Python 函式庫語法範例字典
相關熱銷的書籍推薦給您
商品描述
<內容簡介>
彙整最常使用的 Python 函式庫語法
功能索引 + 字母順序查詢,
隨查隨用, 快速解決問題！
Python 是近來非常熱門的程式語言, 原因之一就是具有豐富的標準函式庫及第三方套件可以使用, 用途涵蓋字串處理、數值計算、資料壓縮與封存、XML與 JSON 存取等層面。本書集合 Python 常用的函式及模組功能, 依用途分門別類, 提供詳細的使用說明、豐富的語法範例, 讓使用者可以在短時間內找到、學會函式的正確使用方式, 在撰寫程式時更加得心應手！
<本書特色>
● 依功能分類, 每個函式都以豐富範例實際演練用法
● 目錄上列有函式名稱與用途說明, 可依據名稱或是用途查詢
● 可依字母順序快速查詢想使用的函式功能
● 本書嚴選的模組功能包括：
argparse／array／base64／beautifulsoup4／bisect／bz2／collections／ConfigParser／csv／datetime／dateutil／decimal／doctest／email／enum／fnmatch／glob／gzip／heapg／io／itertools／json／logging／lxml／lzma／math／multiprocessing／openpyxl／os／pathlib／paramiko／pdb／Pillow／pprint／PyCrypto／pydoc／pytest／pytz／random／re／requests／shutil／statistics／subprocess／sys／tartile／tempfile／time／timeit／traceback／unicodedata／unittest／unittest.mock／urllib.parse／weakref／xml.etree.ElementTree／yaml／zipfile／zlib
● 適用 Python 3
立即查看
高效率Python自動化工作術｜快速解決Excel、Word、PDF資料處理 (1版)
類似書籍推薦給您
想指定年份與月份就完成月曆
想找出使用了特定文字的PDF檔案
想一口氣置換所有檔案的文字
利用幾十行的程式碼讓工作變得超級輕鬆
這些工作都可利用Python快速完成！
做成應用程式，就會變得很好用
利用簡短的程式讓工作變得超級輕鬆
利用Python讓麻煩的工作變得更有效率
許多職場都已開始利用Python完成各種業務。
只要使用Python，就能以簡短的程式讓例行公事變得更有效率。
本書介紹許多利用Python讓麻煩的例行公事自動完成的技巧。
本書適合已在工作使用Python的讀者(或是之後想要使用Python的讀者)
本書從不同種類的業務之中，挑選了一些麻煩的業務介紹，只需要幾十行的程式碼就能快速完成這些麻煩的例行公事，其中包含檔案操作、文字檔、PDF檔、Word檔、Excel檔的搜尋、取代，以及圖片的調整或是取得各種檔案資訊與網路資料，而且還會介紹將這些程式轉換成應用程式，讓使用者按一個按鈕就執行這些程式的方法
目錄
第1章 利用Python自動化工作
第2章 Python的基本
第3章 製作應用程式
第4章 檔案操作
第5章 文字檔案的搜尋與置換
第6章 PDF檔案的搜尋
第7章 Word檔案的搜尋與置換
第8章 搜尋與置換Excel案
第9章 重新調整圖片大小與儲存圖片
第10章 語音與影片的播放時間
第11章 取得網路資料
立即查看
AI 神助攻！程式設計新境界 - GitHub Copilot 開發 Python 如虎添翼 : 提示工程、問題分解、測試案例、除錯 (1版)
類似書籍推薦給您
【簡介】
【程式設計新浪潮 . 開發生態大革命】
你還在研讀程式語法手冊？還在網路上找程式碼來修修改改？還要繼續埋首在手刻程式碼的低效循環中掙扎嗎？就是現在，程式設計生態發生了史無前例的變革！
GitHub Copilot 是由 GitHub 與 OpenAI 大型語言模型（LLMs）合作開發的 AI 程式設計助手，它從巨量程式碼庫中學會所有的程式設計技巧，將人類過往的程式精華融為一體。只要你學會用正確的方法、下達明確的提示詞、妥善地用自然語言與其溝通，就能發揮它的無窮力量，大幅幫助你提高開發軟體的成效。
