Introducing Python

本套教材緊扣全國青少年編程能力等級考試（PAAT）考綱，在語法規範方面起到引導作用，避免在青少年Python編程教學中陷入瑣碎和繁複的邏輯“陷阱”。教材通過具象化解抽象，通過寓教於樂的任務引領學生提高分析問題、歸納問題、找出問題背後的關鍵知識關聯的能力，從而培養學生的計算思維的能力，讓學生在學習中獲得樂趣、獲得自信、獲得在信息化時代求解問題的能力及智慧，使得學生的綜合素質得到鍛煉。本教材擬定的讀者為具有Python編程基礎的中學階段的學習者，故在內容呈現方面較一二級用書，在抽象和邏輯方面均有不同的提升。

本書全面介紹Python程序設計基礎知識。全書共9章，主要內容包括Python語言入門、基本數據類型與表達式、語句與結構化程序設計、組合數據類型與字符串、函數與模塊、文件處理、異常處理、面向對象程序設計和Python高級編程。通過本書的學習，讀者可以掌握程序設計知識和方法，提高程序設計能力，培養程序設計思維，為進一步學習後續計算機相關課程、提升數字素養和創新能力奠定良好的基礎。 本書適合作為高等學校各專業程序設計課程的教材，也可作為程序設計自學者的參考書。

目前人工智能教育通識化、普及化的需求日益強烈，高校既要做好人工智能專業教育，又要推進人工智能通識教育，面向非計算機專業學生開展人工智能通識化教學也越來越受到重視。本教材的主要內容包括計算機文化概述、人工智能概述及應用、python 編程基礎、Python圖形處理、Python科學計算與可視化、國產軟件等內容，主要適用於高校信息技術基礎教學。本教材的特色是教學內容前沿，python程序設計基礎部分採用案例驅動的方式進行教材的編寫和教學內容的講解，非常適用於高校非計算機專業的學生學習大學計算機信息技術基礎課程。航海學院每年新生大約有4500名左右，其中理工科3000名左右，需要選用此教材。

全書共8個項目，內容包含：開發環境搭建、Python語法基礎實現、Python的序列操作、函數實現、面向對象編程、文件操作、Numpy數值計算、Pandas統計分析。每個項目先給出知識目標、能力目標和素質目標，再通過設計若干小任務引出主要知識點，重在培養讀者採用Python語言進行數據分析的基本思想與方法，突出分析與解決問題的思路，強化讀者良好的編程規範與風格，充分體現軟件職業素養要求。書中每個案例的操作都有錄屏，讀者可以通過掃描書中二維碼觀看視頻完成代碼編寫學習。同時，本書還附贈課件等資源。本書結構新穎，突出實踐性與應用性，可作為高職高專大數據技術、軟件技術、雲計算技術應用及其他計算機相關專業的教學用書或培訓教材，也可供計算機愛好者自學參考。

本書在理論方面和實踐方面都講解得淺顯易懂，能夠讓讀者快速上手，一步步學會使用Python與Excel相結合進行數據處理與分析。全書內容分3個部分共12章。第1～4章為入門部分，主要介紹什麼是數據分析，以及Python的編程環境和基礎語法知識。第5～9章為進階部分，主要介紹數據處理和分析的各種方法。第10～12章為實戰部分，這部分的3個實例綜合了本書前面部分的知識點，介紹了如何結合Python與Excel在實際工作中進行數據處理與分析操作。本書內容由淺入深，且配有案例的素材文件和代碼文件，便於讀者邊學邊練。本書還創新性地將ChatGPT引入教學當中，給讀者帶來全新的學習方式。本書既適合Python和數據分析的初學者學習，也適合希望從事數據分析相關行業的讀者學習，還可作為廣大職業院校數據分析培訓相關專業的教材參考用書。

本書全面系統地介紹了Python語言的語法基礎與程序設計技術，內容包括緒論、Python簡介與環境搭建、基本數據類型與字符處理、控制結構與異常處理、輸入輸出與文件處理、組合數據類型與迭代器處理、函數與庫、面向對象程序設計、圖形用戶界面和訪問數據庫。除第1章外，每章均包括基礎語法、實例練習、單元拓展、項目訓練和習題5個模塊，符合學習者從知識學習到實踐應用再到解決問題的認知規律。 本書遵循以問題為導向的設計理念，在解決問題的同時滲透知識的學習，從而激發學習者的學習興趣，提高主動學習的能力。全書共有99個實例練習、10個單元拓展和23個項目訓練，並配套教學PPT、習題、源代碼等資源，所有代碼均在Python 3.6中調試通過。 本書可作為高等院校Python程序設計課程的教材或參考書，也可作為從事大數據和人工智能等工作的編程人員的自學或參考用書。

