Python – 最強入門ChatGPT助攻邁向數據科學之路 – 王者歸來（全彩印刷第四版） DM2342

Python最強入門

ChatGPT助攻

邁向數據科學之路

王者歸來

第4版(全彩印刷)

★★★★★【內容最多、範圍最廣】【39個主題】★★★★★

★★★★★【程式實例最多】【1265個Python實例】★★★★★

★★★★★【7大真實數據】+【機器學習專題實戰】★★★★★

★★★★★【420個是非題、選擇題】【295個習題實作題】★★★★★

    Python語言是基礎科學課程，撰寫這本書時採用下列原則。

1：強調Python語法內涵與精神。

2：用精彩程式實例解說。

3：科學與人工智慧知識融入內容。

4 : ChatGPT助攻

5：章節習題引導讀者複習與自我練習。

6 : 機器學習 - 真實數據 – 專題實戰

相較於第3版，第4版更增加Python深入解析、機器學習真實數據實戰，同時使用更細緻的實例，增加下列知識：

☆    深度解析sort( )和sorted( )

★ 徹底研究迭代器(iterator)、yield

☆    波士頓房價專題

★ 葡萄酒數據集專題

☆    鐵達尼號專題

★ 糖尿病數據集專題

☆    乳癌數據集專題

★ 手寫數字數據集專題

☆    PCA主成份分析專題

★ 其他修訂小細節超過100處

多次與教育界的朋友相聚，談到電腦語言的發展趨勢，大家一致公認Python已經是當今最重要的電腦語言了，幾乎所有知名公司，例如：Google、Facebook、…等皆已經將此語言列為必備電腦語言。了解許多人想學Python，市面上的書也不少了，但是許多人買了許多書，但是學習Python路上仍感障礙重重，原因是沒有選到好的書籍，市面上許多書籍的缺點是：

◎    Python語法講解不完整

◎    用C、C++、Java觀念撰寫實例

◎    Python語法的精神與內涵未做說明

◎    Python進階語法未做解說

◎    基礎實例太少，沒經驗的讀者無法舉一反三

◎    模組介紹不足，應用範圍有限

許多讀者因此買了一些書，讀完了，好像學會了，但到了網路看專家撰寫的程式往往看不懂。

就這樣我決定撰寫一本用豐富、實用、有趣實例完整且深入講解Python語法的入門書籍。其實這本書也是目前市面上講解Python書籍中語法最完整，當讀者學會Python後，本書將逐步帶領讀者邁向數據科學、機器學習之路。Python以簡潔著名，語法非常活，同時擁有非常多豐富、實用的模組，本書筆者嘗試將Python語法的各種用法用實例解說，同時穿插使用各種模組，以協助讀者未來可以更靈活使用Python，以奠定讀者邁向更高深學習的紮實基礎。

本書以約1010個程式實例和約255一般實例，講解紮實的Python語法，同時輔助約210道是非題、210道選擇題與約295程式實作題。讀者研讀完此書，相信可以學會下列知識：

★    內容穿插說明PEP 8風格，讀者可由此養成設計符合PEP 8風格的Python程式，這樣撰寫的程式可以方便自己與他人閱讀。

☆    拋棄C、C++、Java語法思維，將Python語法、精神功能火力全開

★    人工智慧基礎知識融入章節內容

☆    從bytes說起、編碼(encode)、解碼(decoding)，到精通串列(list)、元組(tuple)、字典(dict)、集合(set)

★    深度解析Sort( )和sorted( )

☆    徹底研究迭代器(iterator)、yield

★    完整解說Unicode字符集和utf-8依據Unicode字符集的中文編碼方式

☆    從小型串列、元組、字典到大型數據資料的建立

★    生成式(generator)建立Python資料結構，串列(list)、字典(dict)、集合(set)

