Python编程导论 第2版【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

Python编程导论 第2版PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 启程1

第2章 Python简介6

2.1 Python基本元素7

2.1.1对象、表达式和数值类型8

2.1.2变量与赋值9

2.1.3 Python IDE11

2.2程序分支12

2.3字符串和输入14

2.3.1输入15

2.3.2杂谈字符编码16

2.4迭代17

第3章 一些简单的数值程序20

3.1穷举法20

3.2 for循环22

3.3近似解和二分查找24

3.4关于浮点数27

3.5牛顿-拉弗森法29

第4章 函数、作用域与抽象31

4.1函数与作用域32

4.1.1函数定义32

4.1.2关键字参数和默认值33

4.1.3作用域34

4.2规范37

4.3递归39

4.3.1斐波那契数列40

4.3.2回文42

4.4全局变量45

4.5模块46

4.6文件47

第5章 结构化类型、可变性与高阶函数50

5.1元组50

5.2范围52

5.3列表与可变性52

5.3.1克隆57

5.3.2列表推导57

5.4函数对象58

5.5字符串、元组、范围与列表60

5.6字典61

第6章 测试与调试65

6.1测试65

6.1.1黑盒测试66

6.1.2白盒测试68

6.1.3执行测试69

6.2调试70

6.2.1学习调试72

6.2.2设计实验72

6.2.3遇到麻烦时75

6.2.4找到“目标”错误之后76

第7章 异常与断言77

7.1处理异常77

7.2将异常用作控制流80

7.3断言82

第8章 类与面向对象编程83

8.1抽象数据类型与类83

8.1.1使用抽象数据类型设计程序87

8.1.2使用类记录学生与教师87

8.2继承90

8.2.1多重继承92

8.2.2替换原则93

8.3封装与信息隐藏94

8.4进阶示例：抵押贷款99

第9章 算法复杂度简介103

9.1思考计算复杂度103

9.2渐近表示法106

9.3一些重要的复杂度107

9.3.1常数复杂度107

9.3.2对数复杂度108

9.3.3线性复杂度108

9.3.4对数线性复杂度109

9.3.5多项式复杂度109

9.3.6指数复杂度111

9.3.7复杂度对比112

第10章 一些简单算法和数据结构114

10.1搜索算法115

10.1.1线性搜索与间接引用元素115

10.1.2二分查找和利用假设116

10.2排序算法119

10.2.1归并排序120

10.2.2将函数用作参数122

10.2.3 Python中的排序123

10.3散列表124

第11章 绘图以及类的进一步扩展128

11.1使用PyLab绘图128

11.2进阶示例：绘制抵押贷款133

第12章 背包与图的最优化问题139

12.1背包问题139

12.1.1贪婪算法140

12.1.2 0/1背包问题的最优解143

12.2图的最优化问题145

12.2.1一些典型的图论问题149

12.2.2最短路径：深度优先搜索和广度优先搜索149

第13章 动态规划155

13.1又见斐波那契数列155

13.2动态规划与0/1背包问题157

13.3动态规划与分治算法162

第14章 随机游走与数据可视化163

14.1随机游走163

14.2醉汉游走164

14.3有偏随机游走170

14.4变幻莫测的田地175

第15章 随机程序、概率与分布178

15.1随机程序178

15.2计算简单概率180

15.3统计推断180

15.4分布192

15.4.1概率分布194

15.4.2正态分布195

15.4.3连续型和离散型均匀分布199

15.4.4二项式分布与多项式分布200

15.4.5指数分布和几何分布201

15.4.6本福德分布203

15.5散列与碰撞204

15.6强队的获胜概率206

第16章 蒙特卡罗模拟208

16.1帕斯卡的问题209

16.2过线还是不过线210

16.3使用查表法提高性能213

16.4求π的值214

16.5模拟模型结束语218

第17章 抽样与置信区间220

17.1对波士顿马拉松比赛进行抽样220

17.2中心极限定理225

17.3均值的标准误差228

第18章 理解实验数据231

18.1弹簧的行为231

18.2弹丸的行为238

18.2.1可决系数240

18.2.2使用计算模型241

18.3拟合指数分布数据242

18.4当理论缺失时245

第19章 随机试验与假设检验247

19.1检验显著性248

19.2当心P-值252

19.3单尾单样本检验254

19.4是否显著255

19.5哪个N257

19.6多重假设258

第20章 条件概率与贝叶斯统计261

20.1条件概率262

20.2贝叶斯定理263

20.3贝叶斯更新264

第21章 谎言、该死的谎言与统计学267

21.1垃圾输入，垃圾输出267

21.2检验是有缺陷的268

21.3图形会骗人268

21.4 Cum Hoc Ergo Propter Hoc270

21.5统计测量不能说明所有问题271

21.6抽样偏差272

21.7上下文很重要273

21.8慎用外推法273

21.9得克萨斯神枪手谬误274

21.10莫名其妙的百分比276

21.11不显著的显著统计差别276

21.12回归假象277

21.13小心为上278

第22章 机器学习简介279

22.1特征向量281

22.2距离度量283

第23章 聚类288

23.1 Cluster类289

23.2 K均值聚类291

23.3虚构示例292

23.4更真实的示例297

第24章 分类方法303

24.1分类器评价303

24.2预测跑步者的性别306

24.3 K最近邻方法308

24.4基于回归的分类器312

24.5从“泰坦尼克”号生还320

24.6总结325

Python 3.5速查表326