商品描述
本書基於作者在中國人民大學開設的同名課程講義編寫。不同於傳統Python編程教材，本書以數據為中心構建知識體系，將Python知識全面融入數據的獲取、存儲、處理、分析、智能應用及可視化的全生命周期。 全書秉持實用主義原則，精選關鍵知識點，並搭配大量低代碼案例，幫助初學者快速上手。內容編排兼顧實用性與前沿性，特別設置“大模型輔助編程”和“大模型二次開發”兩章。前者引導讀者利用大模型實現代碼生成、補全、測試與調試，助力編程效率提升。後者則系統探討提示工程、檢索增強生成、智能體、監督微調等對大模型進行二次開發的主要技術路徑，幫助讀者從實踐層面駕馭大模型。 通過本書的學習，讀者不僅能掌握實用Python編程技能，更能培養計算思維與數據思維，在AI時代一展身手。
作者簡介
李錫榮，中國人民大學信息學院教授、博士生導師，主要研究興趣包括多模態人工智能、多媒體內容理解與檢索、計算機視覺、AI輔助診斷等。在相關領域重要學術期刊和會議上發表論文百餘篇，谷歌學術累計引用逾萬次，連續多年入選愛思唯爾“中國高被引學者”榜單。獲2010年國際圖像與視頻檢索會議（CIVR）最佳論文獎、IEEE多媒體匯刊（TMM）2012年度最佳論文獎、ACM SIGMM 2013年度傑出博士論文獎、2016年國際多媒體會議（AC-MMM）Grand Challenge Award、2017年中國多媒體大會（ChinaMM）優秀論文獎、CCF科技成果獎（2022、2024）、2024年度中國電子學會碩士學位論文激勵計劃指導教師等。講授“數據結構與算法”“模式識別與計算機視覺”“實用Python編程”等多門專業及通識核心課程。具有十餘年一線科研、教學與編程經驗。
目錄大綱
第1章 認識Python
1.1 Python簡介
1.2 編程環境搭建
1.2.1 安裝Anaconda
1.2.2 Jupyter Notebook交互式編程環境
1.2.3 VS Code集成開發環境
1.3 後續章節導讀
第2章 Python基礎
2.1 一切皆對象
2.1.1 對象
2.1.2 基礎數據類型
2.2 基礎語法
2.2.1 變量聲明
2.2.2 表達式
2.2.3 流程控制
2.3 常用數據類型的基礎操作
2.3.1 列表操作
2.3.2 集合操作
2.3.3 字典操作
2.3.4 字符串操作
2.4 函數
2.4.1 常用內置函數
2.4.2 自定義函數
2.4.3 迷你函數：lambda操作
2.5 類
2.5.1 類的定義與使用
2.5.2 類的繼承
2.5.3 類的封裝
2.6 模塊與庫
2.6.1 模塊的創建與使用
2.6.2 庫的創建與使用
2.6.3 常用內置模塊
2.6.4 第三方庫安裝與管理
2.6.5 使用虛擬環境
2.7 新手常見錯誤
2.7.1 語法錯誤
2.7.2 邏輯錯誤
本章習題
第3章 數據存儲與網上數據抓取
3.1 基於os模塊的文件與目錄操作
3.1.1 文件系統基礎概念
3.1.2 基於os模塊的目錄操作
3.1.3 基於os.path模塊的路徑操作
3.1.4 綜合應用示例：遍歷目錄統計文件信息
3.2 常用文件類型的讀寫操作
3.2.1 TXT純文本文件
3.2.2 結構化文本文件
3.2.3 二進制文件
3.3 網頁數據抓取
3.3.1 基礎概念
3.3.2 使用requests抓取單個靜態網頁
3.3.3 網絡爬蟲與靜態網頁批量抓取
3.3.4 使用DrissionPage抓取動態網頁
本章習題
第4章 數據處理與分析
4.1 數據清洗
4.1.1 基於Pandas的網頁數據清洗
4.1.2 基於正則表達式的文本清洗
4.2 中文文本處理與分析
4.2.1 中文字符編碼
4.2.2 利用jieba處理中文文本
4.3 基於NumPy的數值數據操作與計算
4.3.1 認識ndarray
4.3.2 操作ndarray
4.3.3 矩陣與數值計算
4.4 基於Pandas的表格數據處理與分析
4.4.1 使用Pandas讀取表格化文件
4.4.2 Series：帶標簽的一維數組
4.4.3 DataFrame：帶標簽的二維數組
4.4.4 表格拼接與合並
4.4.5 表格數據批處理
4.4.6 表格數據重組
4.4.7 表格數據統計與分析
4.5 綜合應用：高考誌願填報推薦
4.5.1 抓取2024年北京市高考數據
4.5.2 清洗2024年北京市高考數據
4.5.3 基於位次的高考誌願填報推薦
本章習題
第5章 數據智能
5.1 機器學習簡介
5.2 利用Scikit-learn進行機器學習
5.2.1 sklearn應用案例一：英文影評情感識別
5.2.2 sklearn應用案例二：中文酒店評論情感識別
5.2.3 sklearn應用案例三：民宿定價推薦
5.3 利用PyTorch進行深度學習
5.3.1 配置PyTorch編程環境
5.3.2 認識Tensor
5.3.3 PyTorch編程要素
5.3.4 PyTorch應用案例一：基於BoW特征的英文影評情感識別
5.3.5 PyTorch應用案例二：基於BERT的英文影評情感識別
5.4 基座模型與圖文嵌入技術
5.4.1 基座模型簡介
5.4.2 基於MiniLM模型的英文影評情感識別
5.4.3 基於M3E模型的中文酒店評論情感識別
5.4.4 基於CLIP模型的人像性別分類
本章習題
第6章 數據可視化
6.1 Matplotlib表格數據可視化
6.1.1 折線圖
6.1.2 柱狀圖
6.1.3 餅圖
6.1.4 散點圖
6.1.5 熱力圖
6.2 Pyvis網絡圖可視化
6.2.1 Pyvis繪圖主要步驟
6.2.2 Pyvis細粒度定制
6.3 WordCloud文本數據可視化
6.3.1 繪制英文詞雲
6.3.2 繪制中文詞雲
6.3.3 定制詞雲形狀
6.3.4 定制詞雲顏色
6.4 Scikit-learn高維數據可視化
6.4.1 基於PCA的高維數據可視化
6.4.2 基於t-SNE的高維數據可視化
6.5 Streamlit交互式數據分析與可視化
6.5.1 本地部署Web應用
6.5.2 Streamlit編程要素
6.5.3 綜合示例：學生信息查詢系統
本章習題
第7章 大模型輔助編程
7.1 大模型概述
7.2 利用大模型生成代碼
7.2.1 編寫高效的代碼生成提示詞
7.2.2 實戰示例1：猜數字遊戲
7.2.3 實戰示例2：高考誌願填報推薦系統
7.3 利用大模型測試與調試代碼
7.3.1 大模型輔助代碼測試
7.3.2 大模型輔助代碼調試
7.4 利用大模型補全代碼
7.4.1 在VS Code中安裝代碼補全插件
7.4.2 自動補全技巧
7.5 基於Ollama的大模型本地部署
7.5.1 安裝Ollama
7.5.2 大模型部署
7.5.3 基於終端界面調用大模型
7.5.4 基於圖形用戶界面調用大模型
本章習題
第8章 大模型二次開發
8.1 大模型的Python調用接口
8.1.1 調用雲端大模型
8.1.2 調用本地大
