Python最強入門ChatGPT助攻邁向數據科學之路: 王者歸來 (第4版) | 誠品線上

Python最強入門ChatGPT助攻邁向數據科學之路: 王者歸來 (第4版)

內容簡介

內容簡介 Python最強入門 ChatGPT助攻 邁向數據科學之路 王者歸來 第4版(全彩印刷) ★★★★★【內容最多、範圍最廣】【39個主題】★★★★★ ★★★★★【程式實例最多】【1265個Python實例】★★★★★ ★★★★★【7大真實數據】+【機器學習專題實戰】★★★★★ ★★★★★【420個是非題、選擇題】【295個習題實作題】★★★★★ Python語言是基礎科學課程，撰寫這本書時採用下列原則。 1：強調Python語法內涵與精神。 2：用精彩程式實例解說。 3：科學與人工智慧知識融入內容。 4 : ChatGPT助攻 5：章節習題引導讀者複習與自我練習。 6 : 機器學習 - 真實數據 – 專題實戰 相較於第3版，第4版更增加Python深入解析、機器學習真實數據實戰，同時使用更細緻的實例，增加下列知識： ☆ 深度解析sort( )和sorted( ) ★ 徹底研究迭代器(iterator)、yield ☆ 波士頓房價專題 ★ 葡萄酒數據集專題 ☆ 鐵達尼號專題 ★ 糖尿病數據集專題 ☆ 乳癌數據集專題 ★ 手寫數字數據集專題 ☆ PCA主成份分析專題 ★ 其他修訂小細節超過100處 多次與教育界的朋友相聚，談到電腦語言的發展趨勢，大家一致公認Python已經是當今最重要的電腦語言了，幾乎所有知名公司，例如：Google、Facebook、…等皆已經將此語言列為必備電腦語言。了解許多人想學Python，市面上的書也不少了，但是許多人買了許多書，但是學習Python路上仍感障礙重重，原因是沒有選到好的書籍，市面上許多書籍的缺點是： ◎ Python語法講解不完整 ◎ 用C、C++、Java觀念撰寫實例 ◎ Python語法的精神與內涵未做說明 ◎ Python進階語法未做解說 ◎ 基礎實例太少，沒經驗的讀者無法舉一反三 ◎ 模組介紹不足，應用範圍有限 許多讀者因此買了一些書，讀完了，好像學會了，但到了網路看專家撰寫的程式往往看不懂。 就這樣我決定撰寫一本用豐富、實用、有趣實例完整且深入講解Python語法的入門書籍。其實這本書也是目前市面上講解Python書籍中語法最完整，當讀者學會Python後，本書將逐步帶領讀者邁向數據科學、機器學習之路。Python以簡潔著名，語法非常活，同時擁有非常多豐富、實用的模組，本書筆者嘗試將Python語法的各種用法用實例解說，同時穿插使用各種模組，以協助讀者未來可以更靈活使用Python，以奠定讀者邁向更高深學習的紮實基礎。 本書以約1010個程式實例和約255一般實例，講解紮實的Python語法，同時輔助約210道是非題、210道選擇題與約295程式實作題。讀者研讀完此書，相信可以學會下列知識： ★ 內容穿插說明PEP 8風格，讀者可由此養成設計符合PEP 8風格的Python程式，這樣撰寫的程式可以方便自己與他人閱讀。 ☆ 拋棄C、C++、Java語法思維，將Python語法、精神功能火力全開 ★ 人工智慧基礎知識融入章節內容 ☆ 從bytes說起、編碼(encode)、解碼(decoding)，到精通串列(list)、元組(tuple)、字典(dict)、集合(set) ★ 深度解析Sort( )和sorted( ) ☆ 徹底研究迭代器(iterator)、yield ★ 完整解說Unicode字符集和utf-8依據Unicode字符集的中文編碼方式 ☆ 從小型串列、元組、字典到大型數據資料的建立 ★ 生成式(generator)建立Python資料結構，串列(list)、字典(dict)、集合(set) ☆ 經緯度計算地球任2城市之間的距離，學習取得地球任意位置的經緯度 ★ 萊布尼茲公式、尼拉卡莎、蒙地卡羅模擬計算圓週率 ☆ 徹底解說讀者常混淆的遞迴式呼叫。 ★ 基礎函數觀念，也深入到嵌套、lambda、Decorator等高階應用 ☆ Google有一篇大數據領域著名的論文，MapReduce:Simplified Data Processing on Large Clusters，重要觀念是MapReduce，筆者將對map( )和reduce( )完整解說，更進一步配合lambda觀念解說高階應用 ★ 設計與應用自己設計的模組、活用外部模組(module) ☆ 設計加密與解密程式 ★ Python處理文字檔案 二元檔案的輸入與輸出 ☆ 檔案壓縮與解壓縮 ★ 程式除錯(debug)與異常(exception)處理 ☆ 檔案讀寫與目錄管理 ★ 剪貼簿(clipboard)處理 ☆ 正則表達式(Regular Expression) ★ 遞廻式觀念與碎形(Fractal) ☆ 影像處理與文字辨識，更進一步說明電腦儲存影像的方法與觀念 ★ 認識中文分詞jieba與建立詞雲(wordcloud)設計 ☆ GUI設計 - 實作小算盤 ★ 實作動畫與遊戲(電子書呈現) ☆ Matplotlib中英文靜態與動態2D ~ 3D圖表繪製 ★ 說明csv和json檔案 ☆ 繪製世界地圖 ★ 台灣股市資料擷取與圖表製作 ☆ Python解線性代數 ★ Python解聯立方程式 ☆ Python執行數據分析 ★ 科學計算與數據分析Numpy、Pandas ☆ 網路爬蟲 ★ 人工智慧破冰之旅 – KNN演算法 ☆ 機器學習 – 線性迴歸 ★ 機器學習 – scikit-learn ☆ KNN演算法、邏輯迴歸、線性與非線性支援向量機 ★ 決策樹 ☆ 隨機森林樹 ★ 波士頓房價 ☆ 葡萄酒數據集 ★ 鐵達尼號 ☆ 糖尿病數據集 ★ 乳癌數據集 ☆ 手寫數字數據集 ★ PCA主成份分析 ☆ 完整函數索引，未來可以隨時查閱