Python正宗入門NO.1 感謝眾多讀者與教師好評 一本引領數萬讀者一探Python世界、 也讓老師用了再用的暢銷經典！ 【書附超值學習資源】 「Python快速入門的10堂課」影音教學/範例程式檔/綜合演練參考解答 「善用ChatGPT學Python入門」影音教學 AI人工智慧與Big Data大數據時代 跨入程式語言、鍛鍊邏輯思維， 就從Python開始學！ Python是目前最熱門的程式語言，執行功能強大，但語法卻簡潔優雅、易於學習，更方便應用在許多專案實作上。它也沒有複雜的結構，程式易讀，且易於維護。 Python的應用範圍相當廣泛，無論是資訊蒐集、大數據分析、機器學習、資料科學、網站建置，甚至是遊戲開發等，都能看到它的身影。本書以零基礎學習者的視角進行規劃，從最基本的認識程式語言與環境架設切入，再進到程式設計流程的完整學習，輔以觀念圖解、表格歸納，以及流程圖，深入淺出一窺Python程式語言與設計的奧妙！ 要懂Python 就要這樣真正的入門 徹底掌握程式語言與設計的核心！ ■適合無程式設計經驗或想打好Python基礎者，從中了解運算思維精神，扎根程式設計學習，培養邏輯運算能力。循序漸進的內容涵蓋：認識運算思維、程式語言與設計、環境建置、變數、運算式、判斷式、迴圈、串列與元組、字典、函式與模組、演算法，以及檔案與例外處理…等，讓初學者無痛學習，輕鬆打好基本功。 ■除了提供在本機建置開發環境的方法，更新增運用熱門Google Colab雲端開發環境的技巧，不需安裝設定即可撰寫並執行Python程式。 ■精心設計100題實作範例，輔以130題綜合演練，從做中學，快速學會每個學習重點，並能應用於實際專題中。範例大小適合讀者平時的學習，或每週固定時數的教學課程。 ■融入精采的情境實例，貼近生活應用，也讓練習更有趣，如：數學運算、密碼判斷、成績評等、電影分級、百貨公司折扣戰、數字比大小、薪資計算表、成績單與業績報表列印、日期時間格式與溫度轉換、擲骰子遊戲、大樂透抽獎、搜尋中獎者、彩券對獎，以及血型個性、四季天氣、成績輸入、產品銷售、電費、世大運獎牌數與家庭支出查詢…等運用。 ■提供更完整的演算法運作實例搭配流程圖，有利理解運作思路與規則，讓程式開發更加得心應手。 ■收錄160分鐘的Python開發環境建置與語法入門影音教學，搭配書籍內容快速吸

機器學習是人工智能的重要分支。本書立足實用且易於上手實踐的原則，系統地介紹機器學習領域的經典算法，以及這些算法的Python實現和典型應用。本書分4部分: 第1部分介紹監督學習，包括線性模型、決策樹分類、貝葉斯分類器、集成學習和支持向量機；第2部分介紹無監督學習，包括關聯規則、聚類分析和數據降維；第3部分介紹深度學習，包括神經網絡、深度學習和生成對抗網絡；第4部分介紹強化學習。本書所介紹的經典機器學習算法及其應用案例均給出了相關實驗數據和Python代碼實現，每章末尾還給出了習題和實驗題，便於讀者鞏固知識和開展課內實驗。 本書可作為高等學校信息類以及相關專業高年級本科生和研究生的教材，也可供對機器學習感興趣的工程技術人員閱讀參考。

本書通過500個實例,為讀者提供較為詳細的練習題目,以便讀者舉一反三,深度學習。本書實例涉 及的算法包括搜索、回溯、遞歸、排序、迭代、貪心、分治和動態規劃等;涉及的數據結構包括字符串、數組、 指針、區間、隊列、矩陣、堆棧、鏈表、哈希表、線段樹、二叉樹、二叉搜索樹和圖結構等。書中所有實例均以 問題描述、問題示例、代碼實現及運行結果的形式來編排。 本書語言簡潔,通俗易懂,適合作為Python編程人員的入門參考書,也適合作為高等院校相關專業 “Python算法實現”課程的參考教材。

本書主要有以下特點： （1）內容循序漸進。從Python的開發環境配置、基礎語法、程序控制結構、函數、文件、異常等操作出發到數據分析、處理，內容逐步深入，零基礎讀者也可以快速上手。 （2）案例豐富。本書在講解每個知識點時，都配以可運行的程序示例及其運行結果。讀者可以通過閱讀示例代碼及相應的注釋，理解相應的知識點。 （3）知識點與實踐結合。每章都提供了大量的課後練習題，供讀者實踐，以提高讀者解決實際問題的能力。 為方便教學，本書提供了所有例題和編程習題的程序源代碼，所有源代碼均可運行於Python3.X環境。 本書適合作為高等院校本、專科各專業的Python編程及數據分析的教材，也可供Python愛好者自學參考。