本書作者：兩位資訊教育學家 Leo Porter 博士與 Daniel Zingaro 博士為了 AI 程式設計時代的到來，在本書規劃出「函式設計循環」流程，整本書的編排圍繞著這個設計循環所需的技能，一遍遍演練、一步步學會進入 AI 程式設計必備的新技能。幫助你以正確的方式掌握 Python 程式設計（當然，其它程式語言也適用），高效快速解決實務上的任務。
【開發程式的重點：從寫程式轉換為寫提示詞】
與傳統的入門程式設計課程相比，使用 GitHub Copilot 協助寫程式需要學習新的技能，特別是問題分解、提示工程、測試與除錯技巧（如果您對這些技能還不太熟悉也無需擔心，本書都會詳細介紹），這些新技能對於現職的程式設計師來說同樣重要。
在以往傳統的程式設計課程中，學生往往需要將精力灌注在語法的細節上，然而在 AI 時代，程式語法已經有 GitHub Copilot 這位大神在身邊，完全不用你操心，你該學的是如何用自然語言，寫出有意義且 AI 工具能正確理解的提示詞，讓它為你寫出符合預期的程式碼。如果你真的很不會寫提示詞，Copilot 除了能夠反向幫助程式產生提示詞，甚至還可以利用提示模式（prompt patterns）翻轉問答對象，讓 Copilot 主動提問以達成你的目標。
本書特色:
● 精心設計為 AI 工具而生的函式設計循環。
● 使用與業界接軌的 Visual Studio Code 開發工具。
● 善用 Copilot Chat、inline Chat 提高生產力好助手。
● 撰寫提示詞：學會用 AI 看得懂的自然語言溝通。
● 看懂程式碼：程式由 AI 寫, 但你需要看得懂。
● 問題分解：用 Top-Down 設計將大問題分解成小任務。
● 測試案例：設計常見案例與邊界案例確認函式正確。
● 除錯技巧：當 AI 使不上力的時候要學會自救。
● 從設計模式轉變為提示模式的初體驗。
【目錄】
目錄:
第 1 章 GitHub Copilot 簡介
1.1 本書用到的技術
1.1.1 GitHub Copilot 就是寫程式的 AI 助手
1.1.2 GitHub Copilot 背後運作方式
1.2 GitHub Copilot 改變寫程式的方式
1.3 GitHub Copilot 能幫我們做什麼其他事情？
1.4 使用 Github Copilot 的風險與挑戰
1.5 技能需求
1.6 AI 程式助手（如 Copilot）帶來的顧慮
第 2 章 GitHub Copilot 入門
2.1 使用 Copilot 必備工具
2.1.1 需要註冊 GitHub 帳號
2.1.2 需要安裝 Python 延伸模組
2.1.3 需要安裝 VS Code
2.2 設定您的開發環境
2.3 在 Visual Studio Code 中使用 Copilot
2.3.1 設定工作資料夾
2.3.2 檢查設置是否能正常運行
2.4 常見的 Copilot 問題
2.5 在 VS Code 中用 Copilot 產生程式碼
2.6 第一個程式任務
2.6.1 Copilot 在資料處理任務中的價值
2.6.2 計算 Aaron Rodgers 在 2019~2022 年的傳球碼數
2.6.3 查出那段期間所有四分衛的表現
2.6.4 將傳球碼數統計資料繪製成圖表
第 3 章 設計函式
3.1 函式（Functions）
3.1.1 函式的組成
3.1.2 使用函式
3.2 函式的好處
3.3 呼叫函式的執行順序與函式的不同角色
3.3.1 瞭解呼叫函式的執行順序
3.3.2 函式的其它角色
3.4 函式的合理任務
3.4.1 好函式的特色
3.4.2 好與不好的葉子函式例子
3.5 使用 Copilot 的函式設計循環
3.6 使用 Copilot 建立函式的例子
3.6.1 計算股票獲利的函式
3.6.2 檢查強密碼的函式
3.6.3 獲取強密碼的函式
3.6.4 拼字遊戲的計分函式
3.6.5 找出分數最高單字的函式
第 4 章 學習閱讀 Python 程式碼 (1)
4.1 為何需要閱讀程式碼
4.2 要求 Copilot 解釋程式碼的意思
4.2.1 用 Copilot Chat 窗格解釋程式碼