作者介紹

作者介紹 洪錦魁洪錦魁一位跨越電腦作業系統與科技時代的電腦專家，著作等身的作家。‰ DOS 時代他的代表作品是 IBM PC 組合語言、C、C++、Pascal、資料結構。‰ Windows 時代他的代表作品是 Windows Programming 使用 C、Visual Basic。‰ Internet 時代他的代表作品是網頁設計使用 HTML。‰ 大數據時代他的代表作品是 R 語言邁向 Big Data 之路。‰ AI 時代他的代表作品是機器學習 Python 實作。‰ 通用 AI 時代，國內第 1 本 ChatGPT 作品的作者。作品曾被翻譯為簡體中文、馬來西亞文，英文，近年來作品則是在北京清華大學和台灣深智同步發行：1：C、Java、Python、C#、R 最強入門邁向頂尖高手之路王者歸來2：OpenCV 影像創意邁向AI 視覺王者歸來3：Python 網路爬蟲：大數據擷取、清洗、儲存與分析王者歸來4：演算法邏輯思維 + Python 程式實作王者歸來5：matplotlib 從2D 到3D 資料視覺化6：網頁設計HTML+CSS+JavaScript+jQuery+Bootstrap+Google Maps 王者歸來7：機器學習彩色圖解 + 基礎數學、基礎微積分 + Python 實作王者歸來8：Excel 完整學習、Excel 函數庫、Excel VBA 應用王者歸來9：Python 操作Excel 最強入門邁向辦公室自動化之路王者歸來10：Power BI 最強入門 – AI 視覺化+ 智慧決策+ 雲端分享王者歸來他的多本著作皆曾登上天瓏、博客來、Momo 電腦書類，各個時期暢銷排行榜第1 名，他的著作最大的特色是，所有程式語法或是功能解說會依特性分類，同時以實用的程式範例做解說，不賣弄學問，讓整本書淺顯易懂，讀者可以由他的著作事半功倍輕鬆掌握相關知識。

