序設計語言

1.5Python語言的優勢

1.6Python環境

1.6.1運行環境

1.6.2開發環境

1.7第一個機器學習小程序

1.7.1波士頓房價數據集

1.7.2數據預處理與訓練

1.7.3性能評估

1.8實驗

本章小結

習題

第2章基礎語法

2.1常用內置物件

2.1.1基本數據類型

2.1.2變量

2.1.3常量

2.1.4字符串

2.1.5列表、元組、字典、集合

2.2運算符與表達式

2.2.1算術運算符

2.2.2關係運算符

2.2.3成員測試運算符in與同一性測試運算符is

2.2.4位運算符與集合運算符

2.2.5邏輯運算符

2.2.6矩陣乘法運算符“@”

2.3Python關鍵字

2.4Python常用內置函數

2.4.1類型轉換

2.4.2數學函數

2.4.3input()和print()函數

2.4.4sorted()和reversed()函數

2.4.5enumerate()函數

2.4.6map()和filter()函數

2.4.7range()、zip()和eval()函數

2.5Python編程規範

2.6機器學習中的統計參數

2.6.1均值、方差和標準差

2.6.2偏度、峰度和相關係數

2.6.3距離

2.7實驗

本章小結

習題

第3章數據結構

3.1列表

3.1.1列表操作

3.1.2列表常用方法

3.1.3列表支持的運算符

3.1.4內置函數對列表的操作

3.1.5列表推導式

3.1.6切片操作

3.2元組

3.2.1元組創建與元素訪問

3.2.2元組與列表的比較

3.2.3生成器推導式

3.3字典

3.3.1字典創建與刪除

3.3.2字典元素的訪問

3.3.3元素添加、修改與刪除

3.3.4標準庫collections中與字典有關的類

3.4集合

3.4.1集合物件的創建與刪除

3.4.2集合操作與運算

3.5序列封包與解包

3.6NumPy庫中的array結構

3.7機器學習中的變量分布

3.7.1兩點分布

3.7.2高斯分布

3.7.3中心極限定理

3.8實驗

本章小結

習題

第4章程序結構

4.1條件表達式

4.2分支結構

4.2.1單分支結構

4.2.2雙分支結構

4.2.3多分支結構

4.2.4分支嵌套結構

4.3循環結構

4.3.1for循環語句與while循環語句

4.3.2break語句與continue語句

4.4機器學習中的優化計算

4.5實驗

本章小結

習題

第5章函數及模塊

5.1函數

5.1.1函數定義

5.1.2函數遞歸調用

5.1.3函數參數

5.1.4變量作用域

5.1.5lambda表達式

5.1.6生成器函數

5.1.7關於__main__

5.2模塊、包、庫

5.2.1模塊

5.2.2包

5.2.3庫

5.3異常處理

5.3.1異常

5.3.2異常處理

5.4PyCharm單步跟蹤

5.5機器學習中的矩陣分析

5.5.1正規方程計算線性模型參數

5.5.2矩陣奇異值分解

5.6實驗

本章小結

習題

第6章輸入輸出

6.1文件讀寫

6.1.1文件

6.1.2文件操作

6.1.3文件操作案例

6.2文件夾操作

6.3圖形和圖像輸出

6.3.1散點圖

6.3.2曲線圖

6.3.3三維曲線圖

6.3.4三維曲面圖

6.3.5其他有趣的圖形

6.3.6圖像顯示輸出

6.4數據庫訪問與存儲

6.4.1關係數據庫

6.4.2MySQL數據庫管理系統

6.4.3數據庫操作

6.5機器學習中的線性回歸

6.6實驗

本章小結

習題

第7章面向物件程序設計

7.1類的定義與使用

7.2封裝

7.2.1私有成員和公有成員

7.2.2屬性

7.2.3方法

7.3繼承、多態

7.3.1繼承

7.3.2多態

7.4特殊方法

7.5機器學習中的線性分類

7.6實驗

本章小結

習題

第8章Python項目應用——人臉識別

8.1人臉識別算法

8.1.1人臉庫

8.1.2最近鄰方法

8.1.3主分量分析降維

8.1.4Logistic回歸方法

8.2人臉識別系統

8.3實驗

本章小結

習題

參考文獻