相關主題
商品描述
本書是一本系統、實用的Python編程入門教材，旨在幫助讀者在數字化與智能化時代構建核心計算思維與編程能力。全書緊扣 Python 3.12 最新標準，所有示例與案例均基於該版本嚴格編寫與測試，確保實踐體驗的先進性與一致性。本書共11章。第1章為Python語言概述，主要介紹其發展歷程、語言特性及環境部署，助您完成第一個程序；第2章至第3章詳細講解數值、字符串、列表等核心數據類型，以及運算符與表達式的使用，夯實編程基石；第4章深入探討控制結構，包括分支與循環語句，讓程序具備邏輯判斷能力；第5章講解函數的定義與參數傳遞，提升代碼的模塊化水平；第6章剖析面向對象程序設計，掌握封裝、繼承與多態的核心思想；第7章介紹文件讀寫與異常處理，提升程序的健壯性；第8章至第9章引入Pandas與Matplotlib庫，講解數據清洗、處理及直觀的可視化表達；第10章介紹數據庫連接與操作，打通數據存儲環節；第11章通過機器學習案例，帶領讀者初步體驗人工智能的魅力。本書秉持“案例驅動”的教學理念，通過大量貼近實戰的實例，將抽象語法轉化為解決實際問題的能力。書中配套有教學大綱、教學課件、源代碼及習題解答等數字化教學資源，讀者可登錄華信教育資源網免費下載。本書可作為高等院校相關專業的Python編程教材，也可供地理信息系統（GIS）、數據科學等跨學科背景的學習者以及廣大Python初學者參考閱讀。
目錄大綱
目 錄
第1章 Python語言概述 1
1.1 Python語言簡介 2
1.1.1 初步了解Python語言 2
1.1.2 Python語言流行的原因 3
1.1.3 Python語言的發展歷程 4
1.1.4 Python語言的版本差異 5
1.1.5 Python語言的特性總結 5
1.2 Python開發環境的部署 6
1.2.1 安裝Python解釋器 6
1.2.2 安裝PyCharm 10
1.3 編寫第一個Python程序 12
1.3.1 創建項目 12
1.3.2 編寫代碼 13
1.3.3 提前認識輸入/輸出函數 14
1.3.4 註釋 16
1.4 本章小結 17
1.5 本章習題 17
1.6 實踐練習 18
第2章 基本數據類型 19
2.1 變量的定義與使用 20
2.1.1 認識變量 20
2.1.2 變量的命名規則 21
2.2 數據類型概述 22
2.2.1 數值類型 22
2.2.2 布爾類型 27
2.2.3 字符串 27
2.2.4 列表 33
2.2.5 元組 39
2.2.6 集合 41
2.2.7 字典 43
2.2.8 數據類型的轉換 46
2.2.9 數據類型的差異與用途 47
2.3 本章小結 47
2.4 本章習題 47
2.5 實踐練習 48
第3章 運算符和表達式 50
3.1 運算符 51
3.1.1 算術運算符 52
3.1.2 賦值運算符 53
3.1.3 比較運算符 54
3.1.4 邏輯運算符 55
3.1.5 位運算符 56
3.1.6 身份運算符 58
3.1.7 成員運算符 59
3.1.8 運算符優先級 60
3.2 表達式 62
3.2.1 表達式的概念 62
3.2.2 表達式的組成 62
3.3 本章小結 63
3.4 本章習題 63
3.5 實踐練習 64
第4章 控制結構 65
4.1 控制結構簡介 66
4.2 分支結構 66
4.2.1 if語句 67
4.2.2 match語句 71
4.2.3 三元條件運算符 73
4.3 循環結構 74
4.3.1 for循環 74
4.3.2 while循環 80
4.3.3 循環控制語句 84
4.3.4 推導式循環語句 86
4.4 本章小結 87
4.5 本章習題 88
4.6 實踐練習 88
第5章 函數 90
5.1 函數概述 91
5.1.1 認識函數 91
5.1.2 函數調用 92
5.2 傳遞實參 94
5.2.1 位置實參 94
5.2.2 關鍵字實參 95
5.2.3 默認值 95
5.2.4 可變位置參數（*args） 96
5.2.5 可變關鍵字參數（**kwargs） 97
5.3 返回值 97
5.3.1 return語句 98
5.3.2 返回None 98
5.3.3 返回多個值 99
5.4 Lambda匿名函數 100
5.5 本章小結 101
5.6 本章習題 102
5.7 實踐練習 102
第6章 面向對象程序設計 104
6.1 面向對象編程概述 105
6.1.1 什麼是面向對象程序設計 105
6.1.2 面向對象與面向過程的對比 107
6.1.3 面向對象的特性 109
6.1.4 為什麼要學習面向對象編程 110
6.2 類與對象 112
6.2.1 類的定義與創建 112
6.2.2 對象的實例化 115
6.2.3 self參數 117
6.3 類的構造與析構 118
6.3.1 構造函數__init__ 118
6.3.2 析構函數__del__ 119