本書將引領讀者進入Python機器學習領域。機器學習是一套先進、深刻且內容豐富的算法集合，已成為數據科學中數據建模與分析的重要方法。Python是一款簡明、高效且功能強大的開源工具，也是數據科學實踐中最常用的計算機語言。學好機器學習的理論方法，掌握Python這個實用工具，是成長為數據科學人才所必需的。本書採用理論與實踐相結合的方式，理論上突出可讀性並兼具知識深度和廣度，實踐上強調可操作性並兼具應用廣泛性，對機器學習的原理部分進行了深入透徹的講解，對機器學習的算法部分給出了Python代碼，並且在各章中設置了Python編程示例。全彩呈現機器學習的數據建模可視化圖例(80多幅彩圖)，掃描書中相應二維碼即可查看。提供配套數據集、源代碼、教學PPT等學習資源，登錄華信教育資源網(www.hxedu.com.cn)即可免費下載。本書可作為高等院校機器學習、數據分析等專業課程的教材，也可作為數據科學應用研究者及對Python機器學習感興趣的數據建模與分析從業者的參考書。

“超簡單”系列圖書是為滿足廣大職場人士學習新型自動化辦公技術的需求而編寫的應用型教程，此前已陸續出版了《超簡單：用Python 讓Excel 飛起來》《超簡單：用Python 讓Excel 飛起來（實戰150例）》《超簡單：用Python 讓Excel 飛起來（核心模塊語法詳解篇）》《超簡單：用ython 讓WPS Office 飛起來》《超簡單：用VBA 讓Excel 飛起來》等圖書，受到眾多讀者的歡迎。這些圖書主要是基於編程來實現辦公自動化，鑒於讀者對象主要是編程基礎薄弱甚至從未接觸過編程的辦公人員，我們盡力採用通俗易懂的方式去講解知識點，但是由於水平所限，仍然有一部分讀者反映在學習過程中遇到了困難。2022 年11 月以來，以ChatGPT 為代表的人工智能（AI）工具如雨後春筍般湧現。在這一背景下，我們萌生了用AI 技術助力辦公的想法，由此編寫出了這本《超簡單：用Python+ChatGPT 讓Excel 飛起來》。本書旨在探討如何讓AI 工具與Python 編程語言“強強聯手”，幫助辦公人員以較低的學習門檻提升自身的Excel 應用能力，實現更智能、更高效的辦公自動化。全書共9 章，通過清晰的結構和豐富的案例，循序漸進地引導讀者探索AI 技術在Excel辦公自動化領域所開闢的一片新天地。

本書以任務為導向，較為全面地介紹了不同場景下Python爬取網絡數據的方法，包括靜態網頁、動態網頁、登錄後才能訪問的網頁、PC客戶端、App等場景。全書共7章，第1章介紹了爬蟲與反爬蟲的基本概念，以及Python爬蟲環境的配置，第2章介紹了爬取過程中涉及的網頁前端基礎，第3章介紹了在靜態網頁中爬取數據的過程，第4章介紹了在動態網頁中爬取數據的過程，第5章介紹了對登錄後才能訪問的網頁進行模擬登錄的方

本書介紹如何用流行的Python 圖像處理庫、機器學習庫和深度學習庫解決圖像處理問題。先介紹經典的圖像處理技術，然後探索圖像處理算法的演變歷程，始終緊扣圖像處理以及計算機視覺與深度學習方面的最新進展。全書共12 章，涵蓋圖像處理入門基礎知識、應用導數方法實現圖像增強、形態學圖像處理、圖像特徵提取與描述符、圖像分割，以及圖像處理中的經典機器學習方法等內容。本書適合Python 工程師和相關研究人員閱讀，也適合對計算機視覺、圖像處理、機器學習和深度學習感興趣的軟件工程師參考。

隨著科學技術的快速發展，信息技術在社會各個領域進行不斷深入運用和融合。“新工科”教改的一波浪潮之後，“新文科”教改也接踵而至。高校專業建設面臨著新的時代使命和挑戰，需培養出符合未來社會與經濟發展需求的新型人才。 本書通過大量實例，深入淺出地介紹了Python的基礎語法，讓讀者在解決實際問題的過程中，掌握Python語言程序設計的基礎和應用。通過案例引導讀者學習，弱化語法規則，突出領域應用，強調數據分析，讓非計算機專業的學生也能通過數據分析實踐感受人工智能的魅力。 全書共12章，主要內容有計算機科學基礎，Python入門，編程基礎，語句和控制結構，字符串、列表和元組，函數，字典和集合，文件及文件管理，模塊和面向對象，數據分析基礎，數據可視化基礎和其他常用庫介紹等。全書提供了大量應用實例，每章後均有練習題。 本書可作為高等院校各專業，特別是非計算機專業通識教育中計算機程序設計相關課程的教材，也可供各領域Python自學者參考和使用。