產品目錄

產品目錄 第1章 基本觀念 1-1 認識Python 1-2 Python 的起源 1-3 Python 語言發展史 1-4 Python 的應用範圍 1-5 變數—靜態語言與動態語言 1-6 系統的安裝與執行 1-7 程式註解 1-8 Python 彩蛋(Easter Eggs) 第2章 認識變數與基本數學運算 2-1 用Python 做計算 2-2 認識變數 2-3 認識程式的意義 2-4 認識註解的意義 2-5 變數的命名原則 2-6 基本數學運算 2-7 指派運算子 2-8 Python 等號的多重指定使用 2-9 Python的連接列（Line Continuation) 2-10 專題- 複利計算 計算圓面積與圓周長 第3章 Python 的基本資料型態 3-1 type( ) 函數 3-2 數值資料型態 3-3 布林值資料型態 3-4 字串資料型態 3-5 字串與字元 3-6 bytes 資料 3-7 專題- 地球到月球時間計算 計算座標軸2點之間距離 第4章 基本輸入與輸出 4-1 Python 的輔助說明help( ) 4-2 格式化輸出資料使用print( ) 4-3 輸出資料到檔案 4-4 資料輸入input( ) 4-5 處理字串的數學運算eval( ) 4-6 列出所有內建函數dir( ) 4-7 專題- 溫度轉換 房貸問題 緯度距離 雞兔同籠 第5章 程式的流程控制使用if 敘述 5-1 關係運算子 5-2 邏輯運算子 5-3 if 敘述 5-4 if ⋯ else 敘述 5-5 if ⋯ elif ⋯ else 敘述 5-6 專題-BMI 猜數字 方程式 火箭升空 閏年 第6 章 串列(List) 6-1 認識串列(list 6-2 Python 物件導向觀念與方法 6-3 串列元素是字串的常用方法 6-4 增加與刪除串列元素 6-5 串列的排序 6-6 進階串列操作 6-7 串列內含串列 6-8 串列的賦值與切片拷貝 6-9 再談字串 6-10 in 和not in 運算式 6-11 is 或is not 運算式 6-12 enumerate 物件 6-13 專題 大型串列 認識凱薩密碼 第7章 迴圈設計 7-1 基本for 迴圈 7-2 range( ) 函數 7-3 進階的for 迴圈應用 7-4 while 迴圈 7-5 enumerate 物件使用for 迴圈解析 7-6 專題 購物車設計 圓周率 雞兔同籠 國王的麥粒 電影院劃位 第8章 元組(Tuple) 8-1 元組的定義 8-2 讀取元組元素 8-3 遍歷所有元組元素 8-4 修改元組內容產生錯誤的實例 8-5 可以使用全新定義方式修改元組元素 8-6 元組切片(tuple slices) 8-7 方法與函數 8-8 串列與元組資料互換 8-9 其它常用的元組方法 8-10 enumerate 物件使用在元組 8-11 使用zip( ) 打包多個物件 8-12 生成式(generator) 8-13 製作大型的元組資料 8-14 元組的功能 8-15 專題 認識元組 打包與解包 bytes與bytearray 第9章 字典(Dict) 9-1 字典基本操作 9-2 遍歷字典 9-3 建立字典串列 9-4 字典內鍵的值是串列 9-5 字典內鍵的值是字典 9-6 字典常用的函數和方法 9-7 製作大型的字典資料 9-8 專題 文件分析 字典生成式 星座 凱薩密碼 摩斯密碼 第10章 集合(Set) 10-1 建立集合 10-2 集合的操作 10-3 適用集合的方法 10-4 適用集合的基本函數操作 10-5 凍結集合frozenset 10-6 專題 夏令營程式 程式效率 集合生成式 雞尾酒實例 第11章 函數設計 11-1 Python 函數基本觀念 11-2 函數的參數設計 11-3 函數傳回值 11-4 呼叫函數時參數是串列 11-5 傳遞任意數量的參數 11-6 進一步認識函數 11-7 遞迴式函數設計recursive 11-8 區域變數與全域變數 11-9 匿名函數lambda 11-10 pass 與函數 11-11 type 關鍵字應用在函數 11-12 設計生成式函數與建立迭代器 11-13 裝飾器(Decorator) 11-14 專題 函數的應用 質數 11-15 專題 歐幾里德演算法 第12章 類別– 物件導向的程式設計 12-1 類別的定義與使用 12-2 類別的訪問權限 – 封裝(encapsulation) 12-3 類別的繼承 12-4 多型(polymorphism) 12-5 多重繼承 12-6 type 與instance 