6.4 封裝 121
6.5 繼承 123
6.5.1 繼承的概念和語法 123
6.5.2 多繼承 127
6.6 多態 130
6.6.1 多態的概念 130
6.6.2 運算符重載 132
6.7 本章小結 135
6.8 本章習題 135
6.9 實踐練習 136
第7章 文件與異常處理 137
7.1 文件操作 138
7.1.1 文件與文件路徑 138
7.1.2 文件操作基本知識 139
7.1.3 讀取文件 141
7.1.4 寫入文件 144
7.2 異常處理 146
7.2.1 異常的基本概念 146
7.2.2 Python中常見的異常類型 147
7.2.3 捕獲與處理異常 148
7.2.4 自定義異常 151
7.2.5 with語句 152
7.3 本章小結 153
7.4 本章習題 154
7.5 實踐練習 155
第8章 Pandas數據分析實踐 156
8.1 Pandas簡介與安裝 157
8.1.1 Pandas 157
8.1.2 安裝Pandas 157
8.2 數據的讀取和寫入 158
8.2.1 Pandas中的基本數據結構簡介 158
8.2.2 數據的讀取與寫入 159
8.3 數據清洗與預處理 161
8.3.1 處理缺失值 161
8.3.2 基本類型轉換 170
8.3.3 重復值處理 171
8.4 數據選擇與操作 173
8.4.1 行列選擇 173
8.4.2 條件篩選 175
8.4.3 添加/刪除列 176
8.4.4 索引操作與重置 177
8.4.5 數據排序 178
8.5 數據轉換與計算 179
8.5.1 應用函數 179
8.5.2 向量化操作 181
8.5.3 分組聚合 182
8.5.4 數據透視表 183
8.5.5 交叉表 183
8.6 數據合並與連接 184
8.6.1 concat合並 184
8.6.2 merge連接 187
8.6.3 join操作 189
8.7 本章小結 190
8.8 本章習題 191
8.9 實踐練習 192
第9章 數據可視化基礎 194
9.1 Matplotlib簡介與安裝 195
9.1.1 初步認識Matplotlib 195
9.1.2 安裝Python數據可視化包 196
9.2 Matplotlib畫圖基礎 196
9.2.1 圖形（Figure） 197
9.2.2 坐標區（Axes） 197
9.2.3 坐標軸（Axis） 198
9.2.4 Artist 199
9.3 自定義 Matplotlib 199
9.3.1 運行時設置rcParams 199
9.3.2 自定義樣式表 199
9.3.3 全局配置文件matplotlibrc 200
9.4 基礎圖表可視化 200
9.4.1 折線圖——plot() 201
9.4.2 散點圖——scatter() 207
9.4.3 柱狀圖——bar() 210
9.5 統計圖表可視化 212
9.5.1 直方圖——hist() 212
9.5.2 箱線圖——boxplot() 214
9.5.3 小提琴圖——Violin() 216
9.5.4 熱圖——Heatmap() 218
9.6 空間圖表可視化 221
9.6.1 等值線圖 221
9.6.2 矢量場圖——quiver() 224
9.7 本章小結 226
9.8 本章習題 227
9.9 實踐練習 228
第10章 數據庫操作入門 230
10.1 數據庫基礎 231
10.1.1 數據庫發展概況 231
10.1.2 數據庫組成部分 232
10.1.3 SQL語句入門 234
10.2 操作數據庫 243
10.2.1 連接數據庫 243
10.2.2 插入記錄操作 245
10.2.3 更新記錄操作 247
10.2.4 查詢記錄操作 248
10.2.5 刪除記錄操作 249
10.3 本章小結 250
10.4 本章習題 250
10.5 實踐練習 251
第11章 機器學習入門 254
11.1 機器學習概述 255
11.1.1 什麼是機器學習 255
11.1.2 機器學習與深度學習 256
11.1.3 機器學習的分類及應用場景 257
11.2 準備工作 258
11.2.1 scikit-learn工具包安裝 258
11.2.2 scikit-learn核心模塊 259
11.3 核心算法：決策樹與隨機森林 260
11.3.1 決策樹：像人類做選擇題 260
11.3.2 隨機森林：群體的智慧 261
11.3.3 關鍵概念通俗解讀 262
11.4 實戰案例：預測北京市GDP 263
11.4.1 數據集與問題定義 263
11.4.2 庫與數據的導入 264
11.4.3 構建數據集 265
11.4.4 模型訓練及預測 266
11.4.5 模型驗證 267
11.5 本章小結 268
11.6 本章習題 268
11.7 實踐練習 269
