新書推薦：
《
走进史学（壹卷李伯重文集：李伯重先生的学术印记与时代见证）
》
售價：NT$
360.0
《
故宫书画集（精编盒装）版传统文化收藏鉴赏艺术书法人物花鸟扇面雕刻探秘故宫书画简体中文注释解析
》
售價：NT$
1490.0
《
《往事和近事（增订本）》（著名学者葛剑雄教授代表作，新增修订、全新推出。跨越三十多年的写作，多角度讲述中华文明）
》
售價：NT$
349.0
《
往事和近事：历史地理学泰斗、百家讲坛主讲葛剑雄经典文集
》
售價：NT$
349.0
《
父母的关键认知
》
售價：NT$
225.0
《
第三帝国：一部新的历史（纳粹主义具有何种魔力？纳粹运动会卷土重来吗？一部全面揭示希特勒及其罪恶帝国黑暗的历史）
》
售價：NT$
490.0
《
强迫症的历史：德国人的犹太恐惧症与大屠杀（德国历史上的反犹文化源自哪里？如何演化为战争对犹太人灭绝性的种族杀戮？德国历史研究专家克劳斯·费舍尔叙述德国反犹史及其极端形态的典范之作）
》
售價：NT$
440.0
《
粤港澳大湾区舆论引导与舆情应对精品案例：基于媒介化治理的思考
》
售價：NT$
445.0
|
| 編輯推薦： |
1、从零开始引领读者逐步进入“AI 医药”前沿，为后续开展智慧医药研究奠定基础。
2、行文力求言简意赅，内容由浅入深、循序渐进，零基础读者也可轻松阅读。
3、面向医药数据处理领域的相关人员，包括医药数据采集、清理、统计分析、AI建模分析、数据可视化等众多案例。
4、提供配套实验指导书、PPT课件、所有案例及习题的源程序等教学资源.
5、本书特别适合作为医药院校本科生和研究生学习Python程序设计的教材和参考书，也可用于其他综合性大学程序设计语言通识课的教学，还可以作为医药行业人员学习与应用Python的参考书籍。
6、本书涵盖了全国、江苏省计算机等级考试的主要知识点，可以作为等级考试的参考书籍使用。
|
| 內容簡介： |
|
本书以医药数据处理为情境，依托大量医药数据处理的案例，向读者介绍Python程序设计的方法和语法，以及利用Python解决医药领域一些实际问题的相关知识。本书共分3篇，依次为Python入门篇、Python进阶篇和Python实战医药数据处理专题篇。其中，前两篇全面介绍Python程序设计的方法和语法，以及医药数据采集、清洗、统计分析和绘图展示的基本知识，可以有效支撑读者通过计算机二级考试；第3篇从引领学生开展智慧医药研究的角度，阐释7个智慧医药研发的典型案例，为学生开展智慧医药研究奠定基础。7个案例分别为采集PubChem网站药物结构数据；计算屠呦呦2个诺贝尔奖药物的相似度；利用聚类热图分析肺癌基因表达数据；利用高斯过程回归、随机森林和神经网络算法预测化合物的水溶性；基于随机森林算法识别潜在心脏病患者；基于卷积神经网络识别黑色素瘤；基于自然语言处理技术的电子病历实体识别。 本书可作为医药院校本科生和研究生学习Python程序设计的教材，也可作为其他综合性大学的程序设计语言通识课的教材。
|
| 目錄：
|
第1篇Python入门篇
第1章初识Python3
本章学习目标3
1.1Python概述3
1.1.1程序设计语言3
1.1.2Python简介5
1.2Python集成开发环境10
1.2.1Python集成开发环境简介10
1.2.2Python解释器的下载与安装10
1.2.3Python程序的两种运行方式13
1.3本章小结20
第2章初识Python程序21
本章学习目标21
2.1案例1: 计算两个化合物的相似度21
2.1.1化合物相似度介绍21
2.1.2计算两个化合物相似度的算法22
2.1.3计算两个化合物相似度的程序22
2.2案例2: 绘制苯环23
2.2.1苯环简介及绘制方法23
2.2.2绘制苯环的算法24
2.2.3绘制苯环的程序25
2.3Python基本语法28
2.3.1语法元素28
2.3.2语句34
2.3.3标识符的命名规则42
2.4Python程序的书写规范42
2.5程序设计方法概述43
2.5.1面向对象程序设计43
2.5.2面向过程程序设计44
2.6输入/输出常用的3个函数45
2.6.1input()函数45
2.6.2eval()函数46