《機器學習與深度學習(基於Python實現)一書使用Python對人工智能機器學習中的相關知識進行了算法實現，並以這些知識為背景解釋了什麼是深度學習。具體內容包括初識機器學習、機器學習基礎、群智能與優化方法、神經網絡 和深度學習。因為沒有使用TensorFlow、PyTorch等任何程序庫，僅使用Python直接實現機器學習與深度學習的相關算法，可以讓讀者更好地理解和掌握機器學習與深度學習的算法原理和技術本質。 《機器學習與深度學習(基於 Pvthon 實現)》語言通俗易懂，代碼示例豐富。非常適合大中專院校計算機、人工智能相關專業學生以及所有對人工智能技術感興趣的程序員參考學習。

使用Python進行數據分析與可視化十分便利且高效，因此Python被認為是***的數據分析工具之一。本書以22個案例，由淺入深地介紹不同數據分析與可視化的應用和實現。僅通過這些案例並不能展示數據分析與可視化的全部精髓，而更多的應用也值得讀者在學到一定的基礎技能後進一步探索。 本書面向高等院校計算機科學、軟件工程、大數據、人工智能等相關專業的師生，以及Python語言初學者和數據分析從業人士。

最全面的 ChatGPT × Python 應用手冊！ AI 詠唱寫程式，打造超快速自動化技巧！ 學會對 AI 下指令，提升工作效能！ ChatGPT 詠唱技巧＋資料擷取術＋辦公室自動化 本書將帶你學會「網路爬蟲」和「辦公室自動化」的 Python 程式設計，並結合使用 ChatGPT 指令和提示，寫出各種不同應用的 Python 程式，成為 AI 指令達人。 本書介紹了網路爬蟲的流程到實作，首先分析 HTML 網頁結構及標籤，將資料擷取下來後進行資料處理與轉換，接著實際爬取天氣、電影、電商網頁。另外，本書的職場自動化技巧，包含彙整 Excel 資料、製作統計圖表、批次命名及移動圖片、自動寄開會通知信，讓你輕鬆駕馭日常工作，建立全方位的自動化辦公室！ 23 個自動化範例 ＋ 8 個套件 ＝ 活用資料擷取術、節省繁瑣工作 你將學會 ● 取得、剖析和擷取網頁資料 ● 將爬取的資料轉為 Excel 檔案 ● 用 ChatGPT 寫網路爬蟲程式，擷取不同類型的資料 ● 使用 openpyxl 和 pandas 繪製圖表 ● 自動建立與編輯 Word、PPT 內容 ● 撰寫客戶回應信件、產生 PDF 報表 ● 寫出 SQLite / MySQL 資料庫程式 ● 串接 ChatGPT API，讓你在 LINE 使用 AI 聊天機器人 適合讀者 本書適合想要快速學會 Python 和 ChatGPT 詠唱的程式新手，也適合對資料處理、資料分析與資料視覺化有需求的從業人員。 本書範例檔案 本書提供 Python 範例程式、完整的 ChatGPT 提示文字及產出程式碼。

本書為1+X職業技能等級證書配套系列教材之一，以《數據應用開發與服務(Python)職業技能等級標準(中、高級)》為依據，由北京中軟國際信息技術有限公司組織編寫。 本書採用項目化編寫模式，共分為5個項目：項目1介紹多源數據採集與存儲，主要利用Python語言對不同數據源的數據進行採集；項目2介紹數據處理，從數據探查、數據清洗和轉換、數據取樣以及數據檢驗4個方面演練典型的數據處理方法；項目3介紹數據建模與性能評估，在熟悉數據含義並對數據進行預處理的基礎上，構建並訓練如回歸、分類和聚類等機器學習模型，並對未知數據進行預測；項目4介紹特徵選取與模型優化，使用Python語言調用sklearn庫函數實現特徵提取與模型優化；項目5介紹模型應用開發，實現端到端的數據應用開發與服務，並且側重于將模型集成到一個完整的應用程序中。全書通過構建42個學習任務，引導學生掌握Python應用開發的綜合應用知識與技能，並培養其應用所學完成實際任務的能力。 本書配套微課視頻、電子課件(PPT)、任務源碼、習題解答等數字化學習資源。與本書配套的數字課程“數據應用開發與服務(Python)”在“智慧職教”平臺(www.icve.com.cn)上線，學習者可以登錄平臺進行在線學習，也可以通過掃描書中二維碼觀看教學視頻，詳見“智慧職教”服務指南。教師可發郵件至編輯郵箱1548103297@qq.com獲取相關教學資源。 本書可作為數據應用開發與服務(Python)1+X職業技能等級證書(中、高級)認證的相關教學和培訓教材，也可作為高等職業院校Python程序設計及大數據技術類課程的相關教學用書，還可供有一定Python數據分析基礎的開發人員自學參考，為將來從事與Python應用相關的多源數據採集、數據預處理、數據建模、數據可視化、特徵選取、模型優化、模型部署、模型應用開發等工作打下良好基礎。

