本書是面向Python學(xué)習(xí)者和使用者的一本實用學(xué)習(xí)筆記，在前一版的基礎(chǔ)之上進(jìn)行了全面修訂。全書共11章。第1章介紹Python的基礎(chǔ)知識，包括Anaconda、IPython解釋器、Jupyter Notebook等Python基本工具的使用；第2章介紹Python的基本用法，包括基礎(chǔ)語法、數(shù)據(jù)類型、判斷與循環(huán)、函數(shù)與模塊、異常與警告、文件讀寫、內(nèi)置函數(shù)；第3章介紹Python的進(jìn)階用法，包括函數(shù)進(jìn)階、迭代器與生成器、裝飾器、上下文管理器與with語句、變量作用域；第4章介紹Python面向?qū)ο缶幊蹋�包括對象的方法與屬性、繼承與復(fù)用；第5章介紹常見的Python標(biāo)準(zhǔn)庫；第6章介紹Python科學(xué)計算基礎(chǔ)模塊NumPy，包括NumPy數(shù)組的操作、廣播機(jī)制、索引和讀寫；第7章介紹Python數(shù)據(jù)可視化模塊Matplotlib，包括基于函數(shù)和對象的可視化操作；第8章介紹Python科學(xué)計算進(jìn)階模塊SciPy，包括概率、線性代數(shù)等模塊；第9章介紹Python數(shù)據(jù)分析基礎(chǔ)模塊Pandas，包括Series和DataFrame的使用；第10章介紹一個用Python分析中文小說文本的案例；第11章介紹一個用Python對手寫數(shù)字進(jìn)行機(jī)器學(xué)習(xí)處理的案例。
本書適合剛接觸Python的初學(xué)者以及希望使用Python處理和分析數(shù)據(jù)的讀者閱讀，也可作為學(xué)習(xí)和使用Python的工具書或參考資料使用。

一本言簡意賅、系統(tǒng)講解Python編程基礎(chǔ)、科學(xué)計算、數(shù)據(jù)分析的自學(xué)教程。
源自網(wǎng)上廣受好評的中文python筆記，知乎 如何系統(tǒng)地自學(xué) Python？千萬訪問量答主自學(xué)Python的經(jīng)驗總結(jié)。
特別總結(jié)了Python多版本代碼差異對比，配備全套數(shù)據(jù)集、源代碼，方便使用者參考。

人生苦短，我用Python。
Python是一門越來越流行的編程語言，它免費、易學(xué)，而且功能強大，在網(wǎng)絡(luò)編程、圖像用戶界面編程、科學(xué)計算、數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、人工智能等方面都有著廣泛的應(yīng)用。
我在一年多的時間里，通過自學(xué)，從一個Python小白成長為一個Python老手，在這個過程中，用筆記的形式記錄了自己學(xué)習(xí)和使用Python的經(jīng)驗。根據(jù)這段經(jīng)歷，于2019年出版了本書的第1版（基于Python 2.7版本）。
經(jīng)過數(shù)年的時間，這個學(xué)習(xí)筆記依然有著不小的閱讀量：在知乎的高分問答如何系統(tǒng)地自學(xué) Python？閱讀量達(dá)到千萬量級（https://www.zhihu.com/question/29138020/answer/81972368），GitHub上的學(xué)習(xí)筆記的Star達(dá)6300以上，F(xiàn)ork達(dá)2900以上（https://github.com/lijin-THU/notes-python）。
由于對Python的學(xué)習(xí)、應(yīng)用需求與日俱增，并且Python 3已成為主流，所以我對第1版的內(nèi)容進(jìn)行了大量的修改，升級改版為基于Python 3的自學(xué)筆記，相信會對開始學(xué)習(xí)并使用Python的朋友有所幫助。