☆    經緯度計算地球任2城市之間的距離，學習取得地球任意位置的經緯度

★    萊布尼茲公式、尼拉卡莎、蒙地卡羅模擬計算圓週率

☆    徹底解說讀者常混淆的遞迴式呼叫。

★    基礎函數觀念，也深入到嵌套、lambda、Decorator等高階應用

☆    Google有一篇大數據領域著名的論文，MapReduce:Simplified Data Processing on Large Clusters，重要觀念是MapReduce，筆者將對map( )和reduce( )完整解說，更進一步配合lambda觀念解說高階應用

★    設計與應用自己設計的模組、活用外部模組(module)

☆    設計加密與解密程式

★    Python處理文字檔案/二元檔案的輸入與輸出

☆    檔案壓縮與解壓縮

★    程式除錯(debug)與異常(exception)處理

☆    檔案讀寫與目錄管理

★    剪貼簿(clipboard)處理

☆    正則表達式(Regular Expression)

★    遞廻式觀念與碎形(Fractal)

☆    影像處理與文字辨識，更進一步說明電腦儲存影像的方法與觀念

★    認識中文分詞jieba與建立詞雲(wordcloud)設計

☆    GUI設計 - 實作小算盤

★    實作動畫與遊戲(電子書呈現)

☆    Matplotlib中英文靜態與動態2D ~ 3D圖表繪製

★    說明csv和json檔案

☆    繪製世界地圖

★    台灣股市資料擷取與圖表製作

☆    Python解線性代數

★    Python解聯立方程式

☆    Python執行數據分析

★    科學計算與數據分析Numpy、Pandas

☆    網路爬蟲

★    人工智慧破冰之旅 – KNN演算法

☆    機器學習 – 線性迴歸

★    機器學習 – scikit-learn

☆    KNN演算法、邏輯迴歸、線性與非線性支援向量機

★    決策樹

☆    隨機森林樹

★    波士頓房價

☆    葡萄酒數據集

★    鐵達尼號

☆    糖尿病數據集

★    乳癌數據集

☆    手寫數字數據集

★    PCA主成份分析

☆    完整函數索引，未來可以隨時查閱

一位跨越電腦作業系統與科技時代的電腦專家，著作等身的作家。

‰ DOS 時代他的代表作品是 IBM PC 組合語言、C、C++、Pascal、資料結構。

‰ Windows 時代他的代表作品是 Windows Programming 使用 C、Visual Basic。

‰ Internet 時代他的代表作品是網頁設計使用 HTML。

‰ 大數據時代他的代表作品是 R 語言邁向 Big Data 之路。

‰ AI 時代他的代表作品是機器學習 Python 實作。

‰ 通用 AI 時代，國內第 1 本 ChatGPT 作品的作者。

作品曾被翻譯為簡體中文、馬來西亞文，英文，近年來作品則是在北京清華大學

和台灣深智同步發行：

1：C、Java、Python、C#、R 最強入門邁向頂尖高手之路王者歸來

2：OpenCV 影像創意邁向AI 視覺王者歸來

3：Python 網路爬蟲：大數據擷取、清洗、儲存與分析王者歸來

4：演算法邏輯思維 + Python 程式實作王者歸來

5：matplotlib 從2D 到3D 資料視覺化

6：網頁設計HTML+CSS+JavaScript+jQuery+Bootstrap+Google Maps 王者歸來

7：機器學習彩色圖解 + 基礎數學、基礎微積分 + Python 實作王者歸來

8：Excel 完整學習、Excel 函數庫、Excel VBA 應用王者歸來

9：Python 操作Excel 最強入門邁向辦公室自動化之路王者歸來

10：Power BI 最強入門 – AI 視覺化+ 智慧決策+ 雲端分享王者歸來

他的多本著作皆曾登上天瓏、博客來、Momo 電腦書類，各個時期暢銷排行榜第

1 名，他的著作最大的特色是，所有程式語法或是功能解說會依特性分類，同時以實用

的程式範例做解說，不賣弄學問，讓整本書淺顯易懂，讀者可以由他的著作事半功倍

輕鬆掌握相關知識。

1-1 認識Python

1-2 Python 的起源

1-3 Python 語言發展史

1-4 Python 的應用範圍

1-5 變數—靜態語言與動態語言

1-6 系統的安裝與執行

1-7 程式註解

1-8 Python 彩蛋(Easter Eggs)