本書基於面向 Python 的 OpenCV(OpenCV for Python)，介紹了圖像處理的方方面面。本書以 OpenCV 官方文檔的知識脈絡為主線，並對細節進行補充和說明。 書中不僅介紹了 OpenCV 函數的使用方法，還介紹了函數實現的算法原理。在介紹 OpenCV 函數的 使用方法時，提供了大量的程序示例。而且在介紹函數對圖像的處理前，往往先展示函數對數值、數組 的處理，方便讀者從數值的角度觀察和理解函數的處理過程和結果。在介紹具體的算法原理時，本書盡 量使用通俗易懂的語言和貼近生活的示例來說明問題，避免使用過多複雜抽象的公式。

機器學習作為實現人工智能的方法，是一種讓計算機具備學習能力的數理技術。《Python機器學習實例及代碼分析――識別·預測·異常檢測》就以 Python為工具，結合實例和代碼分析對機器學習中的異常檢測和系列數據分析技術進行了詳細解說。其中前半部分介紹了基本的分類器和預測器的使用方法，以便讀者能夠順利地進行機器學習實踐。後半部分以作者的研究經驗為基礎，介紹了一些應用於實際問題的例子。《Python機器學習實例及代碼分析――識別·預測·異常檢測》以解說實例源碼為中心，特別適合有一定編程基礎、對機器學習技術感興趣的高校學生學習，也適合將機器學習技術應用於實際業務的工程師參考。

Python資料視覺化 從2D到3D使用matplotlib實作 王者歸來 內容簡介 ★★★★★【國內作者第 1 本】【全彩印刷】【資料視覺化】★★★★★ ☆☆☆☆☆【國內作者第 1 本】【Python + matplotlib專業書籍】☆☆☆☆☆ 【32個主題】，【509個程式實例】 這本書的第一版書名是「matplotlib 2D到3D資料視覺化」，這版內容只是書名更改，整本書內容如下： ★ 完整解說操作matplotlib需要的Numpy知識 ☆ 認識座標軸與圖表內容設計 ★ 繪製多個圖表 ☆ 圖表的註解 ★ 建立與徹底認識圖表數學符號 ☆ 折線圖與堆疊折線圖 ★ 散點圖 ☆ 色彩映射Color mapping ★ 色彩條Colorbars ☆ 建立數據圖表 ★ 長條圖與橫條圖 ☆ 直方圖 ★ 圓餅圖 ☆ 箱線圖 ★ 極座標繪圖 ☆ 階梯圖 ★ 棉棒圖 ☆ 影像金字塔 ★ 間斷長條圖 ☆ 小提琴圖 ★ 誤差條 ☆ 輪廓圖 ★ 箭袋圖 ☆ 幾何圖形 ★ 表格製作 ☆ 基礎3D繪圖 ★ 3D曲面設計 ☆ 3D長條圖 ★ 設計動畫 整本書程式實例豐富，相信讀者只要遵循本書內容必定可以在最短時間精通使用Python + matplotlib完成資料視覺化。

數據科學和機器學習已經深度融合到我們生活的方方面面，而數學正是開啟未來大門的鑰匙。不是所 有人生來都握有一副好牌，但是掌握“數學 編程 機器學習”絕對是王牌。這次，學習數學不再是為了考試、分數、升學，而是投資時間、自我實現、面向未來。為了讓大家學數學、用數學，甚至愛上數學， 在創作這套書時，作者儘量克服傳統數學教材的各種弊端，讓大家學習時有興趣、看得懂、有思考、更自信、用得著。《數學要素：全彩圖解 微課 Python編程》打破數學板塊的藩籬，將算數、代數、線性代數、幾何、解析幾何、概率統計、微積分、優化方法等板塊有機結合在一起。從加、減、乘、除四則運算講起，主要內容包括：第 1、2 章講解向量和矩陣的基本運算；第 3 章講解常用幾何知識；第 4 章講解代數知識；第 5、6 兩章介紹坐標系；第 7、8、9 三章介紹解析幾何；第 10 章到第 14 章都是圍繞函數展開；第 15 章到第 19 章講解微積分以及優化問題內容；第20、21 兩章是概率統計入門；《數學要素：全彩圖解 微課 Python編程》最後四章以線性代數收尾。《數學要素：全彩圖解 微課 Python編程》內容編排上突出“圖解 編程 機器學習應用”。講解一些特定數學工具時，《數學要素：全彩圖解 微課 Python編程》會穿插介紹其在數據科學和機器學習領域應用場景，讓大家學以致用。《數學要素：全彩圖解 微課 Python編程》雖標榜“從加減乘除到機器學習”，但是建議讀者至少具備高中數學知識。如果讀者正在學習或曾經學過大學數學 ( 微積分、線性代數、概率統計 )，就更容易讀了。

