描述
內容簡介
|
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 |
作者
| 洪錦魁
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。 |
目錄
| 第1章 基本觀念
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) |
序
| 相較於第3 版，第4 版更加強數據科學與機器學習的內容，與相關模組的操作，
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 (excepon) 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 |
