新書推薦:
《
世界前沿技术发展报告2024
》
售價:NT$
857.0
《
可转债——新手理财的极简工具
》
售價:NT$
296.0
《
新加坡教育:神话与现实
》
售價:NT$
439.0
《
“口袋中的世界史”第一辑·冷战中的危机事件
》
售價:NT$
1326.0
《
绝美的奥伦堡蕾丝披肩编织
》
售價:NT$
806.0
《
狂飙年代:18世纪俄国的新文化和旧文化(第二卷)
》
售價:NT$
806.0
《
万有引力书系 纳粹亿万富翁 德国财富家族的黑暗历史
》
售價:NT$
500.0
《
中国常见植物野外识别手册:青海册
》
售價:NT$
347.0
|
編輯推薦: |
·从零开始,循序渐进本书介绍了Python语言的基础知识和操作技巧,内容由浅入深,循序渐进,适合零基础读者快速入门。·系统丰富,易学易用本书构建了面向实际应用的知识体系,体现了理论的适度性、实践的指导性和应用的实际性,对难点和重点做了详细讲解和特别提示。·紧贴实际,案例导航提供精彩案例,读者可边学边练,既可系统了解Python语言开发的各种方案,又可快速掌握基于实际应用的项目和任务。·全程注解,快速上手本书采用全程注解方式,对代码做了大量注解,对插图做了标注处理,信息丰富,阅读体验轻松,上手容易。
|
內容簡介: |
Python作为一门功能强大且利于理解和使用的编程语言,非常适合编程初学者入门。本书详细阐述了Python编程的基础知识,同时介绍了Python在网络爬虫和AI编程方面的应用。本书还通过丰富的实用案例介绍了掌握Python编程的知识,并针对学习过程中的重点和难点进行了深入剖析。本书采用师生互答的形式讲解,共有三篇,每一篇5天学完,每一天均有详细的学习说明,以帮助读者快速掌握Python基础知识,并用其解决工作中遇到的问题。本书内容丰富,语言风趣幽默,适合对Python编程感兴趣的初学者参考。
|
關於作者: |
中岛省吾,媒体星球有限公司代表。在担任公司工程师培训和新员工培训讲师的同时,还制作了与编程相关的视频与文档。他教授的内容主题宽泛,包括IT基础、网络、数据库、C++、C#、Java、Web技术、Python等。
|
目錄:
|
Python基础篇第 1天 初识Python 003第 1部分 开始使用Python 003第 2部分 计算 008第3部分 数值和字符串 014第4部分 输入 017第 2天 控制语句和函数 021第 1部分 if语句和比较运算符 021第 2部分 逻辑运算符 026第3部分 while语句 029第4部分 函数的创建 033第3天 Python数据类型 042第 1部分 列表 042第 2部分 列表的便捷功能 047第3部分 元组和集合 050第4部分 字典 054第4天 类和模块 058第 1部分 面向对象 058第 2部分 类和继承 061第3部分 异常 067第4部分 模块 072第5天 网络通信 076第 1部分 电子邮件基础与要做的准备工作 076第 2部分 使用Python发送邮件 079第3部分 Web服务器和通信 084第4部分 使用外部库 087Python网络爬虫篇第 1天 Web基础 095第 1部分 启动Web服务器 096第 2部分 Web服务器与HTML的关系 100第3部分 HTML基础 103第4部分 标签 108第 2天 CSS和JavaScript 112第 1部分 CSS是什么 113第 2部分 CSS选择器 117第3部分 JavaScript是什么 121第4部分 函数和事件 126第3天 表单和正则表达式 130第 1部分 表单 131第 2部分 用Python程序接收表单输入 137第3部分 用正则表达式检查输入 142第4天 Selenium自动化 147第 1部分 Selenium是什么 148第 2部分 Selenium IDE 152第3部分 在Python中使用Selenium 157第5天 Python网络爬虫 162第 1部分 使用正则表达式进行数据采集 163第 2部分 使用beautifulsoup4和XPath进行数据采集 168第3部分 使用Selenium进行数据采集 172Python AI编程篇第 1天 AI编程准备 177第 1部分 引言 178第 2部分 安装Anaconda 180第3部分 Jupyter Notebook 182第4部分 NumPy 185第5部分 Pandas 190第6部分 matplotlib 194第 2天 scikit-learn 198第1部分 了解scikit-learn 199第 2部分 回归分析 202第3部分 机器学习数据集 206第3天 监督学习(k最近邻算法) 212第 1部分 了解 k最近邻算法 213第 2部分 数据划分 215第3部分 绘制散点图 217第4部分 构建机器学习模型 220第4天 监督学习(其他相关的机器学习算法) 223第 1部分 感知机 224第 2部分 scikit-learn感知机 229第3部分 逻辑斯谛回归 232第4部分 支持向量机 237第5天 神经网络和聚类 240第 1部分 神经网络 241第 2部分 MLPClassifier分类器 247第3部分 无监督学习 251第4部分 尝试k均值算法 254
|
|