在大數據和人工智能時代，大數據對科學研究的重要性日益顯現。本書基於Python這一學習難度較小的編程語言，選取勞動科學這一視角，系統介紹了如何對大數據進行收集、處理及分析。由淺入深是本書的一個特點。全書分為四個部分共 20 章，第一部分介紹了Python基礎知識，第二部分介紹了Python數據處理，第三部分介紹了爬蟲基礎知識，第四部分介紹了爬蟲技術應用的具體例子。內容豐富、易於理解是本書的另一個特點。本書以應用為目的，每部分內容都給出了詳細的代碼，便於讀者掌握數據挖掘技術。書中列舉了很多通俗易懂的例子，幫助讀者更好地理解各章內容。本書實踐性強，配套教輔資源豐富，適合用作文科專業本科生、研究生教材，也適合對Python感興趣的人員自學。

本書為數據結構課程教學現實需要而編寫，重點介紹各種數據結構的邏輯特性和物理表示法，定義了相應算法，並用 Python 語言進行實現。本書共分為8章，包括緒論， Python 語言基礎，線性表，棧、隊列和串，樹，圖，排序和散列。本書采遵循由易到難、循序漸進、前後銜接自然的原則，將問題脈絡交代清楚，幫助讀者理解掌握各種數據結構的實質。 本書內容豐富、實用性強，既可作為高等學校數據結構課程的教材，又可供社會各類計算機應用人員閱讀參考。

本書通過案例、課業任務、項目等形式全面介紹了Python語言的相關知識點。全書共11章，主要講解Python語言、開發環境、語法、基本數據類型、程序控制結構、組合數據類型、函數和模塊、面向對象和異常處理、文件和數據組織、內置標準庫以及第三方庫等，最後介紹了一個人工智能相關的語音處理項目。每章都有大量的案例，並設置了課業任務，做到從案例到任務，到最後的項目，層層遞進，環環相扣，幫助讀者消化知識，提高學習興趣。 本書可作為高等學校程序設計語言教材，也可作為程序設計愛好者的參考書。

本书在理论方面和实践方面都讲解得浅显易懂，能够让读者快速上手，一步步学会使用Python与Excel相结合进行数据处理与分析。 全书内容分3个部分共12章。第1~4章为入门部分，主要介绍什么是数据分析，以及Python的编程环境和基础语法知识。第5~9章为进阶部分，主要介绍数据处理和分析的各种方法。第10~12章为实战部分，这部分的3个实例综合了本书前面部分的知识点，介绍了如何结合Python与Excel在实际工作中进行数据处理与分析操作。 本书内容由浅入深，且配有案例的素材文件和代码文件，便于读者边学边练。本书还创新性地将ChatGPT引入教学当中，给读者带来全新的学习方式。本书既适合Python和数据分析的初学者学习，也适合希望从事数据分析相关行业的读者学习，还可作为广大职业院校数据分析培训相关专业的教材参考用书。

Python + ChatGPT 零基礎 + 高效率 學程式設計與運算思維 第3版 ★★★★★【國內第1本ChatGPT輔助學習Python】★★★★★ ★★★★★【Google Colab環境解說】★★★★★ ★★★★★【第1本用ChatGPT語言模型】★★★★★ ★★★★★【設計線上AI客服】★★★★★ ★★★★★【第1本講解設計Pythonic程式】★★★★★ 本書特色如下： 相較於第2版，第3版新增與修訂下列內容： ★ 解說ChatGPT/GPT-4 ☆ 每一章節皆有ChatGPT輔助學習Python解說與實作 ★ Python在Google Colab環境完整解說，特別是中文資料的應用 ☆ 培養程式設計的好習慣，從零開始解說Python程式設計風格 ★ 迴歸分析基礎觀念 ☆ 更完整的數據科學與機器學習知識 ★ 機器學習使用scikit-learn入門 ☆ 用ChatGPT語言模型設計「線上AI客服中心」 ★ 小細節修訂約200處 本書用約700個一般實例與程式實例，同時使用ChatGPT輔助學習，講解了下列知識： ★ 科技與人工智慧知識融入內容 ☆ 完整Python語法 ★ 串列、元組、字典、集合 ☆ 經緯度計算城市間的距離 ★ 數學方法計算圓週率 ☆ 生成式generator ★ 函數與類別設計 ☆ 設計與使用自己的模組、使用外部模組 ★ 中文Windows預設cp950與國際通用utf-8格式的檔案讀寫 ☆ 程式除錯與異常處理 ★ 正則表達式 ☆ 影像處理 ★ Numpy ☆ CSV文件 ★ 2D ~ 3D的Matplotlib中英文靜態與動態圖表繪製 ☆ 網路爬蟲 ★ 人工智慧破冰之旅 ☆ 迴歸分析 ★ 機器學習使用scikit-learn入門 ☆ 使用ChatGPT語言模型設計「線上AI客服中心」 ※ 本書部分實例可至深智官網下載：deepmind.com.tw