4.2.2 從 inline Chat 叫出 GitHub Chat 解釋程式碼
4.2.3 透過格式化文件命令窗解釋程式碼
4.3 Python 語言的 10 大構成要素
4.4 內建函式
4.5 變數（Variables）
4.6 條件語句（Conditionals）
4.6.1 當條件判斷只有兩種可能結果
4.6.2 當條件判斷多於兩種可能結果
4.6.3 每個 if 語句都是獨立的條件判斷
4.7 字串（Strings）
4.7.1 字串的 method 練習
4.7.2 請 Copilot 解釋 method 與使用情境
4.7.3 字串的串接與重複
4.8 串列（Lists）
4.8.1 串列中的元素
4.8.2 串列元素的索引
4.8.3 串列元素切片
4.8.4 用索引更改串列中的值
4.9 Python 前 5 種構成要素整理
第 5 章 學習閱讀 Python 程式碼 (2)
5.1 迴圈（Loops）
5.1.1 for 迴圈 - 讀取字串
5.1.2 for 迴圈 - 讀取串列
5.1.3 for 迴圈 – 搭配索引
5.1.4 while 迴圈
5.2 縮排（Identation）
5.2.1 縮排代表程式區塊
5.2.2 二層縮排
5.2.3 三層縮排
5.2.4 美觀性的縮排
5.2.5 縮排與巢狀迴圈
5.3 字典（Dictionary）
5.3.1 存取字典的內容
5.3.2 用迴圈取得字典的內容
5.4 檔案（Files）
5.4.1 開檔並讀取資料
5.4.2 用迴圈逐列讀取檔案中的資料
5.4.3 用模組簡化處理 CSV 檔案的過程
5.5 模組（Modules）
5.5.1 預設模組可直接載入 – 以 zipfile 模組為例
5.5.2 需要下載並安裝的套件
5.6 Python 後 5 種構成要素整理
第 6 章 測試與提示工程
6.1 程式碼測試的重要性
6.2 黑盒測試與白盒測試
6.2.1 黑盒測試
6.2.2 如何決定測試案例要測什麼？
6.2.3 白盒測試
6.3 如何測試您的程式碼
6.3.1 在 Python 提示符號下進行測試
6.3.2 直接在 Python 檔案中進行測試
6.3.3 用 doctest 模組進行測試
6.4 重新檢視 Copilot 函式設計循環
6.5 測試範例 1 – 安排學生座位
6.5.1 找出一列中最多還可安排幾位新學生
6.5.2 改進提示詞以得到更佳解決方案
6.5.3 測試新的解決方案
6.6 測試範例 2 – 用到外部檔案
6.6.1 準備進行的測試案例
6.6.2 建立函式
6.6.3 對函式進行測試
6.6.4 使用 doctest 容易出現的問題
第 7 章 問題分解
7.1 問題分解的過程
7.2 Top-Down 設計的小例子
7.2.1 用 Top-Down 思考獲取強密碼函式
7.2.2 用 Top-Down 思考找出分數最高單字函式
7.2.3 Top-down 設計可控制複雜性
7.3 作者身份識別任務
7.4 作者身份識別程式的三個階段
7.5 分解處理階段的問題
7.5.1 決定神秘書籍的未知特徵簽名
7.5.2 5 個特徵函式的詳細說明
7.5.3 找出每本已知作者書籍的特徵簽名
7.6 為 Top-Down 設計做個整理
7.7 將規劃的函式用 Copilot 實作出來
7.7.1 clean_word 函式
7.7.2 average_word_length 函式
7.7.3 different_to_total 函式
7.7.4 exactly_once_to_total 函式
7.7.5 split_string 函式
7.7.6 get_sentences 函式
7.7.7 average_sentence_length 函式
7.7.8 get_phrases 函式
7.7.9 average_sentence_complexity 函式
7.7.10 make_signature 函式
7.7.11 get_all_signatures 函式
7.7.12 get_score 函式
7.7.13 lowest_score 函式
7.7.14 process_data 函式
7.7.15 make_guess 函式
7.8 思考重構程式的可能.