第2章　認識變數與基本數學運算

2-1 用Python 做計算

2-2 認識變數

2-3 認識程式的意義

2-4 認識註解的意義

2-5 變數的命名原則

2-6 基本數學運算

2-7 指派運算子

2-8 Python 等號的多重指定使用

2-9 Python的連接列（Line Continuation)

2-10 專題- 複利計算/ 計算圓面積與圓周長

第3章　Python 的基本資料型態

3-1 type( ) 函數

3-2 數值資料型態

3-3 布林值資料型態

3-4 字串資料型態

3-5 字串與字元

3-6 bytes 資料

3-7 專題- 地球到月球時間計算/ 計算座標軸2點之間距離

第4章　基本輸入與輸出

4-1 Python 的輔助說明help( )

4-2 格式化輸出資料使用print( )

4-3 輸出資料到檔案

4-4 資料輸入input( )

4-5 處理字串的數學運算eval( )

4-6 列出所有內建函數dir( )

4-7 專題- 溫度轉換/ 房貸問題/ 緯度距離/ 雞兔同籠

第5章　程式的流程控制使用if 敘述

5-1 關係運算子

5-2 邏輯運算子

5-3 if 敘述

5-4 if ⋯ else 敘述

5-5 if ⋯ elif ⋯ else 敘述

5-6 專題-BMI/ 猜數字/ 方程式/ 火箭升空/ 閏年

第6 章　串列(List)

6-1 認識串列(list

6-2 Python 物件導向觀念與方法

6-3 串列元素是字串的常用方法

6-4 增加與刪除串列元素

6-5 串列的排序

6-6 進階串列操作

6-7 串列內含串列

6-8 串列的賦值與切片拷貝

6-9 再談字串

6-10 in 和not in 運算式

6-11 is 或is not 運算式

6-12 enumerate 物件

6-13 專題 大型串列/ 認識凱薩密碼

第7章　迴圈設計

7-1 基本for 迴圈

7-2 range( ) 函數

7-3 進階的for 迴圈應用

7-4 while 迴圈

7-5 enumerate 物件使用for 迴圈解析

7-6 專題 購物車設計/ 圓周率/ 雞兔同籠/ 國王的麥粒/ 電影院劃位

第8章　元組(Tuple)

8-1 元組的定義

8-2 讀取元組元素

8-3 遍歷所有元組元素

8-4 修改元組內容產生錯誤的實例

8-5 可以使用全新定義方式修改元組元素

8-6 元組切片(tuple slices)

8-7 方法與函數

8-8 串列與元組資料互換

8-9 其它常用的元組方法

8-10 enumerate 物件使用在元組

8-11 使用zip( ) 打包多個物件

8-12 生成式(generator)

8-13 製作大型的元組資料

8-14 元組的功能

8-15 專題 認識元組/ 打包與解包/bytes與bytearray

第9章　字典(Dict)

9-1 字典基本操作

9-2 遍歷字典

9-3 建立字典串列

9-4 字典內鍵的值是串列

9-5 字典內鍵的值是字典

9-6 字典常用的函數和方法

9-7 製作大型的字典資料

9-8 專題　文件分析/ 字典生成式/ 星座/ 凱薩密碼/ 摩斯密碼

第10章　集合(Set)

10-1 建立集合

10-2 集合的操作

10-3 適用集合的方法

10-4 適用集合的基本函數操作

10-5 凍結集合frozenset

10-6 專題　夏令營程式/ 程式效率/ 集合生成式/ 雞尾酒實例

第11章　函數設計

11-1 Python 函數基本觀念

11-2 函數的參數設計

11-3 函數傳回值

11-4 呼叫函數時參數是串列

11-5 傳遞任意數量的參數

11-6 進一步認識函數

11-7 遞迴式函數設計recursive

11-8 區域變數與全域變數

11-9 匿名函數lambda

11-10 pass 與函數

11-11 type 關鍵字應用在函數

11-12 設計生成式函數與建立迭代器

11-13 裝飾器(Decorator)