2.6.3print()函数47
2.7标准库1: turtle库的使用方法49
2.7.1标准库的引入方法49
2.7.2turtle库简介50
2.7.3turtle库解析50
2.7.4turtle应用实例56
2.8本章小结62
Python程序设计——以医药数据处理为例目录第2篇Python进阶篇
第3章基本数据类型65
本章学习目标65
3.1数字类型及其操作65
3.1.1数字类型的概念65
3.1.2数字类型的表示65
3.1.3数字类型的运算操作符67
3.1.4内置的数字类型的函数68
3.1.5标准库2: math库的使用方法70
3.2案例3: 计算基本统计量72
3.2.1基本统计量的计算公式72
3.2.2基本统计量计算程序73
3.3字符串类型及其操作73
3.3.1字符串类型的概念74
3.3.2字符串类型的表示74
3.3.3字符串类型的运算操作符76
3.3.4内置的字符串处理函数78
3.3.5案例4: 查找化合物ID及水溶性值78
3.3.6内置的字符串处理方法79
3.4案例5: 清肺排毒汤处方展示83
3.4.1清肺排毒汤处方展示要求83
3.4.2清肺排毒汤处方展示算法84
3.4.3清肺排毒汤处方展示程序84
3.5案例6: 化合物水溶性数据的格式化输出86
3.5.1水溶性数据格式化输出规范86
3.5.2水溶性数据格式化输出算法86
3.5.3水溶性数据格式化输出程序87
3.6逻辑类型及其操作88
3.6.1逻辑类型的概念88
3.6.2逻辑类型的表示88
3.6.3逻辑类型的运算操作符88
3.6.4返回逻辑类型数据的运算89
3.6.5混合运算操作符的优先顺序90
3.7本章小结91
第4章程序的控制结构92
本章学习目标92
4.1程序结构概述92
4.1.1程序流程图92
4.1.2程序的基本结构93
4.2程序的顺序结构94
4.3程序的分支结构94
4.3.1分支结构简介94
4.3.2单分支结构if语句94
4.3.3二分支结构if…else…语句96
4.3.4多分支结构if…elif…else…语句97
4.3.5分支结构的嵌套100
4.4案例7: 外源化合物毒性分级101
4.4.1外源化合物毒性分级简介101
4.4.2外源化合物毒性分级标准101
4.4.3外源化合物毒性分级程序102
4.5程序的循环结构103
4.5.1循环结构103
4.5.2遍历循环: for语句104
4.5.3条件循环: while语句105
4.5.4break和continue语句106
4.5.5else扩展语句107
4.6标准库3: random库的使用方法108
4.6.1random库108
4.6.2random库解析109
4.7案例8: 蒙特卡罗方法求π的值111
4.7.1蒙特卡罗方法111
4.7.2蒙特卡罗方法求π值的算法111
4.7.3蒙特卡罗方法求π值的程序111
4.8程序的异常处理114
4.8.1异常简介114
4.8.2捕获并处理异常: try…except…结构115
4.8.3try…except…结构的高级用法117
4.9本章小结121
第5章函数122
本章学习目标122
5.1函数概述122
5.1.1函数的基本概念122
5.1.2使用函数编程的目的123
5.2函数的基本操作124
5.2.1函数的定义124
5.2.2函数的返回值126
5.2.3函数的调用127
5.2.4lambda表达式和匿名函数128
5.3函数的参数129
5.3.1参数传递的方式129
5.3.2函数形参的分类131
5.4变量的作用域135
5.4.1作用域基础135
5.4.2全局变量135
5.4.3局部变量137
5.4.4闭包变量138
5.4.5作用域规则138
5.5标准库4: datetime库的使用方法139
5.5.1datetime库简介139
5.5.2datetime库解析140
5.6递归函数142
5.6.1递归函数的概念143
5.6.2斐波那契数列145
5.6.3递归与循环的比较147
5.7Python内置函数148
5.7.169个内置函数148
5.7.2部分常用函数说明149