第 8 章 除錯 – 使用 Copilot Chat 與debugger
8.1 造成 bugs 的原因
8.2 如何找出 bugs
8.2.1 使用 print 語句來瞭解程式碼行為
8.2.2 用 VS Code 的 debugger 觀察程式行為
8.3 利用 GitHub Copilot Chat 修正程式碼
8.4 將除錯融入工作流程
8.5 將除錯技巧應用於新問題
8.5.1 列出可能出現錯誤的假設
8.5.2 對假設進行除錯
8.6 線上除錯工具 PythonTutor
8.7 降低除錯的挫折感.
第 9 章 製作自動化工具
9.1 程式設計師自製工具的原因
9.2 用 Copilot 開發自動化工具
9.3 自動化工具 1：清理電子郵件多餘符號
9.3.1 與 Copilot 交談取得協助
9.3.2 實際撰寫程式
9.4 自動化工具 2：為數百個 PDF 報告加上封面頁
9.4.1 與 Copilot 交談取得協助
9.4.2 實際撰寫程式
9.4.3 更新函式開發循環
9.5 自動化工具 3：合併圖片庫中內容不重複的檔案
9.5.1 與 Copilot 交談取得協助
9.5.2 為函式補上 docstring
第 10 章 遊戲設計
10.1 遊戲程式的兩個主要功能
10.2 為遊戲加入隨機性
10.3 遊戲 1：猜數字遊戲（Bulls and Cows）
10.3.1 遊戲玩法
10.3.2 Top-Down 設計
10.3.3 函式的參數與傳回值資料型別
10.3.4 實現遊戲的函式
10.3.5 為猜數字遊戲加上圖形介面
10.4 遊戲 2：雙人骰子遊戲（Bogart）
10.4.1 遊戲玩法
10.4.2 Top-Down 設計
10.4.3 實現遊戲的函式
第 11 章 未來的方向
11.1 從設計模式到提示模式
11.2 翻轉互動模式 - Flipped interaction pattern
11.3 角色模式 - Persona pattern
11.4 AI 工具的限制和未來方向
11.4.1 Copilot 目前面臨的困難
11.4.2 程式語言會被自然語言取代嗎？
11.4.3 一個令人期盼的未來
立即查看
AI世代必備！Python×ChatGPT高效率工作術：從網路爬蟲到辦公室自動化超實務 (1版)
類似書籍推薦給您
【簡介】
最全面的 ChatGPT × Python 應用手冊！
AI 詠唱寫程式，打造超快速自動化技巧！
學會對 AI 下指令，提升工作效能！
ChatGPT 詠唱技巧＋資料擷取術＋辦公室自動化
本書將帶你學會「網路爬蟲」和「辦公室自動化」的 Python 程式設計，並結合使用 ChatGPT 指令和提示，寫出各種不同應用的 Python 程式，成為 AI 指令達人。
本書介紹了網路爬蟲的流程到實作，首先分析 HTML 網頁結構及標籤，將資料擷取下來後進行資料處理與轉換，接著實際爬取天氣、電影、電商網頁。另外，本書的職場自動化技巧，包含彙整 Excel 資料、製作統計圖表、批次命名及移動圖片、自動寄開會通知信，讓你輕鬆駕馭日常工作，建立全方位的自動化辦公室！
23 個自動化範例 ＋ 8 個套件 ＝ 活用資料擷取術、節省繁瑣工作
你將學會
● 取得、剖析和擷取網頁資料
● 將爬取的資料轉為 Excel 檔案
● 用 ChatGPT 寫網路爬蟲程式，擷取不同類型的資料
● 使用 openpyxl 和 pandas 繪製圖表
● 自動建立與編輯 Word、PPT 內容
● 撰寫客戶回應信件、產生 PDF 報表
● 寫出 SQLite / MySQL 資料庫程式
● 串接 ChatGPT API，讓你在 LINE 使用 AI 聊天機器人
適合讀者
本書適合想要快速學會 Python 和 ChatGPT 詠唱的程式新手，也適合對資料處理、資料分析與資料視覺化有需求的從業人員。
本書範例檔案
本書提供 Python 範例程式、完整的 ChatGPT 提示文字及產出程式碼。