12-7 特殊屬性 12-8 類別的特殊方法 12-9 專題：幾何資料的應用 第13章 設計與應用模組 13-1 將自建的函數儲存在模組中 13-2 應用自己建立的函數模組 13-3 將自建的類別儲存在模組內 13-4 應用自己建立的類別模組 13-5 隨機數random 模組 13-6 時間time 模組 13-7 系統sys 模組 13-8 keyword 模組 13-9 日期calendar 模組 13-10 幾個增強Python 功力的模組 13-11 專題設計 賭場遊戲騙局 蒙地卡羅模擬 文件加密 第14章 檔案輸入 輸出與目錄的管理 14-1 資料夾與檔案路徑 14-2 os 模組 14-3 os.path 模組 14-4 獲得特定工作目錄內容glob 14-5 讀取檔案 14-6 寫入檔案 14-7 讀取和寫入二進位檔案 14-8 shutil 模組 14-9 安全刪除檔案或目錄send2trash( ) 14-10 檔案壓縮與解壓縮zipfile 14-11 再談編碼格式encoding 14-12 剪貼簿的應用 14-13 專題設計 分析檔案 加密檔案 第15章 程式除錯與異常處理 15-1 程式異常 15-2 設計多組異常處理程序 15-3 丟出異常 15-4 紀錄Traceback 字串 15-5 finally 15-6 程式斷言assert 15-7 程式日誌模組logging 15-8 程式除錯的典故 第16章 正則表達式Regular Expression 16-1 使用Python 硬功夫搜尋文字 16-2 正則表達式的基礎 16-3 更多搜尋比對模式 16-4 貪婪與非貪婪搜尋 16-5 正則表達式的特殊字元 16-6 MatchObject 物件 16-7 搶救CIA 情報員-sub( ) 方法 16-8 處理比較複雜的正則表示法 第17章 用Python 處理影像檔案 17-1 認識Pillow 模組的RGBA 17-2 Pillow 模組的盒子元組(Box tuple) 17-3 影像的基本操作 17-4 影像的編輯 17-5 裁切、複製與影像合成 17-6 影像濾鏡 17-7 在影像內繪製圖案 17-8 在影像內填寫文字 17-9 專題 – 建立QR code 辨識車牌與建立停車場管理系統 第18章 開發GUI 程式使用tkinter 18-1 建立視窗 18-2 標籤Label 18-3 視窗元件配置管理員Layout Management 18-4 功能鈕Button 18-5 變數類別 18-6 文字方塊Entry 18-7 文字區域Text 18-8 捲軸Scrollbar 18-9 選項鈕Radiobutton 18-10 核取方塊Checkbutton 18-11 對話方塊messagebox 18-12 圖形PhotoImage 18-13 尺度Scale 的控制 18-14 功能表Menu 設計 18-15 專題- 設計小算盤 第19章 詞雲設計 19-1 安裝wordcloud 19-2 我的第一個詞雲程式 19-3 建立含中文字詞雲結果失敗 19-4 建立含中文字的詞雲 19-5 進一步認識jieba 模組的分詞 19-6 建立含圖片背景的詞雲 第20章 數據圖表的設計 20-1 認識matplotlib.pyplot 模組的主要函數 20-2 繪製簡單的折線圖plot( ) 20-3 繪製散點圖scatter( ) 20-4 Numpy 模組基礎知識 20-5 色彩映射color mapping 20-6 繪製多個圖表 20-7 建立畫布與子圖表物件 20-8 長條圖的製作bar() 20-9 圓餅圖的製作pie( ) 20-10 設計2D 動畫 20-11 專題 數學表達式 輸出文字 圖表註解 第21章 JSON 資料與繪製世界地圖 21-1 JSON 資料格式前言 21-2 認識json 資料格式 21-3 將Python 應用在json 字串形式資料 21-4 將Python 應用在json 檔案 21-5 簡單的json 檔案應用 21-6 世界人口數據的json 檔案 21-7 繪製世界地圖 21-8 環保署空氣品質JSON 檔案實作 第22章 使用Python 處理CSV 文件 22-1 建立一個CSV 文件 22-2 開啟「utf-8」格式CSV 檔案 22-3 csv 模組 22-4 讀取CSV 檔案 22-5 寫入CSV 檔案 22-6 專題- 使用CSV 檔案繪製氣象圖表 22-7 台灣股市數據 22-8 Python 與Microsoft Excel 第23章 Numpy 