Python程序设计：人工智能案例实践 普通图书/教材教辅/教材/大学教材/计算机与互联网 保罗·戴特尔(PaulDeitel),哈维·戴特尔(Harv 机械工业出版社 9787111678458
新华书店全新正版书籍图书 保证_可开发票_极速发货支持7天无理由
￥ 114.2 7.7折 ￥ 149 全新
库存6件
浙江嘉兴
认证卖家担保交易快速发货售后保障
作者保罗·戴特尔(PaulDeitel),哈维·戴特尔(Harv
出版社机械工业出版社
ISBN9787111678458
出版时间2021-04
装帧平装
开本16开
定价149元
货号31133260
上书时间2023-06-20
- 最新上架
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
保罗·戴特尔
Deitel＆Associates公司首席执行官兼首席技术官，毕业于麻省理工学院，拥有38年的计算经验。保罗是世界上很有经验的编程语言培训师之一，自1992年以来一直针对软件开发人员教授专业课程。他服务过的靠前客户包括思科、IBM、西门子、Oracle、戴尔、富达、美国国家航空航天局肯尼迪航天中心等。他也是靠前上很畅销的编程语言经典图书的撰写者，如C++ How to program、C How to program、Java How to program、Visual C# How to Program，等等。
目录
审稿人评论<br/>译者序<br/>前言<br/>作者简介<br/>开始阅读本书之前<br/>第一部分 Python基础知识快速入门<br/>第1章 Python及大数据概述2<br/>1.1 简介2<br/>1.2 快速回顾面向对象技术的基础知识3<br/>1.3 Python5<br/>1.4 Python库7<br/>1.4.1 Python标准库7<br/>1.4.2 数据科学库8<br/>1.5 试用IPython和Jupyter Notebook9<br/>1.5.1 使用IPython交互模式作为计算器10<br/>1.5.2 使用IPython 解释器执行Python程序11<br/>1.5.3 在Jupyter Notebook中编写和执行代码12<br/>1.6 云和物联网16<br/>1.6.1 云16<br/>1.6.2 物联网17<br/>1.7 大数据有多大18<br/>1.7.1 大数据分析22<br/>1.7.2 数据科学和大数据正在带来改变：用例23<br/>1.8 案例研究：大数据移动应用程序24<br/>1.9 数据科学入门：人工智能——计算机科学与数据科学的交叉学科26<br/>1.10 小结28<br/>第2章 Python程序设计概述29<br/>2.1 简介29<br/>2.2 变量和赋值语句30<br/>2.3 算术运算31<br/>2.4 print函数、单引号和双引号34<br/>2.5 三引号字符串36<br/>2.6 从用户处获取输入37<br/>2.7 决策：if语句和比较运算符39<br/>2.8 对象和动态类型43<br/>2.9 数据科学入门：基础的描述性统计44<br/>2.10 小结46<br/>第3章 控制语句48<br/>3.1 简介48<br/>3.2 控制语句概述49<br/>3.3 if语句49<br/>3.4 if...else和if...elif...else语句50<br/>3.5 while语句53<br/>3.6 for语句54<br/>3.6.1 可迭代对象、列表和迭代器55<br/>3.6.2 内置函数range55<br/>3.7 增强赋值56<br/>3.8 序列控制迭代和格式化字符串56<br/>3.9 边界值控制的迭代57<br/>3.10 内置函数range：深入讨论59<br/>3.11 使用Decimal类型处理货币金额59<br/>3.12 break和continue语句63<br/>3.13 布尔运算符and、or和not63<br/>3.14 数据科学入门：集中趋势度量—均值、中值和众数66<br/>3.15 小结67<br/>第4章 函数69<br/>4.1 简介69<br/>4.2 函数定义70<br/>4.3 多参数函数72<br/>4.4 随机数生成74<br/>4.5 案例研究：一个运气游戏76<br/>4.6 Python标准库79<br/>4.7 math模块中的函数80<br/>4.8 在IPython中使用制表符自动补全81<br/>4.9 默认参数值82<br/>4.10 关键字参数83<br/>4.11 不定长参数列表83<br/>4.12 方法：属于对象的函数84<br/>4.13 作用域规则85<br/>4.14 import：深入讨论87<br/>4.15 向函数传递参数：深入讨论88<br/>4.16 递归91<br/>4.17 函数式编程93<br/>4.18 数据科学入门：离中趋势度量95<br/>4.19 小结96<br/>第5章 序列：列表和元组97<br/>5.1 简介97<br/>5.2 列表98<br/>5.3 元组102<br/>5.4 序列解包104<br/>5.5 序列切片106<br/>5.6 使用del声明108<br/>5.7 将列表传递给函数109<br/>5.8 列表排序110<br/>5.9 序列搜索111<br/>5.10 列表的其他方法113<br/>5.11 使用列表模拟堆栈115<br/>5.12 列表推导式116<br/>5.13 生成器表达式118<br/>5.14 过滤、映射和归约118<br/>5.15 其他的序列处理函数120<br/>5.16 二维列表122<br/>5.17 数据科学入门：模拟和静态可视化124<br/>5.17.1 