11-14 專題 函數的應用/ 質數

11-15 專題 歐幾里德演算法

第12章　類別– 物件導向的程式設計

12-1 類別的定義與使用

12-2 類別的訪問權限 – 封裝(encapsulation)

12-3 類別的繼承

12-4 多型(polymorphism)

12-5 多重繼承

12-6 type 與instance

12-7 特殊屬性

12-8 類別的特殊方法

12-9 專題：幾何資料的應用

第13章　設計與應用模組

13-1 將自建的函數儲存在模組中

13-2 應用自己建立的函數模組

13-3 將自建的類別儲存在模組內

13-4 應用自己建立的類別模組

13-5 隨機數random 模組

13-6 時間time 模組

13-7 系統sys 模組

13-8 keyword 模組

13-9 日期calendar 模組

13-10 幾個增強Python 功力的模組

13-11 專題設計　賭場遊戲騙局/ 蒙地卡羅模擬/ 文件加密

第14章　檔案輸入/ 輸出與目錄的管理

14-1 資料夾與檔案路徑

14-2 os 模組

14-3 os.path 模組

14-4 獲得特定工作目錄內容glob

14-5 讀取檔案

14-6 寫入檔案

14-7 讀取和寫入二進位檔案

14-8 shutil 模組

14-9 安全刪除檔案或目錄send2trash( )

14-10 檔案壓縮與解壓縮zipfile

14-11 再談編碼格式encoding

14-12 剪貼簿的應用

14-13 專題設計 分析檔案/ 加密檔案

第15章　程式除錯與異常處理

15-1 程式異常

15-2 設計多組異常處理程序

15-3 丟出異常

15-4 紀錄Traceback 字串

15-5 finally

15-6 程式斷言assert

15-7 程式日誌模組logging

15-8 程式除錯的典故

第16章　正則表達式Regular Expression

16-1 使用Python 硬功夫搜尋文字

16-2 正則表達式的基礎

16-3 更多搜尋比對模式

16-4 貪婪與非貪婪搜尋

16-5 正則表達式的特殊字元

16-6 MatchObject 物件

16-7 搶救CIA 情報員-sub( ) 方法

16-8 處理比較複雜的正則表示法

第17章　用Python 處理影像檔案

17-1 認識Pillow 模組的RGBA

17-2 Pillow 模組的盒子元組(Box tuple)

17-3 影像的基本操作

17-4 影像的編輯

17-5 裁切、複製與影像合成

17-6 影像濾鏡

17-7 在影像內繪製圖案

17-8 在影像內填寫文字

17-9 專題 – 建立QR code/ 辨識車牌與建立停車場管理系統

第18章　開發GUI 程式使用tkinter

18-1 建立視窗

18-2 標籤Label

18-3 視窗元件配置管理員Layout Management

18-4 功能鈕Button

18-5 變數類別

18-6 文字方塊Entry

18-7 文字區域Text

18-8 捲軸Scrollbar

18-9 選項鈕Radiobutton

18-10 核取方塊Checkbutton

18-11 對話方塊messagebox

18-12 圖形PhotoImage

18-13 尺度Scale 的控制

18-14 功能表Menu 設計

18-15 專題- 設計小算盤

第19章　詞雲設計

19-1 安裝wordcloud

19-2 我的第一個詞雲程式

19-3 建立含中文字詞雲結果失敗

19-4 建立含中文字的詞雲

19-5 進一步認識jieba 模組的分詞

19-6 建立含圖片背景的詞雲

第20章　數據圖表的設計

20-1 認識matplotlib.pyplot 模組的主要函數

20-2 繪製簡單的折線圖plot( )

20-3 繪製散點圖scatter( )

20-4 Numpy 模組基礎知識

20-5 色彩映射color mapping

20-6 繪製多個圖表

20-7 建立畫布與子圖表物件

20-8 長條圖的製作bar()

