【簡介】 ✧✦ AI 加持！初學 Python 的最佳教材，第一次寫程式就上手！ ✦✧ ✧✦ 從基礎語法到資料科學應用，培養大數據分析的關鍵能力 ✦✧ 身處在資料無所不在的世代，大量程式應用、科學運算、網路爬蟲、機器學習的需求應運而生，Python 就是目前處理大數據的最強工具。 大家都想學 Python，不過很多人完全沒有程式基礎，或者曾經半途而廢。本書以淺顯易懂的筆觸與大量的實例演練，引導你在動手寫程式的過程中學會 Python 的語法和程式邏輯，跨越初學者經常遇到的障礙，進入資料科學、機器學習與大數據分析的領域，再搭配 ChatGPT、Colab AI 等 AI 助理的輔助，讓寫程式變得更有效率！ ☛ 清楚明瞭的語法教學，搭配 ChatGPT 輔助寫程式！ ☛ 豐富滿點的實作範例，自己動手反覆練習最有感！ ☛ 無縫接軌四大套件 NumPy、matplotlib、SciPy、pandas，資料處理、分析、運算，快人一等！ ☛ 紮穩資料科學基礎，銜接機器學習最強套件 – scikit-learn ☛ 網路爬蟲必備套件 – Requests、Beautiful Soup 本書特色: ✯最易學習✯ 沒學過程式設計或學到一半就放棄的都沒關係，本書從基礎的語法和程式邏輯開始，以淺顯文字及簡明程式，帶你快速學會 Python 在不同領域的應用。 ✯豐富範例✯ 本書提供豐富實用的範例，搭配各小節的隨堂練習和章末的學習評量，立即驗證學習成果，自學或課堂教學都適合。 ✯最強應用✯ 本書內容包含下列幾個資料科學與機器學習最強套件，有了這些基礎，日後你就可以進一步往資料科學、大數據分析、人工智慧等專業的領域發展： ▪︎ NumPy → 資料運算 ▪︎ matplotlib → 資料視覺化 ▪︎ SciPy → 科學計算 ▪︎ pandas → 資料處理與分析 ▪︎ Requests + Beautiful Soup → 網路爬蟲抓資料 ▪︎ scikit-learn → 機器學習 【目錄】 ▌Part1 基礎篇 第 1 章 開始撰寫 Python 程式 1-1 認識 Python 1-2 使用 Anaconda 開發環境 1-3 使用 Google Colab 雲端開發環境 1-4 Python 程式碼撰寫風格 1-5 程式設計錯誤 第 2 章 型別、變數與運算子 2-1 型別 2-2 變數 2-3 常數 2-4 運算子 2-5 輸出 2-6 輸入 第 3 章 數值與字串處理 3-1 數值處理函式 3-2 字串與字元 3-3 字串處理方法 3-4 數值與字串格式化 3-5 f-string 格式化字串實字 第 4 章 流程控制 4-1 認識流程控制 4-2 if 4-3 for 4-4 while 4-5 break 與 continue 敘述 第 5 章 函式 5-1 認識函式 5-2 定義函式 5-3 呼叫函式 5-4 函式的參數 5-5 函式的傳回值 5-6 全域變數與區域變數 5-7 遞迴函式 5-8 lambda 運算式 5-9 日期時間函式 第 6 章 list、tuple、set 與 dict 6-1 list (串列) 6-2 tuple (序對) 6-3 set (集合) 6-4 dict (字典) 第 7 章 檔案存取 7-1 認識檔案路徑 7-2 寫入檔案 7-3 讀取檔案 7-4 with 敘述 7-5 管理檔案與資料夾 第 8 章 例外處理 8-1 認識例外 8-2 try⋯except 第 9 章 物件導向 9-1 認識物件導向 9-2 使用類別與物件 9-3 繼承 9-4 多型 第 10 章 模組與套件 10-1 模組 10-2 套件 10-3 第三方套件 ▌Part2 實戰篇 第 11 章 圖片處理與 QR 碼 – pillow、qrcode 11-1 使用 pillow 套件處理圖片 11-2 使用 qrcode 套件產生 QR code 第 12 章 陣列與資料運算 – NumPy 12-1 認識 NumPy 12-2 NumPy 的資料型別 12-3 一維陣列運算 12-4 二維陣列運算 12-5 通用函式 12-6 廣播 12-7 視點 (view) 與複本 (copy) 12-8 數學函式 12-9 隨機取樣函式 12-10 統計函式 12-11 檔案資料輸入/輸出 第 13 章 繪製圖表 – matplotlib 13-1 認識 matplotlib 13-2 繪製線條或標記 13-3 繪製長條圖 13-4 繪製直方圖 13-5 繪製圓形圖 13-6 繪製散佈圖 第 14 章 科學計算 – SciPy 14-1 認識 SciPy 14-2 統計子套件 scipy.stats 14-3 最佳化子套件 scipy.optimize 14-4 插值子套件 scipy.interpolate 第 15 章 資料分析 – pandas 15-1 認識 pandas 15-2 pandas 的資料結構 15-3 pandas 的基本功能 第 16 章 機器學習 – scikit-learn 16-1 認識機器學習 16-2 線性迴歸 16-3 邏輯迴歸 16-4 K-近鄰演算法 16-5 決策樹 16-6 隨機森林 第 17 章 網路爬蟲 – Requests、Beautiful Soup 17-1 認識網路爬蟲 17-2 使用 Requests 抓取網頁資料 17-3 使用 Beautiful Soup 解析網頁資料 第 18 章 AI 輔助寫碼 – ChatGPT 18-1 開始使用 ChatGPT 18-2 查詢 Python 語法與技術建議 18-3 撰寫 Python 程式、除錯與註解 18-4 與其它程式語言互相轉換 18-5 【實例演練】統一發票兌獎程式