掷600、60,000、6,000,000次骰子的图例124<br/>5.17.2 实现掷骰子中不同点数出现次数和百分比的可视化126<br/>5.18 小结132<br/>第二部分 Python数据结构、字符串和文件<br/>第6章 字典和集合136<br/>6.1 简介136<br/>6.2 字典137<br/>6.2.1 创建字典137<br/>6.2.2 遍历字典138<br/>6.2.3 基本的字典操作138<br/>6.2.4 字典的keys和values方法140<br/>6.2.5 字典的比较141<br/>6.2.6 示例：学生成绩字典142<br/>6.2.7 示例：单词计数143<br/>6.2.8 字典的update方法144<br/>6.2.9 字典推导式145<br/>6.3 集合146<br/>6.3.1 集合的比较147<br/>6.3.2 集合的数学运算148<br/>6.3.3 集合的可变运算符和方法150<br/>6.3.4 集合推导式151<br/>6.4 数据科学入门：动态可视化151<br/>6.4.1 动态可视化的工作原理152<br/>6.4.2 实现动态可视化154<br/>6.5 小结156<br/>第7章 使用NumPy进行面向数组的编程158<br/>7.1 简介158<br/>7.2 从现有数据创建数组159<br/>7.3 数组属性160<br/>7.4 用特定值填充数组162<br/>7.5 从范围创建数组162<br/>7.6 列表与数组的性能比较：引入%timeit164<br/>7.7 数组运算符165<br/>7.8 NumPy计算方法167<br/>7.9 通用函数168<br/>7.10 索引和切片170<br/>7.11 视图：浅拷贝171<br/>7.12 视图：深拷贝173<br/>7.13 重塑和转置174<br/>7.14 数据科学入门：pandas Series和DataFrame176<br/>7.14.1 Series177<br/>7.14.2 DataFrame181<br/>7.15 小结188<br/>第8章 字符串：深入讨论190<br/>8.1 简介190<br/>8.2 格式化字符串191<br/>8.2.1 表示类型191<br/>8.2.2 字段宽度和对齐方式193<br/>8.2.3 数字格式化193<br/>8.2.4 字符串的format方法194<br/>8.3 拼接和重复字符串195<br/>8.4 去除字符串中的空白字符196<br/>8.5 字符大小写转换196<br/>8.6 字符串的比较运算符197<br/>8.7 查找子字符串197<br/>8.8 替换子字符串199<br/>8.9 字符串拆分和连接199<br/>8.10 字符串测试方法201<br/>8.11 原始字符串202<br/>8.12 正则表达式介绍202<br/>8.12.1 re模块与fullmatch函数203<br/>8.12.2 替换子字符串和拆分字符串207<br/>8.12.3 其他搜索功能、访问匹配207<br/>8.13 数据科学入门：pandas、正则表达式和数据治理210<br/>8.14 小结214<br/>第9章 文件和异常215<br/>9.1 简介215<br/>9.2 文件216<br/>9.3 文本文件处理217<br/>9.3.1 向文本文件中写入数据：with语句的介绍217<br/>9.3.2 从文本文件中读取数据218<br/>9.4 更新文本文件220<br/>9.5 使用JSON进行序列化221<br/>9.6 关注安全：pickle序列化和反序列化224<br/>9.7 关于文件的附加说明224<br/>9.8 处理异常225<br/>9.8.1 被零除和无效输入226<br/>9.8.2 try语句226<br/>9.8.3 在一条except子句中捕获多个异常229<br/>9.8.4 一个函数或方法引发了什么异常229<br/>9.8.5 try子句的语句序列中应该书写什么代码229<br/>9.9 finally子句229<br/>9.10 显式地引发一个异常231<br/>9.11 （选学）堆栈展开和回溯232<br/>9.12 数据科学入门：使用CSV文件234<br/>9.12.1 Python标准库模块csv234<br/>9.12.2 将CSV文件数据读入pandas DataFrame中236<br/>9.12.3 读取泰坦尼克号灾难数据集237<br/>9.12.4 用泰坦尼克号灾难数据集做简单的数据分析238<br/>9.12.5 乘客年龄直方图239<br/>9.13 小结240<br/>第三部分 Python高级主题<br/>第10章 面向对象编程242<br/>10.1 简介242<br/>10.2 自定义Account类244<br/>10.2.1 试用Account类245<br/>10.2.2 Account类的定义246<br/>10.2.3 组合：对象引用作为类的成员248<br/>10.3 属性访问控制248<br/>10.4 用于数据访问的property249<br/>10.4.1 试用Time类249<br/>10.4.2 Time类的定义251<br/>10.4.3 Time类定义的设计说明254<br/>10.5 模拟“私有”属性255<br/>10.6 案例研究：洗牌和分牌模拟257<br/>10.6.1 试用Card类和DeckOfCards类257<br/>10.6.2 Card类：引入类属性258<br/>10.6.3 DeckOfCards类260<br/>10.6.4 利用Matplotlib显示扑克牌图像262<br/>10.7 