當讀者決定學習程序設計語言時， 選擇正確的方式開始學習至關重要。第一步非常重要， 因為第一步決定了讀者對程序設計主題的掌握程度。本書關注python程序設計基礎的細節， 並已盡力涵 蓋了程序設計主題的每一個細節， 這樣讀者就不會有任何未決的疑問。python是一種非常簡單的程序設計語言， 建議讀者系統地學習。正確的學習方法是成功的關鍵。瞭解程序設計語言的主要特性和基本概念非常重要。本書涵蓋了有關python程序設計中幾乎所有的基本概念， 相信每一位讀者 (無論學生還是職業人士) 都會從本書提供的信息中受益匪淺。本書採用通俗易懂的語言進行編寫。 因此， 即使是初學者也能輕鬆地理解程序設計的概念。 本書不僅提供了許多示例代碼供讀者練習，還提供了一個詳細的題庫，為讀者參加各種考試或者面試做準備。

完全解析Python在量化資料統計分析上的應用⊙量化分析最佳實用手冊，淺顯易懂的理論說明＋實際範例操作。⊙章節以學位論文中調查與實驗研究法的撰寫流程安排，並附有題目可練習，教學循序漸進，易於上手。⊙本書範例資料檔可至五南圖書網頁：https://www.wunan.com.tw，輸入書號1H3L，即可找到下載處。透過Python程式設計與統計科學相關知能的學習，培養邏輯思考、系統化思考等運算思維能力。本書介紹免費軟體Python語言的pandas與相關套件在量化資料分析上的應用，共分為七章，分別是Python語言簡介、量表題目分析、量表信度與效度分析、平均數差異考驗、共變數分析、相關與迴歸以及卡方考驗。各章節均用淺顯易懂的文字與範例來說明量化資料的統計分析策略，可增進讀者的應用能力。

這本書先介紹了如何使用Ppandas在Python中進行數據操作，教您熟悉統計分析和繪圖技術。還將通過多個實踐測試，讓您學會使用Dask分析分佈在多台計算機上的數據。接著還將為您介紹如何在內存無法容納全部數據時，為繪圖聚合數據。本書還將帶領您探索Hadoop(HDFS和YARN)，它可幫助您處理更大的數據集。此外，這本書還介紹了Spark相關知識，並解釋了它如何與其他工具進行交互。Python大數據分析是為Python開發人員、數據分析師和數據科學家設計的，他們需要親自動手控制數據並將其轉化為有影響力的見解。書中關於統計度量和關系數據庫的基本知識將幫助您理解在本書中的各種概念。

本書主要介紹經典的機器學習算法的原理和改進，以及Python的實例實現。本書的內容可以分成三部分： 第一部分是機器學習概念篇(第1章)，充分介紹機器學習的相關概念，並且對機器學習的各種算法進行分類，以便讀者對機器學習的知識框架有整體的瞭解，從而在後續的學習中更容易接受機器學習涉及的各類算法； 第二部分是Python機器學習基礎篇(第2章和第3章)，簡單介紹Python的基本使用方法、機器學習庫scikitlearn和人工智能工具集OpenAI Gym； 第三部分是機器學習算法與Python實踐篇(第4～19章)，對監督學習、無/非監督學習、強化學習三大類常用算法逐一講解，包括機器學習算法的原理、算法的優缺點、算法的實例解釋以及Python的實踐應用。 本書適合對人工智能、機器學習感興趣的讀者，希望用機器學習完成設計的計算機或電子信息專業的學生，準備開設機器學習、深度學習實踐課的授課老師，學習過C語言，且希望進一步提高編程水平的開發者，剛從事機器學習、語音、機器視覺、智能機器人研發的算法工程師閱讀。

本书共12章，包括Python概述，Python语言基础，基础数据结构，函数与模块，面向对象程序设计，NumPy数据分析，数据可视化，基础算法分析与实现，机器学习概述，回归分析，分类算法，聚类算法。

《Python機器學習項目實戰》引領大家在構建實際項目的過程中，掌握關鍵的機器學習概念!使用機器學習，我們可完成客戶行為分析、價格趨勢預測、風險評估等任務。要想掌握機器學習，需要有優質的範例、清晰的講解和大量的練習。本書完全滿足這三點!本書展示了現實、實用的機器學習場景，並全面、清晰地介紹了機器學習的關鍵概念。在學習本書的過程中，讀者將會完成一些引人入勝的項目，比如使用線性回歸預測汽車價格，部署客戶流失預測服務等。讀者將**算法，學習在無服務器系統上部署機器學習應用，以及使用Kubernetes和Kubeflow服務模型等重要技術。大家埋頭苦學，親自動手，享受掌握機器學習技能的樂趣!主要內容●收集和清理訓練模型的數據●使用流行的Python工具，包括NumPy、Scikit-Learn和TensorFlow●將機器學習模型部署到生產環境中閱讀門檻讀者需要有Python編程技能，不需要具備機器學習知識。