5.8本章小结151
第6章组合数据类型152
本章学习目标152
6.1组合数据类型概述152
6.1.1组合数据类型的概念152
6.1.2组合数据类型的分类152
6.2序列类型及其操作153
6.2.1序列的概念153
6.2.2序列共有的操作154
6.2.3元组及其个性化的操作157
6.2.4列表及其个性化的操作158
6.3案例9: 药品销售数据清理169
6.3.1药品销售数据清理方法169
6.3.2药品销售数据清理程序169
6.4集合类型及其操作172
6.4.1集合的概念172
6.4.2生成集合173
6.4.3集合的操作174
6.5字典类型及其操作176
6.5.1字典的概念177
6.5.2生成字典177
6.5.3字典的操作178
6.6案例10: 药品销售数据统计分析181
6.6.1药品销售数据统计分析算法181
6.6.2药品销售数据统计分析程序182
6.7第三方库1: jieba库的使用方法183
6.7.1jieba库概述184
6.7.2jieba库解析184
6.8文本词频统计185
6.8.1案例11: 一篇英文药学文献的词频统计185
6.8.2案例12: 一篇中文药学文献的词频统计188
6.9Python之禅190
6.9.1import this190
6.9.2this.py192
6.10本章小结193
第7章文件194
本章学习目标194
7.1文件概述194
7.1.1文件的概念194
7.1.2文件的分类194
7.1.3文件的打开方式195
7.2文件操作195
7.2.1文件的操作步骤195
7.2.2打开、关闭文件195
7.2.3读文件197
7.2.4写文件198
7.2.5文件指针定位199
7.3一、二维数据的文件操作200
7.3.1数据组织的维度与数据结构200
7.3.2一维数据的文件操作201
7.3.3二维数据的文件操作204
7.4案例13: 保存清理后的药品销售数据206
7.4.1药品销售数据格式化及写入文件的方法207
7.4.2保存清理后的药品销售数据的程序207
7.5高维数据的文件操作208
7.5.1高维数据的格式化208
7.5.2标准库5: json库的使用方法208
7.5.3案例14: 将药品销量统计数据写入JSON文件并读出解析209
7.6本章小结211
第8章第三方库212
本章学习目标212
8.1第三方库概述212
8.1.1第三方库简介212
8.1.2常用的第三方库212
8.2第三方库的管理方法214
8.2.1pip简介214
8.2.2安装第三方库214
8.2.3检查、升级、卸载第三方库216
8.3案例15: 打包Python绘制苯环的源程序217
8.3.1第三方库2: pyinstaller库的使用方法218
8.3.2利用pyinstaller库打包绘制苯环的源程序218
8.4案例16: 药品销售数据可视化展示219
8.4.1第三方库3: matplotlib.pyplot库的使用方法220
8.4.2利用pyplot绘制药品日销售趋势折线图221
8.4.3利用pyplot绘制Top20明星药销售数量柱形图223
8.4.4利用pyplot绘制Top20明星药销售数量南丁格尔玫瑰图225
8.5案例17: 绘制药学生核心素养词云图229
8.5.1第三方库4: wordcloud库的使用方法229
8.5.2设计绘制药学生核心素养词云图的算法230
8.5.3编写绘制药学生核心素养词云图的程序231
8.6本章小结232
第3篇Python实战医药数据处理专题篇
第9章药学信息处理235
本章学习目标235
9.1案例18: 采集PubChem网站药物结构数据235
9.1.1药物结构数据235
9.1.2第三方库5: selenium的使用方法236
9.1.3采集PubChem网站药物结构数据的方法239
9.1.4采集PubChem网站药物结构数据的爬虫程序241
9.2案例19: 计算屠呦呦诺贝尔奖药物的相似度244
9.2.1药物相似度244
9.2.2Anaconda平台245
9.2.3第三方库6: rdkit的使用方法246
