看圖學 Python:從程式設計入門到精通資料科學
陳會安
- 出版商: 全華圖書
- 出版日期: 2024-06-28
- 定價: $550
- 售價: 9.0 折 $495
- 語言: 繁體中文
- 頁數: 472
- ISBN: 6264010243
- ISBN-13: 9786264010245
-
相關分類:
Python、程式語言、Data Science
立即出貨 (庫存=1)
買這商品的人也買了...
-
$403Zabbix 監控系統深度實踐, 2/e
-
$709Zabbix 企業級分佈式監控系統, 2/e
-
$880$695 -
$680$537 -
$580$493 -
$505Prometheus 監控技術與實踐
-
$2,640$2,508 -
$294$279 -
$599$569 -
$400$360 -
$648$616 -
$420$332 -
$480$432 -
$300$270 -
$430$340 -
$380$342 -
$820$648 -
$410$324 -
$420$378 -
$680$537 -
$480$379 -
$780$616 -
$900$711 -
$380$300 -
$460$363
相關主題
商品描述
本書特色
1.循序漸進地幫助讀者從基礎到進階學習Python程式設計。
2.結合ChatGPT,提供互動式學習體驗。
.ChatGPT 應用:找出Python視窗程式的學習方向。
.ChatGPT 應用:幫助你學習Python視窗程式設計。
.ChatGPT 應用:寫出資料收集的網路爬蟲程式。
3.涵蓋資料科學必備套件,介紹Numpy、Matplotlib、Pandas、Seaborn、Plotly和SciPy,應用於資料分析與視覺化。
.向量與矩陣運算的NumPy套件。
.資料視覺化的Matplotlib套件。
.資料處理與分析的Pandas套件。
.進階圖表繪製的Seaborn套件。
.繪製互動圖表的Plotly套件。
.提供各種演算法與科學運算的SciPy套件。
4.豐富的實務導向案例,從資料預處理到機器學習與深度學習實例。
.資料視覺化案例:PTT BBS 推文。
.資料視覺化案例:台積電股價。
.探索性資料分析案例:鐵達尼號資料集。
.機器學習實例:使用線性迴歸預測房價。
.機器學習實例:使用決策樹分類鳶尾花。
.深度學習實例:鳶尾花資料集的多元分類。
.深度學習實例:加州房價預測的迴歸分析。
5.詳細圖解與實作範例,讓學習更加直觀。
.抽象觀念圖像化,輕鬆掌握程式設計精髓。
.搭配「fChart流程圖直譯器」繪製流程圖,提升思考邏輯。
.以動畫執行流程圖,驗證程式邏輯的正確性。
6.附iPAS巨量資料分析師認證模擬試題,可作為此認證考試的先修教材。
7.課本CH12~16的視覺化彩圖,收錄至範例檔,可線上下載。
內容簡介
本書是一本專為初學者設計的Python程式設計及資料科學全面教材,也可作為iPAS巨量資料分析師考試的先修教材。
透過圖解與實作,循序漸進地引導讀者掌握Python程式設計及資料科學的核心技能。書中內容豐富,從Python基礎語法開始,逐步深入到資料科學的實際應用。搭配詳細的圖例和實作範例,讓學習更加直觀和實用。
本書特別強調實務應用,詳細介紹了Python資料科學必學的套件,如Numpy、Matplotlib、Pandas、Seaborn、Plotly和SciPy。這些工具不僅幫助讀者進行資料運算和分析,還能輕鬆繪製各種圖表,視覺化資料結果。
在學習Python程式設計的過程中,本書運用了當前最熱門的AI工具——ChatGPT,來輔助學習。ChatGPT可以提供程式設計協助、解釋程式概念,進而寫出資料收集的網路爬蟲程式,以便更好地理解Python程式設計和資料分析的關鍵概念。這種互動式學習方式,大大提升了學習效率和理解深度。
此外,本書還包含多個實務導向的案例,從資料預處理、資料清理到探索性資料分析,再到機器學習與深度學習應用,幫助讀者將所學知識應用於實際問題中。這些案例不僅鞏固了讀者的學習成果,還提升了實戰技能,為未來的職場應用打下堅實的基礎。
目錄大綱
CH01 Python語言與運算思維基礎
1-1 程式與程式邏輯
1-2 認識Python、運算思維和Thonny