《Python網絡爬蟲與數據分析從入門到實踐》從初學者的視角出發，以案例實操為核心，系統地介紹網絡爬蟲的原理、工具使用與爬取技術，並詳細講解數據分析的各種技巧。本書主要內容包括：Python基礎語法，數據分析工具NumPy、Pandas、Matplotlib的使用，網絡爬蟲庫Urllib、BeautifulSoup、Scrapy，正則表達式在網絡爬蟲中的應用，數據預處理與數據分析方法、中文文本處理、文本向量化技術，以及機器學習算法在數據分析中的應用。書中還給出了大量案例和項目，可以幫助讀者快速上手，提高實用技能。 《Python網絡爬蟲與數據分析從入門到實踐》內容豐富，注重實操，適用於網絡爬蟲崗位、數據分析崗位的初級工程師和各類工程技術人員，還可作為高校經濟、管理、人文社科、大數據等專業的教學用書。

本書詳細地介紹了Python的語法知識，並借助集成開發工具PyCharm，提升讀者的編程能力，訓練讀者的程序思維，讓其快速、輕鬆地掌握一門時下非常流行的編程語言。 全書共10章，分別是Python概述、Python基礎、字符串、流程控制語句、複合數據類型、函數與模塊、異常處理、面向對象編程、文件處理和綜合案例，書中所有知識點均給出了示例代碼和相關案例，輔助讀者理解相關概念及其應用。 本書可作為全國高等學校計算機類相關專業的教材，亦可作為高等學校各專業的通識教材，以及計算機編程愛好者的自學讀物。

本書在提供時間序列分析基本原理的基礎上， 重點對統計方法、 機器學習、 深度學習及其時間序列分析應用進行案例分析， 並提供了Python實例。本書還考慮了大數據背景下對海量時間序列數據的處理與分析方法， 對大數據分析引擎Apache Spark及其時間序列分析也提供了應用實例。 本書共包含4章， 組織結構如下: 第1章對時間序列分析方法進行概述； 第2章對統計方法及其時間序列分析進行介紹並提供Python實例； 第3章對機器學習及其時間序列分析進行介紹並提供Python實例； 第4章對深度學習及其時間序列分析進行介紹並提供Python實例。 本書主要為讀者提供快速的問題解決思路和一般策略， 未深入討論各類算法模型的底層原理、 推導過程及具體任務的優化改進。讀者可在本書提供的方法和源碼基礎上， 進行模型結構或算法流程優化和創新， 以滿足讀者在實際學習、 研究和工程應用中的需要。為保證代碼清晰明確， 本書執行PEP 8（python enterprise proposal 8）代碼格式。書中實例圍繞時間序列分析目標開展編程， 應用範圍較為廣泛， 有望滿足不同領域科研工作者及工程技術從業人員的使用需要， 既可作為本科生、 研究生相關課程教學教材， 也能作為相關領域工程人員的技術參考書。

設計模式是構建大型軟件系統zui強大的方法之一，優化軟件架構和設計已經逐漸成為軟件開發和維護過程中的一個重要課題。本書通過11章內容，全面揭示有關設計模式的內容，並結合Python語言進行示例化的解析。全書囊括單例設計模式、工廠模式、門面模式、代理模式、觀察者模式、命令模式、模板方法模式、複合模式、狀態設計模式以及反模式等多種設計模式。本書適合那些關注軟件設計原則，並想將you秀的設計模式應用到Python編程當中的讀者閱讀，也適合普通的軟件工程師、架構師參考。

本書是使用Python 進行深度學習實踐的一本初學指南。本書並未羅列大量的公式，而是通過一些實用的實際案例，以簡單直白的方式介紹深度神經網絡的兩項任務――分類和回歸，解析深度學習模型中的一些核心問題，以期讓讀者對深度學習的全貌有一個清晰的認識。本書共9 章，分別介紹了深度學習基礎理論、神經網絡基礎知識、構建定制化深度預測模型、性能提升技術、二元分類的神經網絡應用等內容，並借助Python 語言對基本算法和實現模型進行了探索。本書適合期望用較短時間在深度神經網絡領域初試牛刀的讀者，也適合深度學習的初學者以及業內人士參考。

本書以Python 3.8.2為基礎，不但介紹了Selenium 4.0 alpha 5的用法，而且介紹了測試模型、測試框架、測試策略方面的很多內容。本書共12章，內容主要包括Selenium自動化測試框架入門、Python環境的搭建、Selenium的安裝、Selenium IDE插件的安裝與使用、Selenium腳本的編寫、Selenium中的元素定位方法、自動化測試模型的搭建、自動化測試框架的設計、Docker命令，以及基於Docker與Selenium Grid的測試技術應用，基於Docker、Jenkins與Selenium實現分布式自動化測試的方法，Selenium在性能測試和安全性測試方面的應用等。本書適合從事開發、測試、運維等工作的專業人士閱讀。