20-9 圓餅圖的製作pie( )

20-10 設計2D 動畫

20-11 專題　數學表達式/ 輸出文字/ 圖表註解

第21章　JSON 資料與繪製世界地圖

21-1 JSON 資料格式前言

21-2 認識json 資料格式

21-3 將Python 應用在json 字串形式資料

21-4 將Python 應用在json 檔案

21-5 簡單的json 檔案應用

21-6 世界人口數據的json 檔案

21-7 繪製世界地圖

21-8 環保署空氣品質JSON 檔案實作

第22章　使用Python 處理CSV 文件

22-1 建立一個CSV 文件

22-2 開啟「utf-8」格式CSV 檔案

22-3 csv 模組

22-4 讀取CSV 檔案

22-5 寫入CSV 檔案

22-6 專題- 使用CSV 檔案繪製氣象圖表

22-7 台灣股市數據

22-8 Python 與Microsoft Excel

第23章　Numpy 模組的基礎知識

23-1 陣列ndarray

23-2 Numpy 的資料型態

23-3 建立一維或多維陣列

23-4 一維陣列的四則運算與基礎操作

23-5 用切片提取一維陣列的元素

23-6 多維陣列的索引與切片

23-7 陣列的拷貝與檢視

23-8 更改陣列外形

23-9 陣列分割

23-10 陣列合併與堆疊

第24章　基礎統計與隨機數

24-1 母體與樣本

24-2 數據加總

24-3 數據分佈

24-4 數據中心指標

24-5 數據分散指標

24-6 符號運算規則與驗證

24-7 活用 符號

24-8 迴歸分析

24-9 隨機函數的分佈

第25章　Numpy 的數學運算與3D 繪圖

25-1 基礎數學函數

25-2 三角函數

25-3 指數與對數函數

25-4 陣列處理函數

25-5 陣列資料排序

25-6 向量運算

25-7 矩陣運算

25-8 簡單線性代數運算

25-9 線性插入函數

25-10 Numpy 的廣播功能

25-11 檔案的輸入與輸出

25-12 專題 – 3D 繪圖到3D 動畫

25-13 專題 – 遮罩觀念與數據分類

第26章　Pandas 入門

26-1 Series

26-2 DataFrame

26-3 基本Pandas 資料分析與處理

26-4 讀取與輸出CSV 檔案

26-5 讀取與輸出Excel 檔案

第27章　Pandas 視覺化資料與時間序列

27-1 Pandas 繪圖

27-2 時間序列(Time Series)

27-3 專題：鳶尾花

第28章　網路爬蟲

28-1 上網不再需要瀏覽器了

28-2 下載網頁資訊使用requests 模組

28-3 檢視網頁原始檔

28-4 解析網頁使用BeautifulSoup 模組

28-5 網路爬蟲實戰

第29章　用Python 操作台灣股市

29-1 Stock( ) 建構元

29-2 Stock 物件屬性

29-3 Stock 物件方法

29-4 取得單一股票之即時資料realtime.get( )

第30章　Sympy 模組與符號運算

30-1 定義符號

30-2 解方程式

30-3 解聯立方程式

30-4 微分與Sympy

30-5 積分與Sympy

30-6 Sympy 模組的繪圖功能

第31章　人工智慧破冰之旅-KNN 演算法

31-1 將畢氏定理應用在性向測試

31-2 電影分類

31-3 選舉造勢與銷售烤香腸

第32章　機器學習使用scikit-learn 入門

32-1 網路購物數據調查

32-2 使用scikit-learn 模組計算決定係數

32-3 預測未來值

32-4 人工智慧、機器學習、深度學習

32-5 認識scikit-learn 數據模組datasets

32-6 監督學習 – 線性迴歸

32-7 scikit-learn 產生數據

32-8 常見的監督學習分類器

32-9 無監督學習 – 群集分析

第33章　動畫與遊戲(電子書)