模組的基礎知識 23-1 陣列ndarray 23-2 Numpy 的資料型態 23-3 建立一維或多維陣列 23-4 一維陣列的四則運算與基礎操作 23-5 用切片提取一維陣列的元素 23-6 多維陣列的索引與切片 23-7 陣列的拷貝與檢視 23-8 更改陣列外形 23-9 陣列分割 23-10 陣列合併與堆疊 第24章 基礎統計與隨機數 24-1 母體與樣本 24-2 數據加總 24-3 數據分佈 24-4 數據中心指標 24-5 數據分散指標 24-6 符號運算規則與驗證 24-7 活用 符號 24-8 迴歸分析 24-9 隨機函數的分佈 第25章 Numpy 的數學運算與3D 繪圖 25-1 基礎數學函數 25-2 三角函數 25-3 指數與對數函數 25-4 陣列處理函數 25-5 陣列資料排序 25-6 向量運算 25-7 矩陣運算 25-8 簡單線性代數運算 25-9 線性插入函數 25-10 Numpy 的廣播功能 25-11 檔案的輸入與輸出 25-12 專題 – 3D 繪圖到3D 動畫 25-13 專題 – 遮罩觀念與數據分類 第26章 Pandas 入門 26-1 Series 26-2 DataFrame 26-3 基本Pandas 資料分析與處理 26-4 讀取與輸出CSV 檔案 26-5 讀取與輸出Excel 檔案 第27章 Pandas 視覺化資料與時間序列 27-1 Pandas 繪圖 27-2 時間序列(Time Series) 27-3 專題：鳶尾花 第28章 網路爬蟲 28-1 上網不再需要瀏覽器了 28-2 下載網頁資訊使用requests 模組 28-3 檢視網頁原始檔 28-4 解析網頁使用BeautifulSoup 模組 28-5 網路爬蟲實戰 第29章 用Python 操作台灣股市 29-1 Stock( ) 建構元 29-2 Stock 物件屬性 29-3 Stock 物件方法 29-4 取得單一股票之即時資料realtime.get( ) 第30章 Sympy 模組與符號運算 30-1 定義符號 30-2 解方程式 30-3 解聯立方程式 30-4 微分與Sympy 30-5 積分與Sympy 30-6 Sympy 模組的繪圖功能 第31章 人工智慧破冰之旅-KNN 演算法 31-1 將畢氏定理應用在性向測試 31-2 電影分類 31-3 選舉造勢與銷售烤香腸 第32章 機器學習使用scikit-learn 入門 32-1 網路購物數據調查 32-2 使用scikit-learn 模組計算決定係數 32-3 預測未來值 32-4 人工智慧、機器學習、深度學習 32-5 認識scikit-learn 數據模組datasets 32-6 監督學習 – 線性迴歸 32-7 scikit-learn 產生數據 32-8 常見的監督學習分類器 32-9 無監督學習 – 群集分析 第33章 動畫與遊戲(電子書) 33-1 繪圖功能 33-2 尺度控制畫布背景顏色 33-3 動畫設計 33-4 反彈球遊戲設計 33-5 專題- 使用tkinter 處理謝爾賓斯基三角形 第34章 機器學習專題 – 波士頓房屋 34-1 從線性迴歸到多元線性迴歸 34-2 簡單資料測試 34-3 波士頓房屋數據集 第35章 機器學習專題 – 葡萄酒數據 35-1 認識葡萄酒數據 35-2 使用KNN 演算法執行葡萄酒分類 35-3 使用邏輯迴歸演算法執行葡萄酒分類 第36章 機器學習專題 – 鐵達尼號 36-1 程式設計必備知識one-hot 編碼 36-2 認識鐵達尼號Titanic 數據集 36-3 鐵達尼號專題實作 – 邏輯回歸 36-4 鐵達尼號專題實作 – 決策樹 第37章 機器學習專題 – 糖尿病 37-1 認識糖尿病數據集 37-2 多元線性迴歸處理糖尿病數據 第38章 機器學習專題 – 乳癌數據 38-1 認識乳癌數據集 38-2 支援向量機處理乳癌數據 第39章 機器學習專題 – 手寫數字 39-1 認識手寫數字數據集 39-2 隨機森林樹處理手寫數字數據集 39-3 PCA 主成份分析 附錄A 安裝Python (電子書) 附錄B Anaconda、Spider 和Jupyter Notebook (電子書) 附錄C Google Colab 雲端開發環境 (電子書) 附錄D 指令、函數、方法與專有名詞索引 附錄E 安裝第三方模組 (電子書) 附錄F RGB 色彩表 (電子書) 附錄G 本書是非題 選擇題解答與實作題的執行結果 (電子書) 附錄H ASCII 碼 (電子書) 附錄I ChatGPT 協助學習Python (電子書)