【目錄】
第一篇：Python X ChatGPT 程式設計與 HTML「超」入門
01 使用 ChatGPT 學習 Python 程式設計
1-1 Python 變數、資料型別與運算子
1-2 流程控制
1-3 函式、模組與套件
1-4 容器型別
1-5 檔案與例外處理
1-6 ChatGPT 應用：Python 程式設計小幫手
02 爬取的資料來源：HTML、CSV 和 JSON
2-1 HTML 與 CSS 基礎
2-2 資料標籤 – 文字和圖片標籤
2-3 群組標籤 – 清單、表格和結構標籤
2-4 網站巡覽 – 超連結標籤
2-5 CSV 與 JSON
2-6 ChatGPT 應用：學習 HTML 標籤的 CSS 選擇器
第二篇：Python X ChatGPT 網路爬蟲SOP 標準作業程序「超」實務
03 作業步驟一：認識網路爬蟲與 HTML 網頁分析
3-1 網路爬蟲與 URL 網址
3-2 認識 JavaScript 動態網頁內容
3-3 建立 Python 網路爬蟲的 SOP
3-4 使用開發人員工具分析 HTML 網頁結構
3-5 ChatGPT 應用：分析 Bootstrap 相簿網頁的標籤結構
04 作業步驟二：Requests 和 Selenium 取得網路資料
4-1 使用 requests 取得網路資料
4-2 使用 Selenium 取得網路資料
4-3 取得 HTML 表單送回的網路資料
4-4 使用 Web API 取得網路資料
4-5 ChatGPT 應用：取得無限捲動網頁的資料
4-6 ChatGPT 應用：剖析 OpenWeatherMap 的 JSON 天氣資料
05 作業步驟三：BeautifulSoup 剖析和擷取網頁資料
5-1 使用 BeautifulSoup 擷取網頁資料
5-2 使用正規表達式擷取網頁資料
5-3 Selenium+BeautifulSoup 擷取網頁資料
5-4 偽裝成瀏覽器送出 HTTP 請求
5-5 ChatGPT 應用：爬取 Bootstrap 相簿網頁的照片資訊
06 作業步驟四：Pandas 清理爬取資料與儲存
6-1 Pandas 基本使用
6-2 Pandas 資料讀取與儲存
6-3 Pandas 常用的資料處理
6-4 Pandas 資料清理
6-5 ChatGPT 應用：使用字串函式進行資料處理與清理
07 ChatGPT 應用實務：Python X ChatGPT 網路爬蟲實戰
7-1 擷取多筆記錄和 HTML 表格資料
7-2 擷取多頁面的分頁記錄資料
7-3 ChatGPT 應用實務：使用 Selenium 自動登入會員網站
7-4 ChatGPT 應用實務：爬取 PTT BBS 看板討論區的貼文
第三篇：Python X ChatGPT X Excel 資料統計分析「超自動化」實務
08 自動化下載圖檔、圖檔處理與批次檔案操作
8-1 自動化下載網路圖檔
8-2 PIL 影像處理自動化
8-3 os 與 shutil 模組的檔案操作自動化
8-4 ChatGPT 應用：自動批次重新命名和移動檔案
8-5 ChatGPT 應用：自動批次圖檔處理
09 自動化 Excel 活頁簿編輯操作
9-1 Excel 自動化與 openpyxl 套件
9-2 自動化建立 Excel 檔案和工作表
9-3 自動化讀取、更新與走訪 Excel 儲存格資料
9-4 自動化 Excel 工作表管理
9-5 ChatGPT 應用：將 CSV 和 JSON 資料自動匯入 Excel
10 自動化 Excel 資料統計與 VBA
10-1 自動化統計 Excel 工作表的整欄與整列資料
10-2 在 Excel 儲存格自動化套用公式和 Excel 函式
10-3 自動化 Python X Excel 建立樞紐分析表
10-4 使用 Python 程式自動化執行 Excel VBA
10-5 ChatGPT 應用：實作 Python X Excel 自動化工具箱
