第一章Python基础知识………………………………1

1.1 Python算术运算………………………………1

1.1.1 数值的算术运算………………………………1

1.1.2变量………………………………3

1.2数值型数据类型………………………………4

1.2.1 整数类型…………………………………………4

1.2.2 浮点类型………………………………5

1.2.3布尔数据类型………………………………6

1.3 Python标准库:基本数学函数……………………………… 8

1.3.1从标准库中导入函数……………………………….9

1.3.2三角函数………………………………10

1.3.3指数函数与对数函数………………………………11

1.4 Python标准库:统计函数………………………………12

1.5非数值型数据类型………………………………13

1.5.1字符串………………………………13

1.5.2列表………………………………18

1.6标准输入输出函数: print和 input ………………………………20

1.6.1 print………………………………20

1.6.2 input ………………………………21

第二章Python编程进阶………………………………24

2.1分支结构………………………………24

2.1.1条件语句………………………………24

2.1.2 try-except语句………………………………27

2.2循环结构……………………………… 29

2.2.1 for循环………………………………29

2.2.2 while循环……………………………… 32

2.2.3 continue和 break………………………………33

2.2.4数值算法……………………………… 34

2.3数据类型:字典和元组………………………………38

2.3.1字典………………………………38

2.3.2元组………………………………40

2.3.3 数据类型小结………………………………… 4l

2.4函数与模块………………………………42

2.4.1定义Python函数………………………………43

2.4.2将函数写入模块………………………………44

2.4.3 函数定义中的 docstrings ………………………………46

2.4.4 Python中的匿名函数……………………………… 47

2.4.5函数与模块小结………………………………49

第三章Python数据分析基础………………………………50

3.l NumPy……………………………… 50

3.1.l创建NumPy数组………………………………… 5l

3.1.2 NumPy数组的索引、切片、重塑与计算………………………………54

3.1.3模拟随机实验实例………………………………59

3.2 Pandas………………………………61

3.2.1 Series………………………………61

3.2.2 DataFrame…………………………………… 63

3.2.3 访问DataFrame数据…………………………………67

3.2.4 DataFrame中的数据排序………………………………………………70

3.2.5在DataFrame中增加/删除行和列………………………………72

3.2.6生成交叉表………………………………76

3.2.7 读取/写入数据文件………………………………76

第四章 Python绘图与数据可视化………………………………78

4.1 Matplotlib简介………………………………79

4.1.1显示图像………………………………79

4.1.2绘制函数图像………………………………… 80

4.1.3 绘制线条图………………………………83

4.2使用Matplotlib绘制统计图形………………………………86

4.2.1绘制条形图(直方图) ……………………………… 86

4.2.2绘制饼图……………………………… 91

4.2.3 绘制散点图……………………………… 94

4.3 Matplotlib面向对象绘图………………………………98

4.3.l图形和轴……………………………… 98

4.3.2子绘图……………………………… 101

4.3.3 数据可视化应用案例……………………………… 108

4.3.4三维绘图……………………………… 113

4.4 使用Seaborn绘图………………………………117

4.5使用Pandas绘图………………………………123

第五章 从数据分析到深度学习………………………………129

5.1探索性数据分析………………………………129

5.1.1 EDA过程……………………………… 130

5.1.2描述统计……………………………… 130

5.1.3 探索变量之间关系…………………………………… 139

5.2 深度学习人门……………………………… 146

5.2.1 PyTorch简介……………………………… 146

5.2.2 PyTorch数据集及装载器……………………………… 150

5.2.3 神经网络………………………………154

5.2.4卷积神经网络………………………………160

第六章 使用Python辅助数学学习……………………………… 169

6.1 SymPy简介………………………………170

6.1.1 数值计算与符号计算……………………………… 170

6.1.2多项式及有理分式………………………………174

6.1.3初等函数………………………………178

6.2使用SymPy解方程……………………………… 182

6.3使用SymPy绘图……………………………… 186

6.3.1函数绘图………………………………186

6.3.2 2D函数绘图………………………………187

6.3.3 3D函数绘图……………………………… 189

6.4微积分………………………………132

6.4.1 数列与级数………………………………193

6.4.2函数极限………………………………198

6.4.3导数与微分………………………………199

6.4.4曲线的切线………………………………204

6.4.5优化问题………………………………205

6.4.6积分………………………………207

6.4.7函数项级数………………………………211

6.5  线性代数………………………………217

6.5.1 线性方程组………………………………217

6.5.2 矩阵……………………………… 218

6.5.3矩阵操作与运算………………………………221

6.5.4矩阵的LU分解………………………………229

6.5.5矩阵确定的基本子空间………………………………233

6.5.6特征向量与特征值………………………………236