继承：基类和子类265<br/>10.8 构建继承层次结构：引入多态性267<br/>10.8.1 基类CommissionEmployee267<br/>10.8.2 子类SalariedCommission-Employee270<br/>10.8.3 以多态方式处理Commission-Employee和SalariedComm-issionEmployee273<br/>10.8.4 关于基于对象和面向对象编程的说明274<br/>10.9 鸭子类型和多态性274<br/>10.10 运算符重载276<br/>10.10.1 试用Complex类277<br/>10.10.2 Complex类的定义278<br/>10.11 异常类层次结构和自定义异常279<br/>10.12 具名元组280<br/>10.13 Python 3.7的新数据类简介281<br/>10.13.1 创建Card数据类282<br/>10.13.2 使用Card数据类284<br/>10.13.3 数据类相对于具名元组的优势286<br/>10.13.4 数据类相对于传统类的优势286<br/>10.14 使用文档字符串和doctest进行单元测试286<br/>10.15 命名空间和作用域290<br/>10.16 数据科学入门：时间序列和简单线性回归293<br/>10.17 小结300<br/>第四部分 人工智能、云和大数据案例研究<br/>第11章 自然语言处理304<br/>11.1 简介304<br/>11.2 TextBlob305<br/>11.2.1 创建一个TextBlob对象307<br/>11.2.2 将文本标记为句子和单词307<br/>11.2.3 词性标注308<br/>11.2.4 提取名词短语309<br/>11.2.5 使用TextBlob的默认情感分析器进行情感分析309<br/>11.2.6 使用NaiveBayesAnalyzer进行情感分析310<br/>11.2.7 语言检测与翻译311<br/>11.2.8 变形：复数化和单数化312<br/>11.2.9 拼写检查和拼写校正313<br/>11.2.10 规范化：词干提取和词形还原314<br/>11.2.11 词频314<br/>11.2.12 从WordNet中获取单词定义、同义词和反义词315<br/>11.2.13 删除停用词317<br/>11.2.14 n元318<br/>11.3 使用柱状图和词云可视化词频319<br/>11.3.1 使用pandas可视化词频319<br/>11.3.2 使用词云可视化词频321<br/>11.4 使用Textatistic库进行可读性评估324<br/>11.5 使用spaCy命名实体识别326<br/>11.6 使用spaCy进行相似性检测327<br/>11.7 其他NLP库和工具328<br/>11.8 机器学习和深度学习自然语言应用328<br/>11.9 自然语言数据集329<br/>11.10 小结329<br/>第12章 Twitter数据挖掘331<br/>12.1 简介331<br/>12.2 Twitter API概况333<br/>12.3 创建一个Twitter账户334<br/>12.4 获取Twitter凭据，创建应用程序334<br/>12.5 什么是推文336<br/>12.6 Tweepy339<br/>12.7 通过Tweepy进行Twitter身份验证340<br/>12.8 获取一个Twitter账户的相关信息341<br/>12.9 Tweepy Cursor简介：获得一个账户的关注者和朋友343<br/>12.9.1 确定一个账户的关注者343<br/>12.9.2 确定一个账户的关注对象345<br/>12.9.3 获取一个用户的最新推文345<br/>12.10 搜索最新的推文346<br/>12.11 热门话题发现：Twitter热门话题API348<br/>12.11.1 有热门话题的地点348<br/>12.11.2 获取热门话题列表349<br/>12.11.3 根据热门话题创建词云351<br/>12.12 推文分析前的清理或预处理352<br/>12.13 Twitter流API353<br/>12.13.1 创建StreamListener的子类353<br/>12.13.2 启动流处理356<br/>12.14 推文情感分析357<br/>12.15 地理编码和映射361<br/>12.15.1 获取和映射推文362<br/>12.15.2 tweetutilities.py中的实用函数366<br/>12.15.3 LocationListener类367<br/>12.16 存储推文的方法368<br/>12.17 Twitter和时间序列369<br/>12.18 小结369<br/>第13章 IBM Watson和认知计算370<br/>13.1 简介370<br/>13.2 IBM云账户和云控制台372<br/>13.3 Watson服务372<br/>13.4 额外的服务和工具375<br/>13.5 Watson开发者云Python SDK377<br/>13.6 案例研究：旅行者翻译伴侣APP377<br/>13.6.1 准备工作378<br/>13.6.2 运行APP379<br/>13.6.3 SimpleLanguageTranslator.py脚本代码分析380<br/>13.7 Watson资源390<br/>13.8 小结391<br/>第14章 机器学习：分类、回归和聚类392<br/>14.1 简介392<br/>14.1.1 scikit-learn393<
— 没有更多了 —
以下为对购买帮助不大的评价