11 ChatGPT 應用實務：Python X Excel 與 Pandas 資料視覺化
11-1 認識資料視覺化與基本圖表
11-2 在 Excel 工作表自動化繪製統計圖表
11-3 ChatGPT 應用實務：Python X Excel 資料視覺化
11-4 ChatGPT 應用實務：Pandas 資料視覺化
第四篇：Python X ChatGPT X Office 辦公室事務「超自動化」實務
12 自動化處理 Word 文件與 PowerPoint 簡報
12-1 Python 的 Word 文件自動化
12-2 Python 的 PowerPoint 簡報自動化
12-3 ChatGPT 應用：自動調整 Word 標題文字的樣式與對齊
12-4 ChatGPT 應用：自動在 PowerPoint 投影片繪製圖表
13 自動化處理 PDF 文件與 Email 電子郵件
13-1 pywin32 套件：Office 軟體自動化
13-2 自動化 PDF 檔案處理
13-3 自動化寄送 Email 電子郵件
13-4 ChatGPT 應用：Excel X Email 自動寄送開會通知
14 自動化匯整各種表格資料至 SQL 資料庫
14-1 自動化轉換 Word、HTML 和 PDF 表格成 Excel
14-2 SQLite 資料庫的基本使用
14-3 將 CSV、JSON 和 Excel 資料存入 SQLite 資料庫
14-4 ChatGPT 應用：自動合併多個 Excel 檔案
14-5 ChatGPT 應用：產生 SQL 指令與改用 MySQL 資料庫
15 ChatGPT API 自動化撰寫客戶回應與產生 PDF 報表
15-1 使用 Open AI 的 ChatGPT API
15-2 自動化 Word 模版文件處理
15-3 Python X Excel 使用 Word 模版產生 PDF 報表
15-4 ChatGPT 應用：ChatGPT API X Word 模版撰寫客戶回應的 Word 文件
16 ChatGPT 應用實務：ChatGPT API 和 LINE Bot 聊天機器人
16-1 Flask 的基本使用
16-2 使用 Replit 雲端 Python 開發環境
16-3 ChatGPT 應用實務：Flask+SQLite 建立 Web API
16-4 ChatGPT 應用實務：ChatGPT API 和 LINE Bot 聊天機器人
附錄A Python 開發環境與註冊使用 ChatGPT
A-1 Python 開發環境：Thonny
A-2 註冊使用 ChatGPT
立即查看
Python建模和模擬: 科學家與工程師的入門指南
類似書籍推薦給您
【簡介】
學習如何利用Python來充分發揮建模和模擬的潛力，建立逼真的模型，輕鬆解決複雜而重要的問題。
釋放預測的力量，本書揭開了宇宙的秘密並掌握預測的藝術！從帝國大廈投擲一分錢到一杯咖啡的溫度變化，您將學習如何建立模型、編寫Python程式來類比它們、並使用這些模型來預測和解釋系統的行為。利用迭代建模、分析、符號計算等方法，實作從共享自行車系統到人口模型等各種模型。
本書非常適合希望提高對模型和模擬理解能力的各領域學生和專業人士。讀者無需具備程式設計、科學或工程方面的知識。每章都有一個可下載的Jupyter筆記本，您可以輕鬆使用程式碼進行實驗，並學以致用。
透過本書您將可以：
*建立世界人口模型、預測增長極限並進行未來預測
*模擬傳染病的傳播和廣泛接種疫苗的影響
*分析葡萄糖和胰島素在濃度隨時間變化時的交互作用
*探索棒球等投擲物和溜溜球等旋轉物體的物理學原理
*使用優化方法來確定在芬威球場擊出全壘打所需的力度
【目錄】
【PART 1 離散系統】
第1章 建模導論
建模框架
檢驗硬幣掉落的迷思
Python 計算
第2章 自行車共享系統建模
我們的自行車共享模型
定義函數
列印敘述
if 敘述
參數
for 迴圈