33-1 繪圖功能

33-2 尺度控制畫布背景顏色

33-3 動畫設計

33-4 反彈球遊戲設計

33-5 專題- 使用tkinter 處理謝爾賓斯基三角形

第34章　機器學習專題 – 波士頓房屋

34-1 從線性迴歸到多元線性迴歸

34-2 簡單資料測試

34-3 波士頓房屋數據集

第35章　機器學習專題 – 葡萄酒數據

35-1 認識葡萄酒數據

35-2 使用KNN 演算法執行葡萄酒分類

35-3 使用邏輯迴歸演算法執行葡萄酒分類

第36章　機器學習專題 – 鐵達尼號

36-1 程式設計必備知識one-hot 編碼

36-2 認識鐵達尼號Titanic 數據集

36-3 鐵達尼號專題實作 – 邏輯回歸

36-4 鐵達尼號專題實作 – 決策樹

第37章　機器學習專題 – 糖尿病

37-1 認識糖尿病數據集

37-2 多元線性迴歸處理糖尿病數據

第38章　機器學習專題 – 乳癌數據

38-1 認識乳癌數據集

38-2 支援向量機處理乳癌數據

第39章　機器學習專題 – 手寫數字

39-1 認識手寫數字數據集

39-2 隨機森林樹處理手寫數字數據集

39-3 PCA 主成份分析

附錄A 安裝Python (電子書)

附錄B Anaconda、Spider 和Jupyter Notebook (電子書)

附錄C Google Colab 雲端開發環境 (電子書)

附錄D 指令、函數、方法與專有名詞索引

附錄E 安裝第三方模組 (電子書)

附錄F RGB 色彩表 (電子書)

附錄G 本書是非題/ 選擇題解答與實作題的執行結果 (電子書)

附錄H ASCII 碼 (電子書)

附錄I ChatGPT 協助學習Python (電子書)

同時使用更細緻的實例，增加下列知識：

‰ ChatGPT 助攻學習

‰ 中文編碼與 ANSI 編碼，Code Page 950(cp950) 的意義

‰ 使用 locals( ) 和 isinstance( ) 了解變數的資料類型

‰ 深度解析 sort( ) 和 sorted( )

