【程式設計不難：全彩圖解+微課+ Python程式設計】

內容簡介

《編程不難：全彩圖解+微課+Python編程》是“鳶尾花數學大系—從加減乘除到機器學習”叢書的第一册，也是“程式設計”板塊的第一册，著重介紹如何零基礎入門學Python程式設計。 雖然《編程不難：全彩圖解+微課+Python編程》主要講解Python程式設計，但是也離不開數學。 《編程不難：全彩圖解+微課+Python編程》儘量避免講解數學概念公式，而且用圖形和近乎口語化的語言描述程式設計、資料分析、機器學習背後常用的數學思想。

《編程不難：全彩圖解+微課+Python編程》分為預備、語法、繪圖、數組、數據、數學、機器學習、應用八大板塊，共36章，內容“跨度”極大！ 從Python基本程式設計語法，到基本視覺化工具，再到各種數據操作工具，還介紹常用Python實現的各種複雜數學運算，進入資料分析和機器學習之後，還講解如何搭建應用App。 我們可以把《編程不難：全彩圖解+微課+Python編程》看作從Python程式設計角度對“鳶尾花書”全系內容的總覽。

《編程不難：全彩圖解+微課+Python編程》提供程式碼示例和講解，而且提供習題，每章還配套Jupyter Notebook程式碼檔案（Jupyter Notebook不是可有可無的，而是學習生態的關鍵一環，“鳶尾花書”強調在JupyterLab自主探究學習才能提高大家程式設計技能）。 《編程不難：全彩圖解+微課+Python編程》配套微課也主要以配套Jupyter Notebooks為覈心，希望讀者邊看視頻，邊動手練習。

《編程不難：全彩圖解+微課+Python編程》讀者群包括所有試圖用程式設計解决問題的朋友，尤其適用於初級程式師進階、高級數據分析師、機器學習開發者。

作者簡介

薑偉生博士FRM。

勤奮的小鎮做題家，熱愛知識視覺化和開源分享。 自2022年8月開始，在GitHub上開源“鳶尾花書”學習資源，截至2024年5月，已經分享5000多頁PDF、5000多幅向量圖、約3000個程式碼檔案，全球讀者數以萬計，GitHub全球排名TOP140