TimeSeries
繪圖
第3章 迭代建模
迭代我們的自行車共享模型
使用多個狀態物件
說明文件
處理負自行車
比較運算子
度量介紹
第4章 參數和度量
傳回值的函數
迴圈和陣列
掃描參數
增量式開發
總結
習題
第5章 建構人口模型
探索資料
絕對誤差和相對誤差
人口增長建模
模擬人口增長
第6章 迭代人口模型
System 物件
比例增長模型
分解更新函數
結合出生與死亡
第7章 增長的限制
二次增長
淨增長
尋找平衡
問題函數
第8章 推測未來
產生推測
比較推測
第9章 分析和符號計算
差分方程式
微分方程式
解析與模擬
使用 WolframAlpha 進行解析
使用 SymPy 進行解析
SymPy 中的微分方程式
求解二次增長模型
第10章 案例研究(1)
歷史世界人口
一個佇列還是兩個佇列？
預測鮭魚數量
樹木生長
【PART II 一階系統】
第11章 流行病學和 SIR 模型
新鮮人瘟疫
Kermack-McKendrick 模型
KM 方程式
實作 KM 模型
更新函數
執行模擬
蒐集結果
現在使用 TimeFrame
第12章 量化干預措施
免疫接種的效果
選擇度量
掃描免疫接種
第13章 掃描參數
掃描 Beta
掃描 Gamma
使用 SweepFrame
第14章 無維度化
beta 和 gamma
探索結果
接觸數
解析和模擬的比較
估計接觸數
第15章 熱系統
咖啡冷卻問題
溫度和熱量
熱傳遞
牛頓冷卻定律
實作牛頓冷卻
求根
估計 r
第16章 解咖啡問題
混合液體
先混合還是最後混合？
最佳時機
解析解
第17章 血糖建模
最小模型
葡萄糖最小模型
獲取資料
內插
第18章 實作最小模型
實作模型
更新函數
執行模擬
求解微分方程式
第19章 案例研究(2)
重新審視最小模型
胰島素最小模型
低通濾波器
牆壁的熱行為
HIV
【PART III 二階系統】
第20章 重溫掉落的硬幣
牛頓第二運動定律
掉落的硬幣
事件函數
第21章 拖曳
計算拖曳力
Params 物件
模擬硬幣掉落
第22章 二維運動
假設和決策
向量
模擬棒球飛行
拖曳力
添加事件函數
視覺化軌跡
棒球動畫
第23章 優化
Manny Ramirez 問題
尋找射程
總結
第24章 迴轉
衛生紙的物理學
設定參數
模擬系統
繪製結果
解析解
第25章 力矩
角加速度
轉動慣量
茶壺和轉盤
雙相模擬
估計摩擦力
轉盤動畫
第26章 案例研究(3)
高空彈跳
重溫高空彈跳灌籃
環繞太陽運行
蜘蛛人
小貓
模擬溜溜球
恭喜您
附錄 內部玄機
run_solve_ivp 的工作原理
root_scalar 的工作原理
maximize_scalar 的工作原理
立即查看
Python大數據專案X工程X產品 資料工程師的升級攻略 (2版)
類似書籍推薦給您
★☆★☆★ 獨家解析知名大數據專案，FinMind，帶你一窺大數據產品的發展過程，打造專屬個人的大數據 Side Project、作品、產品 ★☆★☆★
本書承襲第一版的精彩內容，分享在 Github 獲得 1,900 stars 的大數據 Side Project，並幫助讀者從 0 開始，打造專屬個人的大數據 Side Project。
精彩收錄：
【資料工程】
○ 使用分散式技術，RabbitMQ、Flower、Celery，收集證交所、櫃買中心、期交所等股市資訊。
○ 使用 Docker、FastAPI 架設 RESTful API 服務。
○ 使用 Docker Swarm 架設分散式服務，包含爬蟲、RESTful API、資料庫 MySQL、RabbitMQ 等服務。
○ 使用雲端服務，一個月 5 美金，且免費提供 100 美金額度。
○ 一站式管理多台分散式機器。
○ 使用業界等級的，分散式 Airflow。
【產品迭代】
○ 單元測試 Unit Test 介紹，包含爬蟲、API 測試範例。
○ 使用 CICD 做持續性整合、部屬，並以 Gitlab-CI 搭配 API 服務做為範例。