1-3 下載與安裝Thonny
1-4 使用Thonny建立第一個Python程式
1-5 Thonny基本使用與程式除錯
CH02 寫出和認識Python程式
2-1 開發Python程式的基本步驟
2-2 編輯現存的Python程式
2-3 建立第二個Python程式的加法運算
2-4 看看Python程式的內容
2-5 Python文字值
2-6 Python寫作風格
CH03 變數、運算式與運算子
3-1 程式語言的變數
3-2 在程式使用變數
3-3 變數的資料型態和型態轉換函數
3-4 讓使用者輸入變數值
3-5 認識運算式和運算子
3-6 在程式使用運算子
CH04 條件判斷
4-1 你的程式可以走不同的路
4-2 關係運算子與條件運算式
4-3 if單選條件敘述
4-4 if/else二選一條件敘述
4-5 if/elif/else多選一條件敘述
4-6 在條件敘述使用邏輯運算子
CH05 重複執行程式碼
5-1 認識迴圈敘述
5-2 for計數迴圈
5-3 while條件迴圈
5-4 改變迴圈的執行流程
5-5 巢狀迴圈與無窮迴圈
5-6 在迴圈中使用條件敘述
CH06 函數
6-1 認識函數
6-2 使用者自訂函數
6-3 函數的參數
6-4 函數的回傳值
6-5 函數的實際應用
6-6 變數範圍和內建函數
CH07 字串與容器型態
7-1 字串型態
7-2 串列型態
7-3 元組型態
7-4 字典型態
7-5 字串與容器型態的運算子
7-6 串列與字典推導
CH08 檔案、類別與例外處理
8-1 檔案處理
8-2 二進位檔案讀寫
8-3 類別與物件
8-4 建立例外處理
CH09 Python模組與套件
9-1 Python模組與套件
9-2 os模組:檔案操作與路徑處理
9-3 math模組:數學函數
9-4 turtle模組:海龜繪圖
9-5 pywin32套件:Office軟體自動化
CH10 使用ChatGPT學習Python程式設計
10-1 認識ChatGPT
10-2 註冊與使用ChatGPT
10-3 ChatGPT是你最佳的Python程式助手
10-4 ChatGPT應用:找出Python視窗程式的學習方向
10-5 ChatGPT應用:幫助你學習Python視窗程式設計
10-6 ChatGPT應用:寫出資料收集的網路爬蟲程式
CH11 NumPy向量與矩陣運算
11-1 Python資料科學套件
11-2 陣列的基本使用
11-3 一維陣列:向量
11-4 二維陣列:矩陣
11-5 使用進階索引取出元素
11-6 陣列的常用操作與廣播
CH12 Matplotlib資料視覺化
12-1 資料視覺化與Matplotlib套件
12-2 使用Matplotlib繪製圖表
12-3 散佈圖、長條圖、直方圖和派圖
12-4 子圖表
12-5 多軸圖表
CH13 使用Pandas掌握你的資料
13-1 Pandas 套件的基礎
13-2 DataFrame 的基本使用
13-3 選擇、篩選與排序資料
13-4 新增、更新、刪除與合併資料
13-5 群組、樞紐分析與統計函數
13-6 Pandas 資料視覺化
CH14 Seaborn進階圖表與Plotly互動視覺化
14-1 Seaborn基礎與基本使用
14-2 使用Seaborn繪製各種類型的圖表
14-3 使用Seaborn繪製不同類型組合的圖表
14-4 使用Plotly繪製互動圖表
14-5 實作案例:PTT BBS推文的資料視覺化
14-6 實作案例:台積電股價的互動資料視覺化
CH15 SciPy科學運算與探索式資料分析
15-1 SciPy套件的基礎
15-2 SciPy套件的科學運算
15-3 探索性資料分析的基礎
15-4 找出資料之間的關聯性
15-5 資料預處理
15-6 實作案例:鐵達尼號資料集的探索性資料分析
CH16 Python機器學習與深度學習
16-1 機器學習的基礎
16-2 機器學習實例:使用線性迴歸預測房價
16-3 機器學習實例:使用決策樹分類鳶尾花
16-4 認識深度學習
16-5 深度學習實例:加州房價預測的迴歸分析
16-6 深度學習實例:鳶尾花資料集的多元分類
附錄A Google Colab雲端服務基本使用(電子書)