商品規格

試閱文字

自序 : 相較於第3 版，第4 版更加強數據科學與機器學習的內容，與相關模組的操作，
同時使用更細緻的實例，增加下列知識：
‰ ChatGPT 助攻學習
‰ 中文編碼與 ANSI 編碼，Code Page 950(cp950) 的意義
‰ 使用 locals( ) 和 isinstance( ) 了解變數的資料類型
‰ 深度解析 sort( ) 和 sorted( )
‰ 深度解析迭代器 (iterator)、yield 關鍵字
‰ 解說「utf-8」與「含 BOM 的 utf -8」，對於 txt 檔案與 csv 檔案的差異
‰ 講解使用 Excel 開啟「utf -8」格式的 csv 檔案的方法
‰ 「理論」+「實作」機器學習專題
‰ 波士頓房價
‰ 葡萄酒數據集
‰ 鐵達尼號
‰ 糖尿病數據集
‰ 乳癌數據集
‰ 手寫數字數據集
‰ PCA 主成份分析
‰ 其他修訂小細節超過 100 處
多次與教育界的朋友相聚，談到電腦語言的發展趨勢，大家一致公認Python 已經
是當今最重要的電腦語言了，幾乎所有知名公司，例如：Google、Facebook、⋯等皆
已經將此語言列為必備電腦語言。了解許多人想學Python，市面上的書也不少了，但
是許多人買了許多書，但是學習Python 路上仍感障礙重重，原因是沒有選到好的書籍，
市面上許多書籍的缺點是：
‰ Python 語法講解不完整
‰ 用 C、C++、Java 觀念撰寫實例
‰ Python 語法的精神與內涵未做說明
‰ Python 進階語法未做解說
‰ 基礎實例太少，沒經驗的讀者無法舉一反三
‰ 模組介紹不足，應用範圍有限
許多讀者因此買了一些書，讀完了，好像學會了，但到了網路看專家撰寫的程式
往往看不懂。
就這樣我決定撰寫一本用豐富、實用、有趣實例完整且深入講解Python 語法的
入門書籍。其實這本書也是目前市面上講解Python 書籍中語法最完整，當讀者學會
Python 後，本書將逐步帶領讀者邁向數據科學、機器學習之路。
Python 以簡潔著名，語法非常活，同時擁有非常多豐富、實用的模組，本書筆者
嘗試將Python 語法的各種用法用實例解說，同時穿插使用各種模組，以協助讀者未來
可以更靈活使用Python，以奠定讀者邁向更高深學習的紮實基礎。
本書以約995 個程式實例和約270 個一般實例，講解紮實的Python 語法，同時
輔助約210 道是非題、210 道選擇題與約295 道程式實作題。讀者研讀完此書，相信
可以學會下列知識：
‰ 內容穿插說明PEP 8風格，讀者可由此養成設計符合PEP 8風格的Python程式，
這樣撰寫的程式可以方便自己與他人閱讀。
‰ 拋棄 C、C++、Java 語法思維，將 Python 語法、精神功能火力全開
‰ 人工智慧基礎知識融入章節內容
‰ 從bytes說起、編碼(encode)、解碼(decoding)，到精通串列(list)、元組(tuple)、
字典(dict)、集合(set)
‰ 完整解說 Unicode 字符集和 utf-8 依據 Unicode 字符集的中文編碼方式