9.2.4计算屠呦呦2个诺贝尔奖药物的相似度的算法247
9.2.5计算屠呦呦2个诺贝尔奖药物的相似度的程序247
9.3案例20: 利用聚类热图分析肺癌基因表达数据251
9.3.1聚类热图分析基因表达数据251
9.3.2第三方库7: pandas的使用方法252
9.3.3第三方库8: seaborn的使用方法256
9.3.4设计利用聚类热图分析肺癌（腺瘤和腺癌型）基因表达数据的算法258
9.3.5编写利用聚类热图分析肺癌（腺瘤和腺癌型）基因表达数据的程序258
9.4案例21: 利用高斯过程回归、随机森林和神经网络算法预测化合物的水溶性262
9.4.1利用机器学习方法预测化合物性质262
9.4.2第三方库9: numpy的使用方法262
9.4.3第三方库10: sklearn的使用方法265
9.4.4设计利用机器学习方法预测化合物水溶性的算法268
9.4.5编写利用机器学习方法预测化合物水溶性的程序269
9.5本章小结273
第10章医学信息处理274
本章学习目标274
10.1案例22: 基于随机森林算法识别潜在心脏病患者274
10.1.1心率变异信号处理简介274
10.1.2基于随机森林识别潜在心脏病患者算法276
10.1.3基于随机森林识别潜在心脏病患者程序280
10.2案例23: 基于卷积神经网络识别黑色素瘤284
10.2.1神经网络简介284
10.2.2第三方库11: keras的使用方法286
10.2.3卷积神经网络简介289
10.2.4黑色素瘤图像识别算法294
10.2.5黑色素瘤图像识别程序299
10.3案例24: 基于自然语言处理技术的电子病历实体识别303
10.3.1自然语言处理技术简介303
10.3.2使用自然语言处理技术进行文本分类简单示例306
10.3.3中文电子病历命名实体识别算法308
10.3.4中文电子病历命名实体识别程序315
10.4本章小结319
参考文献320
|
| 內容試閱：
|
Python作为人工智能领域最受欢迎的高级程序设计语言，已经成为当代大学生必备的人工智能信息技术基础。本书以医药数据处理为情境，依托大量医药数据处理案例向读者介绍Python程序设计的方法。
全书共分3篇，依次为Python入门篇、Python进阶篇和Python实战医药数据处理专题篇。其中，前两篇全面介绍Python程序设计的方法和语法，以及医药数据采集、清洗、统计分析和绘图展示的基本知识；第3篇从引领学生开展智慧医药研究的角度，阐释7个智慧医药研发的典型案例，为学生开展智慧医药研究奠定基础。7个案例具体如下。
(1) 采集PubChem网站药物结构数据；
(2) 计算屠呦呦2个诺贝尔奖药物的相似度；
(3) 利用聚类热图分析肺癌基因表达数据；
(4) 利用高斯过程回归、随机森林和神经网络算法预测化合物的水溶性；
(5) 基于随机森林算法识别潜在心脏病患者;
(6) 基于卷积神经网络识别黑色素瘤;
(7) 基于自然语言处理技术的电子病历实体识别。
注: Python版本不同，语法稍有差异，本书语法适用于Python 3.5以上版本，所有代码在Python 3.8.7版本测试无误。
为了配合读者学习和高校教师开展Python程序设计语言课程的教学，随本书配套出版了《Python程序设计实验教程——以医药数据处理为例》，同时通过配套网站提供电子资源，网址为www.tup.com.cn，内容包括教学用PPT、大量的习题及解析、全部配套代码等。
本书由赵鸿萍、张艳敏主编，赵鸿萍负责主审和统稿。其中，第1、2章由张艳敏编写；第3、8、9章由赵鸿萍编写；第4、5章由刘新昱编写；第6、7章由古锐编写；第10章由侯凤贞编写。
在本书的写作过程中，陈曙教授从开展OBE的角度对教材的写作思路进行了指导；潘蕾、武小川、张洁玉和苏静4位老师在细节订正方面给予了帮助；同时，清华大学出版社的张玥老师从教材建设的角度提供了很多宝贵的建议，在此对他们表示最诚挚的感谢！
由于作者水平有限，加上编写时间仓促，书中难免出现一些错误或不当的地方，恳请读者批评指正！
作者
2022年4月
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