目錄

緒論1

第1章聊聊“巨蟒”9

1.1 Python？ 巨蟒？ 10

1.2 Python和視覺化有什麼關係？ 14

1.3 Python和數學有什麼關係？ 14

1.4 Python和機器學習有什麼關係？ 20

1.5相信“反復+精進”的力量！ 21

第2章安裝使用Anaconda 29

2.1整合式開發環境30

2.2如何安裝Anaconda？ 31

2.3測試JupyterLab 33

2.4查看Python協力廠商庫版本號35

2.5安裝、更新、卸載Python協力廠商庫38

第3章JupyterLab，用起來！ 41

3.1什麼是JupyterLab？ 42

3.2使用JupyterLab：立刻用起來43

3.3快速鍵：這一章可能最有用的內容48

3.4什麼是LaTeX？ 51

3.5字母和符號52

3.6用LaTex寫公式57

第4章Python語法，邊學邊用63

4.1 Python也有語法？ 64

4.2注釋：不被執行，卻很重要66

4.3縮進：四個空格，標識程式碼塊69

4.4變數：一個什麼都能裝的箱子72

4.5使用import導入包74

4.6 Pythonic:Python風格76

第5章Python資料類型77

5.1資料類型有哪些？ 78

5.2數位：整數、浮點數、複數79

5.3字串：用引號定義的文字81

5.4清單：存儲多個元素的序列88

5.5其他資料類型：元組、集合、字典94

5.6矩陣、向量：線性代數概念95

第6章Python常見運算101

6.1幾類運算子102

6.2算術運算子103

6.3比較運算子105

6.4邏輯運算子106

6.5賦值運算子107

6.6成員運算子108

6.7身份運算子108

6.8優先順序109

6.9聊聊math庫109

6.10聊聊random庫和statistics庫113

第7章Python控制結構123

7.1什麼是控制結構？ 124

7.2條件語句：相當於開關126

7.3 for迴圈語句129

7.4清單生成式138

7.5反覆運算器itertools 143

第8章Python函數147

8.1什麼是Python函數？ 148

8.2自定義函數152

8.3更多自定義線性代數函數160

8.4遞迴函數：自己反復調用自己164

8.5位置參數、關鍵字參數165

8.6使用*args和**kwargs 167

8.7匿名函數169

8.8構造模塊、庫170

8.9模仿別人的程式碼171

第9章Python物件導向程式設計175

9.1什麼是物件導向程式設計？ 176

9.2定義内容178

9.3定義方法180

9.4裝潢器181

9.5父類、子類182

第10章聊聊視覺化187

10.1解剖一幅圖188

10.2使用Matplotlib繪製線圖190

10.3圖片美化198

10.4使用Plotly繪製線圖202

第11章二維和三維視覺化209

11.1二維視覺化方案210

11.2二維散點圖210

11.3二維等高線圖216

11.4熱圖222

11.5三維視覺化方案225

11.6三維散點圖229

11.7三維線圖231

11.8三維網格曲面圖232

11.9三維等高線圖234

11.10箭頭圖235

第12章Seaborn視覺化數據239

12.1 Seaborn：統計視覺化利器240

12.2一元特徵數據241

12.3二元特徵數據252

12.4多元特徵數據257

第13章聊聊NumPy 265

13.1什麼是NumPy？ 266

13.2手動構造數組267

13.3生成數列273

13.4生成網格數據274

13.5特殊數組276

13.6亂數276

13.7數組導入、匯出280

第14章NumPy索引和切片283

14.1什麼是索引、切片？ 284

14.2一維數組索引、切片284

14.3視圖vs副本287

14.4二維陣列索引、切片289

第15章NumPy常見運算293

15.1加、减、乘、除、乘冪294

15.2廣播原則295

15.3統計運算298

15.4常見函數301

第16章NumPy數組規整307

16.1從reshape（）函數說起309

16.2一維數組→行向量、列向量310

16.3一維數組→二維陣列311

16.4一維數組→三維數組312

16.5視圖vs副本312

16.6轉置313

16.7扁平化314

16.8旋轉、翻轉314

16.9堆疊315

16.10重複317

16.11分塊矩陣318

第17章NumPy線性代數321

17.1 NumPy的linalg模塊322

17.2折開矩陣323

17.3向量運算325

17.4矩陣運算329

17.5幾個常見矩陣分解333

第18章NumPy愛因斯坦求和約定337

18.1什麼是愛因斯坦求和約定？ 338

18.2二維陣列求和340

18.3轉置341

18.4矩陣乘法343

18.5一維數組345

18.6方陣346

18.7統計運算347

第19章聊聊Pandas 351

19.1什麼是Pandas？ 353

19.2創建數據幀：從字典、清單、NumPy數組354

19.3數據幀操作：以鳶尾花數據為例357

19.4四則運算：各列之間363

19.5統計運算：聚合、降維、壓縮、折疊365

19.6時間序列：按時間順序排列的數據368

第20章Pandas快速視覺化373

20.1 Pandas的視覺化功能374

20.2線圖：pandas. DataFrame.plot（）375

20.3散點圖378

20.4柱狀圖381

20.5箱型圖382

20.6長條圖和核密度估計曲線382

第21章Pandas索引和切片385

21.1數據幀的索引和切片386

21.2選取特定列387

21.3選取特定行388

21.4選取特定元素388

21.5條件索引389

21.6多層索引391

21.7時間序列數據幀索引和切片395

第22章Pandas規整399

22.1 Pandas數據幀規整400

22.2拼接：pandas.concat（）401

22.3合併：pandas.join（）402

22.4合併：pandas.merge（）405

22.5長格式轉換為寬格式：pivot（）409

22.6寬格式轉換為長格式：stack（）411

22.7長格式轉換為寬格式：unstack（）414

22.8分組聚合：groupby（）415

22.9自定義操作：apply（）417

第23章Plotly統計視覺化421

23.1 Plotly常見視覺化方案：以鳶尾花數據為例422

23.2新增一組分類標籤424

23.3兩組標籤：兩個維度428

23.4視覺化比例：柱狀圖、餅圖432

23.5鑽取：多個層次之間的導航和探索434

23.6太陽爆炸圖：展示層次結構438

23.7新增第三切割維度440

23.8平均值的鑽取：全集vs子集447

第24章Pandas時間序列數據

453

24.1什麼是時間序列？ 454

24.2缺失值：用NaN表示457

24.3移動平均：一種平滑科技460

24.4收益率：相對漲跌462

24.5統計分析：平均值、波動率等464

24.6相關性：也可以隨時間變化474

--------------------------------

【可視之美：數據視覺化+數學藝術+學術繪圖+ Python創意程式設計】

內容簡介

《可視之美：數據可視化+數學藝術+學術繪圖+Python創意編程》是“鳶尾花數學大系：從加減乘除到機器學習”叢書中程式設計板塊的第二册。 程式設計板塊第一册《編程不難》著重介紹如何零基礎入門Python程式設計，《可視之美：數據可視化+數學藝術+學術繪圖+Python創意編程》則在《編程不難》基礎之上深入探討如何用Python完成數學任務及板塊數據視覺化。

《可視之美：數據可視化+數學藝術+學術繪圖+Python創意編程》是本系列中的一本真正意義上的“圖冊”。 內容覆蓋科技製圖、電腦圖學、創意程式設計、趣味數學實驗、數學科學、機器學習等。 《可視之美：數據可視化+數學藝術+學術繪圖+Python創意編程》“毫無節制”地展示數學之美，而且提供特別實用且容易複製的創作思路、做圖技巧、程式設計程式碼。

《可視之美：數據可視化+數學藝術+學術繪圖+Python創意編程》包含8個板塊共36章內容。 前5個板塊（共18章）專注於各種視覺化手段，是視覺化中的“術”； 後3個板塊（共18章）選取了18個話題來展示數學之美，是視覺化中的“藝”，閱讀這18章時，請關注每個視覺化方案的創意思路、作圖技巧、數學工具。

《可視之美：數據可視化+數學藝術+學術繪圖+Python創意編程》讀者群包括程式師、科技製圖開發者、高級數據分析師、機器學習開發者、創意程式設計開發者、電腦圖學研究者。

作者簡介

薑偉生博士FRM。

熱愛知識視覺化和開源分享。 自2022年8月開始，在GitHub上開源“鳶尾花書”學習資源，截至2024年5月，已經分享5000多頁PDF、5000多幅向量圖、約3000個程式碼檔案，全球讀者數以萬計，GitHub全球排名TOP119。