‰ 徹底解說 utf-8 和 Code Page 950(cp950) 之 ANSI 中文資料
‰ 從小型串列、元組、字典到大型數據資料的建立
‰ 生成式 (generator) 建立 Python 資料結構，串列 (list)、字典 (dict)、集合 (set)
‰ 經緯度計算地球任 2 城市之間的距離，學習取得地球任意位置的經緯度
‰ 萊布尼茲公式、尼拉卡莎、蒙地卡羅模擬計算圓週率
‰ 從大型資料深度解說 sort( ) 和 sorted( )
‰ 徹底解說讀者常混淆的遞迴式呼叫
‰ 基礎函數觀念，也深入到嵌套、lambda、Decorator 等高階應用
‰ Google 有一篇大數據領域著名的論文，MapReduce:Simplified Data Processing
on Large Clusters，重要觀念是MapReduce，筆者將對map( ) 和reduce( ) 完
整解說，更進一步配合lambda 觀念解說高階應用
‰ 徹底解說 iterator 和 yield
‰ 設計與應用自己設計的模組、活用外部模組 (module)
‰ 設計加密與解密程式
‰ Python 處理文字檔案 / 二元檔案的輸入與輸出
‰ 檔案壓縮與解壓縮
‰ 程式除錯 (debug) 與異常 (excep􀆟on) 處理
‰ 檔案讀寫與目錄管理
‰ 剪貼簿 (clipboard) 處理
‰ 正則表達式 (Regular Expression)
‰ 遞廻式觀念與碎形 (Fractal)
‰ 影像處理與文字辨識，更進一步說明電腦儲存影像的方法與觀念
‰ 認識中文分詞 jieba 與建立詞雲 (wordcloud) 設計
‰ GUI 設計 - 實作小算盤
‰ 實作動畫與遊戲 ( 電子書呈現 )
‰ Matplotlib 中英文靜態與動態 2D ~ 3D 圖表繪製
‰ 說明 csv 和 json 檔案
‰ 繪製世界地圖
‰ 台灣股市資料擷取與圖表製作
‰ Python 解線性代數
‰ Python 解聯立方程式
‰ Python 執行數據分析
‰ 科學計算與數據分析 Numpy、Pandas
‰ 網路爬蟲
‰ 人工智慧破冰之旅 – KNN 演算法
‰ 機器學習 – 線性迴歸
‰ 機器學習 – scikit-learn
‰ KNN 演算法、邏輯迴歸、線性與非線性支援向量機
‰ 決策樹
‰ 隨機森林樹
‰ 完整解說波士頓房價、葡萄酒、鐵達尼號、糖尿病、乳癌、手寫數字數據集
‰ 完整函數索引，未來可以隨時查閱
寫過許多的電腦書著作，本書沿襲筆者著作的特色，程式實例豐富，相信讀者只
要遵循本書內容必定可以在最短時間精通Python 設計，編著本書雖力求完美，但是學
經歷不足，謬誤難免，尚祈讀者不吝指正。

洪錦魁2023-05-15

最佳賣點

最佳賣點 : Python最強入門
ChatGPT助攻
邁向數據科學之路
王者歸來
第4版(全彩印刷)

活動

• 6/29前 愛讀日｜圖書滿$888折$88
• 6/29前 愛讀日｜圖書滿$1,200折$120