【API 產品上線】
○ 免費網址申請教學，No-IP。
○ 免費 SSL 憑證教學，Let's Encrypt。
○ 一站式管理多服務網址，容器化反向代理工具 Traefik。
【業界資料視覺化工具】
○ 使用 Redash 建立個人化、股市分析儀錶板。
【監控系統】
○ 使用最知名的監控工具，Prometheus、Grafana，同時監控所有服務。
讀完本書，你將學會分散式爬蟲、RESTful API、MySQL 資料庫、壓力測試、Docker Swarm、CICD、雲端、Traefik、Redash 視覺化、分散式 Airflow、監控系統 Prometheus、Grafana 等，本書是一本集大成的作品。
※本書程式實例可至深智官網下載http://deepwisdom.com.tw
產品目錄
【第1 篇 資料工程 ETL】
01 本書介紹
02 開發環境
2.1 開發環境重要性
2.2 Linux 作業系統
2.3 Windows 作業系統
2.4 Mac 作業系統
2.5 Python 開發工具 VS Code
03 Docker
3.1 為什麼先介紹 Docker ？
3.2 什麼是 Docker ？
3.3 安裝 Docker
3.4 安裝 Docker-Compose
04 雲端
4.1 為什麼要用雲端？
05 資料收集
5.1 Python 環境設置
5.2 爬蟲
5.3 資料庫架設
5.4 上傳資料到資料庫
5.5 分散式爬蟲
5.6 定時爬蟲
06 資料提供—RESTful API 設計
6.1 什麼是 API ？
6.2 輕量 API --- Flask
6.3 高效能 API --- FastAPI
07 容器管理工具 Docker
7.1 為什麼要用 Docker
7.2 建立第一個Docker Image --- Dockerfile
7.3 發布 Docker Image
7.4 雲端部屬
7.5 Docker Swarm
7.6 部屬服務
【第2 篇 產品迭代-- 測試運維】
08 自動化測試
8.1 單元測試 Unit Test
09 CICD 持續性整合、部屬
9.1 什麼是 CICD ？
9.2 CI 持續性整合
9.3 Gitlab-CI、以爬蟲專案為例
9.4 Gitlab-CI，建立 Docker Image
9.5 Gitlab-CI，部屬新版本
9.6 Gitlab-CI、以 API 專案為例
9.7 總結
【第3 篇 API 產品上線】
10 API 服務網址
10.1 為什麼需要網址？
10.2 No-Ip 免費的網址申請
10.3 Let's Encrypt 免費的 SSL 憑證
10.4 Traefik
10.5 API 結合Traefik
10.6 總結
【第4 篇 資料視覺化】
11 視覺化工具
11.1 什麼是視覺化？
11.2 Redash
11.3 Redash 帳號設定
11.4 資料庫連接
11.5 匯入資料
11.6 製作第一個圖表
11.7 第一個 Dashboard
11.8 設定下拉式選單
11.9 其他 BI 工具
【第5 篇 排程管理工具】
12 排程管理工具 - Apache Airflow
12.1 事前準備
12.2 什麼是排程管理工具？
12.3 為什麼選擇 Airflow ？
12.4 什麼是 Airflow ？
12.5 架設第一個 Airflow
12.6 DAG 介紹
12.7 常見 Operator 介紹
12.8 Airflow 結合爬蟲 - CeleryExecutor
12.9 結論
13 Redis 介紹
13.1 什麼是 Redis ？
13.2 使用Docker 架設Redis - 結合 Celery
【第6 篇 監控系統】
14 監控工具介紹
14.1 為什麼需要監控系統？
14.2 最知名的開源監控系統之一
14.3 架設個人化監控儀表板
14.4 總結
15 結論
立即查看
華通書坊