本書的集成開發(fā)環(huán)境是Anaconda，它是一個功能強大的Python計算環(huán)境。本書利用IPython解釋器、Jupyter Notebook等工具開展Python編程的實踐。
本書首先介紹了Python工具的使用、Python基礎(chǔ)和進(jìn)階用法、面向?qū)ο缶幊蹋瑸樽x者打下良好的基礎(chǔ)：優(yōu)秀的工具能幫助讀者更有效地學(xué)習(xí)和使用Python；基礎(chǔ)和進(jìn)階用法能讓讀者對Python的用法有一些基本的認(rèn)知；面向?qū)ο缶幊炭梢宰屪x者了解一些基礎(chǔ)的設(shè)計模式。
接下來，本書介紹了一些關(guān)鍵的Python模塊，這些模塊包括Python標(biāo)準(zhǔn)庫中的自帶模塊，以及NumPy、Matplotlib、SciPy、Pandas等最常用的模塊。這些模塊提供了強大的功能：標(biāo)準(zhǔn)庫模塊提供了處理編程常見問題的工具，NumPy模塊提供了科學(xué)計算的基礎(chǔ)類型數(shù)組，Matplotlib模塊可以對數(shù)據(jù)進(jìn)行可視化，SciPy模塊可以進(jìn)行概率、線性代數(shù)等的操作，而Pandas模塊則提供了數(shù)據(jù)分析的基本功能。
最后，本書詳細(xì)講解了兩個用Python進(jìn)行數(shù)據(jù)分析與機(jī)器學(xué)習(xí)編程的實例，通過這兩個例子，讀者可以了解數(shù)據(jù)分析和機(jī)器學(xué)習(xí)的一些基本流程。
本書基于學(xué)習(xí)筆記而來，內(nèi)容更貼近實際，例子也簡單易懂。除了介紹Python的用法，本書還加入了很多原理上的解釋，并輔以實例進(jìn)行說明。因此，與其他Python書籍相比，本書不僅具有知其然的功能，還具有知其所以然的特點，從而能更好地幫助Python初學(xué)者進(jìn)行自學(xué)。
本書使用Python 3版本�？紤]到書中涉及模塊的功能可能會隨版本更新而改變，因此，本書主要介紹各個模塊的核心功能，對于一些細(xì)節(jié)用法不做過多介紹。
特別地，結(jié)合我學(xué)習(xí)工作以來遇到的實際情況，雖然Python 2已經(jīng)不再被維護(hù)，但一些企業(yè)和項目由于歷史原因仍然保留了許多用Python 2編寫的代碼。為了方便廣大讀者在實際工作學(xué)習(xí)中閱讀和運維基于Python 2的代碼，本書將Python 2與Python 3的一些核心區(qū)別標(biāo)注出來，以便讀者掌握。
本書配備有全套案例數(shù)據(jù)集、源代碼，可通過掃描關(guān)注機(jī)械工業(yè)出版社計算機(jī)分社官方微信公眾號IT有得聊，回復(fù)XXXXX即可獲取。
致謝
本書基于很多資料和知識整理匯集而成，因此，我不可能完全統(tǒng)計出所有對本書的內(nèi)容做出貢獻(xiàn)的人士。在這里，我向所有貢獻(xiàn)者們致以最誠摯的謝意。
我要感謝我的家人，他們默默的支持，是我最堅實的后盾。
我要感謝我的導(dǎo)師張長水教授，他嚴(yán)謹(jǐn)?shù)慕虒?dǎo)，是我終生受益的財富。
我要感謝我的朋友蔣楠、胡捷、王磊和潘偉燊，沒有他們的真誠鼓勵，我也不會堅持記完我的筆記。
我還要感謝機(jī)工社的編輯王斌（IT大公雞），有了他的鼎力相助，才有了這本書的成型與出版。
機(jī)緣巧合促成了這本書的誕生，這也必將成為我一生中最寶貴的經(jīng)歷。非常希望本書能夠?qū)φ�踏上Python學(xué)習(xí)之路的朋友有所幫助！

李金
2022.3.27

李金，清華自動化系碩士，阿里巴巴負(fù)責(zé)廣告推薦的算法專家，知乎達(dá)人，其在知乎上的高分問答如何系統(tǒng)地自學(xué) Python？閱讀量達(dá)4000萬，在Github上的中文python筆記也廣受國內(nèi)外讀者好評。

