一步到位！Python程式設計最強入門教科書

✧✦ AI 加持！初學 Python 的最佳教材，第一次寫程式就上手！ ✦✧
✧✦ 從基礎語法到資料科學應用，培養大數據分析的關鍵能力 ✦✧

身處在資料無所不在的世代，大量程式應用、科學運算、網路爬蟲、機器學習的需求應運而生，Python 就是目前處理大數據的最強工具。

大家都想學 Python，不過很多人完全沒有程式基礎，或者曾經半途而廢。本書以淺顯易懂的筆觸與大量的實例演練，引導你在動手寫程式的過程中學會 Python 的語法和程式邏輯，跨越初學者經常遇到的障礙，進入資料科學、機器學習與大數據分析的領域，再搭配 ChatGPT、Colab AI 等 AI 助理的輔助，讓寫程式變得更有效率！

☛ 清楚明瞭的語法教學，搭配 ChatGPT 輔助寫程式！
☛ 豐富滿點的實作範例，自己動手反覆練習最有感！
☛ 無縫接軌四大套件 NumPy、matplotlib、SciPy、pandas，資料處理、分析、運算，快人一等！
☛ 紮穩資料科學基礎，銜接機器學習最強套件 – scikit-learn
☛ 網路爬蟲必備套件 – Requests、Beautiful Soup

本書特色

✯最易學習✯
沒學過程式設計或學到一半就放棄的都沒關係，本書從基礎的語法和程式邏輯開始，以淺顯文字及簡明程式，帶你快速學會 Python 在不同領域的應用。

✯豐富範例✯
本書提供豐富實用的範例，搭配各小節的隨堂練習和章末的學習評量，立即驗證學習成果，自學或課堂教學都適合。

✯最強應用✯
本書內容包含下列幾個資料科學與機器學習最強套件，有了這些基礎，日後你就可以進一步往資料科學、大數據分析、人工智慧等專業的領域發展：
▪︎ NumPy → 資料運算
▪︎ matplotlib → 資料視覺化
▪︎ SciPy → 科學計算
▪︎ pandas → 資料處理與分析
▪︎ Requests + Beautiful Soup → 網路爬蟲抓資料
▪︎ scikit-learn → 機器學習

▌Part1 基礎篇
第 1 章 開始撰寫 Python 程式
1-1 認識 Python
1-2 使用 Anaconda 開發環境
1-3 使用 Google Colab 雲端開發環境
1-4 Python 程式碼撰寫風格
1-5 程式設計錯誤

第 2 章 型別、變數與運算子
2-1 型別
2-2 變數
2-3 常數
2-4 運算子
2-5 輸出
2-6 輸入

第 3 章 數值與字串處理
3-1 數值處理函式
3-2 字串與字元
3-3 字串處理方法
3-4 數值與字串格式化
3-5 f-string 格式化字串實字

第 4 章 流程控制
4-1 認識流程控制
4-2 if
4-3 for
4-4 while
4-5 break 與 continue 敘述

第 5 章 函式
5-1 認識函式
5-2 定義函式
5-3 呼叫函式
5-4 函式的參數
5-5 函式的傳回值
5-6 全域變數與區域變數
5-7 遞迴函式
5-8 lambda 運算式
5-9 日期時間函式

第 6 章 list、tuple、set 與 dict
6-1 list (串列)
6-2 tuple (序對)
6-3 set (集合)
6-4 dict (字典)

第 7 章 檔案存取
7-1 認識檔案路徑
7-2 寫入檔案
7-3 讀取檔案
7-4 with 敘述
7-5 管理檔案與資料夾

第 8 章 例外處理
8-1 認識例外
8-2 try⋯except

第 9 章 物件導向
9-1 認識物件導向
9-2 使用類別與物件
9-3 繼承
9-4 多型

第 10 章 模組與套件
10-1 模組
10-2 套件
10-3 第三方套件

▌Part2 實戰篇
第 11 章 圖片處理與 QR 碼 – pillow、qrcode
11-1 使用 pillow 套件處理圖片
11-2 使用 qrcode 套件產生 QR code

第 12 章 陣列與資料運算 – NumPy
12-1 認識 NumPy
12-2 NumPy 的資料型別
12-3 一維陣列運算
12-4 二維陣列運算
12-5 通用函式
12-6 廣播
12-7 視點 (view) 與複本 (copy)
12-8 數學函式
12-9 隨機取樣函式
12-10 統計函式
12-11 檔案資料輸入/輸出

第 13 章 繪製圖表 – matplotlib
13-1 認識 matplotlib
13-2 繪製線條或標記
13-3 繪製長條圖
13-4 繪製直方圖
13-5 繪製圓形圖
13-6 繪製散佈圖

第 14 章 科學計算 – SciPy
14-1 認識 SciPy
14-2 統計子套件 scipy.stats
14-3 最佳化子套件 scipy.optimize
14-4 插值子套件 scipy.interpolate

第 15 章 資料分析 – pandas
15-1 認識 pandas
15-2 pandas 的資料結構
15-3 pandas 的基本功能

第 16 章 機器學習 – scikit-learn
16-1 認識機器學習
16-2 線性迴歸
16-3 邏輯迴歸
16-4 K-近鄰演算法
16-5 決策樹
16-6 隨機森林

第 17 章 網路爬蟲 – Requests、Beautiful Soup
17-1 認識網路爬蟲
17-2 使用 Requests 抓取網頁資料
17-3 使用 Beautiful Soup 解析網頁資料

第 18 章 AI 輔助寫碼 – ChatGPT
18-1 開始使用 ChatGPT
18-2 查詢 Python 語法與技術建議
18-3 撰寫 Python 程式、除錯與註解
18-4 與其它程式語言互相轉換
18-5 【實例演練】統一發票兌獎程式