‰ 深度解析迭代器 (iterator)、yield 關鍵字

‰ 解說「utf-8」與「含 BOM 的 utf -8」，對於 txt 檔案與 csv 檔案的差異

‰ 講解使用 Excel 開啟「utf -8」格式的 csv 檔案的方法

‰ 「理論」+「實作」機器學習專題

‰ 波士頓房價

‰ 葡萄酒數據集

‰ 鐵達尼號

‰ 糖尿病數據集

‰ 乳癌數據集

‰ 手寫數字數據集

‰ PCA 主成份分析

‰ 其他修訂小細節超過 100 處

多次與教育界的朋友相聚，談到電腦語言的發展趨勢，大家一致公認Python 已經

是當今最重要的電腦語言了，幾乎所有知名公司，例如：Google、Facebook、⋯等皆

已經將此語言列為必備電腦語言。了解許多人想學Python，市面上的書也不少了，但

是許多人買了許多書，但是學習Python 路上仍感障礙重重，原因是沒有選到好的書籍，

市面上許多書籍的缺點是：

‰ Python 語法講解不完整

‰ 用 C、C++、Java 觀念撰寫實例

‰ Python 語法的精神與內涵未做說明

‰ Python 進階語法未做解說

‰ 基礎實例太少，沒經驗的讀者無法舉一反三

‰ 模組介紹不足，應用範圍有限

許多讀者因此買了一些書，讀完了，好像學會了，但到了網路看專家撰寫的程式

往往看不懂。

就這樣我決定撰寫一本用豐富、實用、有趣實例完整且深入講解Python 語法的

入門書籍。其實這本書也是目前市面上講解Python 書籍中語法最完整，當讀者學會

Python 後，本書將逐步帶領讀者邁向數據科學、機器學習之路。

Python 以簡潔著名，語法非常活，同時擁有非常多豐富、實用的模組，本書筆者

嘗試將Python 語法的各種用法用實例解說，同時穿插使用各種模組，以協助讀者未來

可以更靈活使用Python，以奠定讀者邁向更高深學習的紮實基礎。

本書以約995 個程式實例和約270 個一般實例，講解紮實的Python 語法，同時

輔助約210 道是非題、210 道選擇題與約295 道程式實作題。讀者研讀完此書，相信

可以學會下列知識：

‰ 內容穿插說明PEP 8風格，讀者可由此養成設計符合PEP 8風格的Python程式，

這樣撰寫的程式可以方便自己與他人閱讀。

‰ 拋棄 C、C++、Java 語法思維，將 Python 語法、精神功能火力全開

‰ 人工智慧基礎知識融入章節內容

‰ 從bytes說起、編碼(encode)、解碼(decoding)，到精通串列(list)、元組(tuple)、

字典(dict)、集合(set)

‰ 完整解說 Unicode 字符集和 utf-8 依據 Unicode 字符集的中文編碼方式

‰ 徹底解說 utf-8 和 Code Page 950(cp950) 之 ANSI 中文資料

‰ 從小型串列、元組、字典到大型數據資料的建立

‰ 生成式 (generator) 建立 Python 資料結構，串列 (list)、字典 (dict)、集合 (set)

‰ 經緯度計算地球任 2 城市之間的距離，學習取得地球任意位置的經緯度

‰ 萊布尼茲公式、尼拉卡莎、蒙地卡羅模擬計算圓週率

‰ 從大型資料深度解說 sort( ) 和 sorted( )

‰ 徹底解說讀者常混淆的遞迴式呼叫

‰ 基礎函數觀念，也深入到嵌套、lambda、Decorator 等高階應用

‰ Google 有一篇大數據領域著名的論文，MapReduce:Simplified Data Processing

on Large Clusters，重要觀念是MapReduce，筆者將對map( ) 和reduce( ) 完

整解說，更進一步配合lambda 觀念解說高階應用

‰ 徹底解說 iterator 和 yield

‰ 設計與應用自己設計的模組、活用外部模組 (module)

‰ 設計加密與解密程式

‰ Python 處理文字檔案 / 二元檔案的輸入與輸出

‰ 檔案壓縮與解壓縮

‰ 程式除錯 (debug) 與異常 (excep􀆟on) 處理

‰ 檔案讀寫與目錄管理

‰ 剪貼簿 (clipboard) 處理

‰ 正則表達式 (Regular Expression)

‰ 遞廻式觀念與碎形 (Fractal)

‰ 影像處理與文字辨識，更進一步說明電腦儲存影像的方法與觀念

‰ 認識中文分詞 jieba 與建立詞雲 (wordcloud) 設計

‰ GUI 設計 - 實作小算盤

‰ 實作動畫與遊戲 ( 電子書呈現 )

‰ Matplotlib 中英文靜態與動態 2D ~ 3D 圖表繪製

‰ 說明 csv 和 json 檔案

‰ 繪製世界地圖

‰ 台灣股市資料擷取與圖表製作

‰ Python 解線性代數

‰ Python 解聯立方程式

‰ Python 執行數據分析

‰ 科學計算與數據分析 Numpy、Pandas

‰ 網路爬蟲

‰ 人工智慧破冰之旅 – KNN 演算法

‰ 機器學習 – 線性迴歸

‰ 機器學習 – scikit-learn

‰ KNN 演算法、邏輯迴歸、線性與非線性支援向量機

‰ 決策樹

‰ 隨機森林樹

‰ 完整解說波士頓房價、葡萄酒、鐵達尼號、糖尿病、乳癌、手寫數字數據集

‰ 完整函數索引，未來可以隨時查閱

寫過許多的電腦書著作，本書沿襲筆者著作的特色，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Python 設計，編著本書雖力求完美，但是學

經歷不足，謬誤難免，尚祈讀者不吝指正。

洪錦魁2023-05-15