第1章 初識Python1
1.1 人生苦短，我用Python1
1.1.1 Python簡介1
1.1.2 版本的選擇2
1.2 安裝Python環(huán)境2
1.2.1 集成開發(fā)環(huán)境：Anaconda2
1.2.2 第一行Python代碼3
1.3 使用Python工具4
1.3.1 IPython解釋器4
1.3.2 代碼的運行模式：解釋器模式與
腳本模式6
1.3.3 學(xué)習(xí)工具：Jupyter Notebook8
1.4 本章學(xué)習(xí)筆記9
第2章 Python基礎(chǔ)10
2.1 基礎(chǔ)語法簡介10
2.2 數(shù)據(jù)類型16
2.2.1 數(shù)字16
2.2.2 字符串20
2.2.3 索引與分片27
2.2.4 列表29
2.2.5 元組34
2.2.6 可變與不可變類型36
2.2.7 字典37
2.2.8 集合與不可變集合41
2.2.9 賦值機(jī)制44
2.3 判斷與循環(huán)49
2.3.1 判斷49
2.3.2 循環(huán)53
2.4 函數(shù)與模塊58
2.4.1 函數(shù)58
2.4.2 模塊61
2.5 異常與警告65
2.5.1 異常65
2.5.2 警告70
2.6 文件讀寫71
2.6.1 讀文件71
2.6.2 寫文件72
2.7 內(nèi)置函數(shù)74
2.7.1 數(shù)字相關(guān)的內(nèi)置函數(shù)74
2.7.2 序列相關(guān)的內(nèi)置函數(shù)75
2.7.3 其他內(nèi)置函數(shù)76
2.8 本章學(xué)習(xí)筆記76
第3章 Python進(jìn)階80
3.1 函數(shù)進(jìn)階80
3.1.1 函數(shù)參數(shù)與返回值80
3.1.2 高階函數(shù)82
3.1.3 map()函數(shù)和filter()函數(shù)83
3.1.4 Lambda表達(dá)式84
3.1.5 關(guān)鍵字global85
3.1.6 函數(shù)的遞歸86
3.2 迭代器與生成器87
3.2.1 迭代器87
3.2.2 生成器91
3.3 裝飾器93
3.3.1 裝飾器的引入93
3.3.2 裝飾器的用法95
3.4 上下文管理器與with語句98
3.4.1 上下文管理器的引入98
3.4.2 上下文管理器的原理99
3.5 變量作用域103
3.6 本章學(xué)習(xí)筆記105
第4章 Python面向?qū)ο缶幊?07
4.1 面向?qū)ο蠛喗?07
4.2 自定義類型109
4.3 方法與屬性111
4.4 繼承與復(fù)用115
4.5 公有、私有、特殊以及靜態(tài)的
方法與屬性118
4.6 多重繼承120
4.7 本章學(xué)習(xí)筆記121
第5章 Python標(biāo)準(zhǔn)庫123
5.1 系統(tǒng)相關(guān)：sys模塊123
5.2 與操作系統(tǒng)進(jìn)行交互：os模塊125
5.3 正則表達(dá)式：re模塊128
5.4 日期時間相關(guān)：datetime模塊132
5.5 讀寫JSON數(shù)據(jù)：json模塊134
5.6 文件模式匹配：glob模塊137
5.7 高級文件操作：shutil模塊138
5.8 數(shù)學(xué)：math模塊139
5.9 隨機(jī)數(shù)：random模塊140
5.10 路徑操作：pathlib模塊141
5.11 網(wǎng)址URL相關(guān)：urllib模塊142
5.12 實例：使用標(biāo)準(zhǔn)庫實現(xiàn)桌面
墻紙下載143
5.13 本章學(xué)習(xí)筆記146
第6章 Python科學(xué)計算基礎(chǔ)：
NumPy模塊149
6.1 NumPy模塊簡介149
6.2 數(shù)組基礎(chǔ)150
6.2.1 數(shù)組的引入150
