本书遵循教指委相关指导文件和高等院校学生学习规律编写而成。践行四新理念，融入思政元素，注重理论与实践相结合。
高等院校教师
Python是一种简单易学的脚本语言，它具有解释性、编译性、互动性和面向对象的特性，提供了丰富的高级数据结构。目前，Python已成为广大开发人员的首选编程语言，并广泛应用于Web开发、自动化测试、数据分析及人工智能等领域。本书以实用性为出发点，在介绍Python程序设计的基础知识时，采用理论与实践相结合的方式，通过项目实战提升读者的应用能力，有效培养读者使用Python语言解决实际问题的能力。 本书共10章。具体内容分为两大部分：第一部分以Python语言基础知识普及为主，介绍了Python、基本语法、数据类型、函数等；第二部分以项目实战为核心，以贴近生活的案例为依托、以学以致用为导向，介绍了数据处理、可视化分析、科学计算、机器学习和深度学习等项目实战。全书以理论引导、案例驱动和上机实战为理念，打造Python语言学习的新模式。本书基于相关高等学校教师长期教学实践编写，旨在通过简练易懂的语言，以理论知识为基础、以项目实战为手段、以解决问题为根本，使读者真正理解所学理论，并能够学以致用。为方便读者学习，本书提供完整的配套资源，包括程序源码、PPT课件、习题答案等，可从机械工业出版社教育服务网（www.cmpedu.com）下载。 本书可以用作高等学校计算机、人工智能、信息、电气等相关专业本科生的教科书，也可作为技术人员的参考书。
目录前言第1章Python语言概述1.1Python语言简介1.1.1Python的历史1.1.2Python的特性及应用领域1.1.3Python的版本1.2Python开发环境1.2.1Python解释器1.2.2Python开发环境的安装与配置1.2.3运行Python程序1.3Python扩展库1.3.1安装Python扩展库1.3.2扩展库中对象的导入1.4Jupyter Notebook1.5本章小结1.6课后习题第2章Python语言基础2.1Python语法规则2.1.1语句缩进2.1.2注释2.1.3标识符2.2Python数据类型2.2.1数值类型2.2.2字符串类型2.2.3布尔型2.3赋值语句2.4输入与输出2.4.1输入函数input()2.4.2输出函数print()2.4.3数据的格式化输出2.5运算符与表达式2.5.1算术运算符2.5.2关系运算符2.5.3逻辑运算符2.5.4运算符的优先级和结合性2.6本章小结2.7实验：温度转换器2.8实验：输入/输出拓展:制作简单的EXE程序2.9课后习题第3章复合数据类型3.1序列类型3.1.1列表3.1.2元组3.1.3字符串3.1.4通用操作3.1.5文件3.2字典3.3集合3.4可变类型和不可变类型3.5本章小结3.6课后习题第4章结构体4.1选择结构4.1.1选择结构的种类4.1.2条件表达式4.1.3异常处理4.2循环结构4.2.1for循环结构4.2.2while循环结构4.2.3循环控制语句4.2.4循环嵌套4.3解析式4.4本章小结4.5实验：温度转换器2.04.6实验：文件处理4.6.1批处理文件名4.6.2可视化浏览文件系统4.7课后习题第5章函数5.1函数概述5.1.1函数的定义和调用5.1.2函数的参数和返回值5.1.3函数嵌套5.2lambda函数5.3模块5.4本章小结5.5实验：递归遍历文件5.6实验：学员管理系统5.7课后习题第6章数据处理6.1数组概述6.1.1数组的创建6.1.2数组的基本属性6.1.3数组的特点6.2数组的操作6.2.1切片与索引6.2.2数组变换6.2.3数组计算6.2.4广播机制6.3网约车平台数据分析6.4股票历史价格分析6.5摩尔定律的验证6.6本章小结6.7课后习题第7章可视化分析7.1从数据到图形7.1.1基础图形7.1.2统计图7.1.3数组绘制7.2面向对象的绘图模式7.2.1图形对象7.2.2子图绘制7.2.3文字注释7.3人口金字塔可视化分析7.3.1提取人口数据7.3.2可视化人口数据7.3.3绘制人口金字塔7.4电商数据可视化分析7.4.1提取电商数据7.4.2产品数据可视化分析7.4.3用户数据可视化分析7.5气象数据可视化分析7.5.1提取气象数据7.5.2温度数据可视化分析7.5.3气候数据可视化分析7.6本章小结7.7课后习题第8章科学计算8.1Python科学计算简述8.1.1SciPy功能与子模块8.1.2数值积分与微分8.1.3统计分析8.2公司生产最优化规划8.2.1scipy.optimize子模块简介8.2.2线性规划在公司生产规划中的应用8.3气象风速插值分析8.3.1scipy.interpolate子模块简介8.3.2气象最大风速预测8.4数字图像处理8.4.1数字图像的构成8.4.2scipy.ndimage子模块简介8.4.3数字图像滤波及特征提取8.5本章小结8.6课后习题第9章机器学习9.1基于数据的学习9.1.1机器学习简述9.1.2数据准备9.1.3机器学习流程9.2手写数字识别9.2.1MNIST数据集分析与预处理9.2.2分类模型的建立与训练9.2.3手写数字识别模型的结果分析9.3交通车流量预测9.3.1车流量数据分析与预处理9.3.2回归模型的建立与训练9.3.3回归模型的预测分析9.4电影推荐系统9.4.1电影数据集分析与预处理9.4.2基于内容的推荐系统9.4.3混合推荐系统9.5本章小结9.6课后习题第10章深度学习10.1人工神经网络10.1.1深度学习简述10.1.2Python深度学习框架10.2诗歌生成器10.2.1诗歌数据准备与预处理10.2.2基于循环神经网络的诗歌生成器10.2.3诗歌生成器模型的训练与预测10.3识别验证码的OCR模型10.3.1验证码数据准备与预处理10.3.2基于卷积循环网络的OCR模型10.3.3OCR模型的训练与预测10.4本章小结10.5课后习题参考文献
