前言
第1章　Python概述 1
1.1　Python語言介紹 1
1.1.1　Python的發展史 1
1.1.2　Python特性 2
1.1.3　Python應用領域 3
1.1.4　Python機器學習優勢 6
1.2　Python環境配置 8
1.2.1　Python 2還是Python 3 8
1.2.2　Anaconda簡介 8
1.2.3　安裝Anaconda 3 9
1.3　Python的解釋器與IDE 12
1.3.1　Python的解釋器 13
1.3.2　Python各IDE比較 13
1.3.3　PyCharm的安裝與使用 16
1.3.4　Jupyter Notebook的使用 26
小結 32
課後習題 33
第2章　Python基礎知識 34
2.1　固定語法 34
2.1.1　聲明與注釋 34
2.1.2　縮進與多行語句 36
2.1.3　保留字符與賦值 38
2.2　運算符 40
2.2.1　算術運算符 40
2.2.2　賦值運算符 41
2.2.3　比較運算符 43
2.2.4　邏輯運算符 44
2.2.5　按位運算符 44
2.2.6　身份運算符 45
2.2.7　成員運算符 46
2.2.8　運算符優先級 47
2.3　數據類型 48
2.3.1　基礎數據類型 48
2.3.2　復閤數據類型 55
2.4　Python I/O 63
2.4.1　input與print 64
2.4.2　文件I/O 67
小結 70
課後習題 70
第3章　控製語句 72
3.1　條件語句 72
3.1.1　if、elif與else 73
3.1.2　try、except與else 76
3.2　循環語句 80
3.2.1　for 81
3.2.2　while 83
3.2.3　break、continue與pass 85
3.2.4　列錶推導式 89
小結 91
課後習題 91
第4章　函數與對象 94
4.1　函數 94
4.1.1　內置函數 94
4.1.2　自定義函數 101
4.1.3　匿名函數 107
4.2　對象 109
4.2.1　麵嚮對象簡介 109
4.2.2　屬性與方法 110
4.2.3　裝飾器 116
4.2.4　繼承和多態 119
4.3　Python常用庫安裝 126
4.3.1　第三方庫安裝 126
4.3.2　第三方庫導入 130
4.3.3　第三方庫創建 131
小結 132
課後習題 133
第5章　NumPy數值計算 135
5.1　ndarray創建與索引 135
5.1.1　創建ndarray對象 135
5.1.2　ndarray的索引與切片 142
5.2　ndarray的基礎操作 145
5.2.1　變換ndarray的形態 145
5.2.2　排序與搜索 151
5.2.3　字符串操作 156
5.3　ufunc 159
5.3.1　ufunc的廣播機製 159
5.3.2　常用ufunc 160
5.4　matrix與綫性代數 169
5.4.1　創建NumPy矩陣 169
5.4.2　矩陣的屬性和基本運算 170
5.4.3　綫性代數運算 172
5.5　NumPy文件讀寫 175
5.5.1　二進製文件讀寫 175
5.5.2　文件列錶形式數據讀寫 178
小結 180
課後習題 180
第6章　pandas基礎 182
6.1　pandas常用類 182
6.1.1　Series 182
6.1.2　DataFrame 187
6.1.3　Index 191
6.2　DataFrame基礎操作 193
6.2.1　索引 193
6.2.2　排序 201
6.2.3　閤並 204
6.3　其他數據類型操作 210
6.3.1　時間操作 210
6.3.2　文本操作 220
6.3.3　category操作 223
小結 227
課後習題 227
第7章　pandas進階 229
7.1　數據讀取與寫入 229
7.1.1　CSV 229
7.1.2　Excel 231
7.1.3　數據庫 233
7.2　DataFrame進階 235
7.2.1　統計分析 235
7.2.2　分組運算 242
7.2.3　透視錶和交叉錶 248
7.3　數據準備 250
7.3.1　缺失值處理 251
7.3.2　重復數據處理 255
7.3.3　連續特徵離散化處理 256
7.3.4　啞變量處理 259
小結 260
課後習題 260
第8章　繪圖 263
8.1　Matplotlib繪圖基礎 263
8.1.1　編碼風格 263
8.1.2　動態rc參數 267
8.1.3　散點圖 273
8.1.4　摺綫圖 276
8.1.5　餅圖 278
8.1.6　直方圖與條形圖 280
8.1.7　箱綫圖 282
8.2　Seaborn進階繪圖 285
8.2.1　Seaborn基礎 285
8.2.2　關係圖 301
8.2.3　分類圖 311
8.2.4　分布圖 329
8.2.5　迴歸圖 334
8.2.6　矩陣圖 341
8.2.7　網格圖 345
8.3　Bokeh交互式繪圖 356
8.3.1　基本構成與語法 356
8.3.2　常見圖形繪製 370
8.3.3　導齣與嵌入 375
8.3.4　運行Bokeh應用程序 379
小結 381
習題 381
第9章　scikit-learn 383
9.1　數據準備 383
9.1.1　標準化 383
9.1.2　歸一化 387
9.1.3　二值化 388
9.1.4　獨熱編碼 389
9.2　降維 391
9.2.1　PCA 392
9.2.2　隨機投影 396
9.2.3　字典學習 402
9.2.4　獨立成分分析 408
9.2.5　非負矩陣分解 412
9.2.6　綫性判彆分析 416
9.3　聚類 420
9.3.1　K-Means 421
9.3.2　層次聚類 424
9.3.3　DBSCAN 427
9.3.4　高斯混閤模型 430
9.4　分類 434
9.4.1　Logistic迴歸 435
9.4.2　支持嚮量機 439
9.4.3　決策樹 443
9.4.4　最近鄰 447
9.4.5　樸素貝葉斯 450
9.4.6　隨機森林 452
9.4.7　多層感知機 456
9.5　迴歸 460
9.5.1　最小二乘迴歸 461
9.5.2　嶺迴歸 464
9.5.3　Lasso迴歸 466
9.5.4　決策樹迴歸 468
9.5.5　隨機森林迴歸 471
9.5.6　多層感知機迴歸 473
9.6　模型選擇 476
9.6.1　數據集劃分 476
9.6.2　交叉驗證 478
9.6.3　自動調參 479
9.6.4　模型評估 481
小結 486
課後習題 487
· · · · · · (收起)