6.2.2 數(shù)組的屬性151
6.2.3 數(shù)組的類型152
6.2.4 數(shù)組的生成155
6.2.5 數(shù)組的索引157
6.2.6 數(shù)組的迭代159
6.3 數(shù)組操作160
6.3.1 數(shù)值相關(guān)的數(shù)組操作160
6.3.2 形狀相關(guān)的數(shù)組操作163
6.3.3 數(shù)組的連接操作168
6.3.4 數(shù)組的四則運算和點乘171
6.3.5 數(shù)組的數(shù)學(xué)操作172
6.3.6 數(shù)組的比較和邏輯操作173
6.4 數(shù)組廣播機(jī)制174
6.5 數(shù)組索引進(jìn)階176
6.5.1 數(shù)組的基礎(chǔ)索引176
6.5.2 數(shù)組的高級索引178
6.6 數(shù)組讀寫180
6.6.1 數(shù)組的讀取180
6.6.2 數(shù)組的寫入181
6.6.3 數(shù)組的二進(jìn)制讀寫182
6.7 隨機(jī)數(shù)組183
6.8 實例：使用NumPy實現(xiàn)K近鄰
查找184
6.9 本章學(xué)習(xí)筆記185
第7章 Python數(shù)據(jù)可視化：
Matplotlib模塊187
7.1 Matplotlib模塊簡介187
7.2 基于函數(shù)的可視化操作187
7.2.1 plt.plot()函數(shù)的使用187
7.2.2 圖與子圖193
7.3 基于對象的可視化操作194
7.4 圖像中的文本處理195
7.5 實例：基于Matplotlib的三角
函數(shù)可視化197
7.6 本章學(xué)習(xí)筆記200
第8章 Python科學(xué)計算進(jìn)階：
SciPy模塊202
8.1 SciPy模塊簡介202
8.2 插值模塊：scipy.interpolate202
8.3 概率統(tǒng)計模塊：scipy.stats206
8.3.1 基本統(tǒng)計量206
8.3.2 概率分布206
8.4 優(yōu)化模塊：scipy.optimize214
8.4.1 數(shù)據(jù)擬合214
8.4.2 值優(yōu)化218
8.4.3 方程求根220
8.5 線性代數(shù)模塊：scipy.linalg221
8.6 實例：基于SciPy的主成分
分析227
8.7 本章學(xué)習(xí)筆記230
第9章 Python數(shù)據(jù)分析基礎(chǔ)：
Pandas模塊232
9.1 Pandas模塊簡介232
9.2 一維數(shù)據(jù)結(jié)構(gòu)：Series對象232
9.2.1 Series對象的生成233
9.2.2 Series對象的使用235
9.3 二維數(shù)據(jù)結(jié)構(gòu)：DataFrame
對象238
9.3.1 DataFrame對象的生成238
9.3.2 DataFrame對象的使用240
9.4 Pandas對象的索引242
9.4.1 基于中括號的索引和切片242
9.4.2 基于位置和標(biāo)記的高級索引245
9.5 缺失值的處理248
9.6 數(shù)據(jù)的讀寫250
9.7 實例：基于Pandas的期貨
數(shù)據(jù)分析251
9.8 本章學(xué)習(xí)筆記256
第10章 Python案例1：中文小說
分析257
10.1 數(shù)據(jù)預(yù)處理257
10.2 數(shù)據(jù)統(tǒng)計259
10.3 數(shù)據(jù)建模263
10.4 效果分析265
10.5 本章學(xué)習(xí)筆記271
第11章 Python案例2：手寫數(shù)字
分析273
11.1 數(shù)據(jù)的獲取與處理273
11.2 數(shù)據(jù)建模和效果分析275
11.3 本章學(xué)習(xí)筆記277