Deep Learning: 用Python進行深度學習的基礎理論實作
相關熱銷的書籍推薦給您
書名:DEEP LEARNING|用PYTHON進行深度學習的基礎理論實作
出版社:歐萊禮
出版年月:201708
條碼:9789864764846
內容簡介
不走捷徑,幫助您真正搞懂「深度學習」的真義
這是一本與「深度學習」有關的書籍。從入門開始說明,一步一步帶領你瞭解深度學習必須具備的知識。本書可以幫助您了解:深度學習究竟是什麼?有何特色?根據何種原理來運作?
從零開始,由實做中學習
本書的目標是,盡量避免使用不瞭解內容的「黑盒子」,以基礎的知識為起點,以容易上手的Python撰寫程式,從動手實作的過程中,一步步深入瞭解深度學習。若以車用書籍來比喻這本書的話,這本書並不屬於汽車駕訓教材,而是希望能夠幫助您瞭解車子的原理,而非教您開車的方法。為了瞭解汽車的結構,必須試著打開車子的引擎蓋,將每個零件都拿起來觀察、操作看看。然後盡量用簡單的形狀,篩選出車子的核心部分,就像組合迷你模型般,製作出這台車子。本書的目標,就是透過製作車子的過程,讓你感受到自己實際可以製作出車子,進而熟悉與車子的相關技術。
本書特色:
.利用最少的外部函式庫,使用Python,從零開始實際執行深度學習的程式。
.說明Python 的用法,讓Python 的初學者也能理解。
.實際執行Python 的原始碼,同時提供讀者手邊可以進行實驗的學習環境。
.從簡單的機器學習問題開始,到最後執行精密辨識影像的系統。
.以淺顯易懂的方式說明深度學習與神經網路理論。
.針對看似複雜的技術,如誤差反向傳播與卷積運算等,利用實際操作方式說明,幫助理解。
.介紹在執行深度學習時,有幫助且實用的技巧,包括決定學習率的方法、權重的預設值等。
.說明Batch Normalization、Dropout、Adam 等最近的趨勢與操作。
.為什麼深度學習很優秀,為什麼加深層數,就能提高辨識準確度,為什麼隱藏層很重要,仔細說明這些「為什麼」。
.介紹自動運作、產生影像、強化學習等深度學習的應用範例。
作者介紹
作者簡介
斎藤康毅
1984年生於長崎縣對馬,畢業於東京工業大學工學院,東京大學研究所學際情報學府學士課程修畢。現在於企業內從事與電腦視覺、機器學習有關的研究開發工作。1984年生於長崎縣對馬,畢業於東京工業大學工學院,東京大學研究所學際情報學府學士課程修畢。現在於企業內從事與電腦視覺、機器學習有關的研究開發工作。
目錄
第一章 Python入門
第二章 感知器
第三章 神經網路
第四章 神經網路的學習
第五章 誤差反向傳播法
第六章 與學習有關的技巧
第七章 卷積神經網路
第八章 深度學習
附錄A Softmax-with-Loss層的計算圖
參考文獻
立即查看
Python 資料科學實戰教本 - 爬蟲、清理、資料庫、視覺化、探索式分析、機器學習建模,數據工程一次搞定! (1版)
類似書籍推薦給您
Python 資料科學實戰教本 - 爬蟲、清理、資料庫、視覺化、探索式分析、機器學習建模,數據工程一次搞定!
ISBN13:9789863127246
出版社:旗標出版社
作者:陳會安
裝訂/頁數:平裝/616頁
規格:23cm*17cm*2.8cm (高/寬/厚)
重量:946克
出版日:2022/08/22
中國圖書分類:電腦科學
內容簡介
【題材涵蓋最全面!一本書掌握資料科學 / 數據工程必學 know-how!】
從大數據到人工智慧世代,其背後蘊含的關鍵技術與理論不脫資料科學、機器學習的範疇。基本上,資料科學需要的背景知識與技能相當的多,通常要會 Python 程式設計基礎、熟悉相關 Python 套件和模組的使用;再加上機器學習的基礎就是機率和統計,因此也免不了得學機率和統計知識,可說有一拖拉庫的主題等著你去學,也難怪市面上各主題 (程式基礎、統計、套件、機器學習建模...) 的專書滿坑滿谷,一時間實在讓人難以消化...
為了降低讀者初學資料科學面對的負擔以及混亂感,我們精心設計了這本入門實戰教本,秉持讓讀者「買一本抵多本」的精神,本書一次涵蓋所有入門必須熟悉的重要題材,同時也將初學資料科學的脈絡梳理清楚。
在章節的安排上,本書從資料取得的網路爬蟲開始,提供一個標準 SOP 來幫助讀者從網路取得資料;接著說明資料科學必學的 Python 重量級套件,再接著介紹機率、統計和探索式資料分析的基礎知識,最後進入最熱門的機器學習、深度學習建模主題。
這一連串「取得資料 → 探索資料 → 預測分析」是一套完整的資料科學 / 數據工程實戰訓練,跟著本書掌握這些重要 know-how 後,就不難看懂網路上眾多資料科學、機器學習專案的 Python 程式碼和線上教材,甚至參與資料科學、機器學習的網路競賽;希望本書能協助讀者開啟資料科學家 / 數據工程師的成功之路!
本書特色
□ 資料科學三部曲:取得資料 → 探索資料 → 預測分析
□ 一次補足最入門的統計和機率基礎
□ Python 開發環境與基礎語法快速上手
□ 從網頁爬蟲、資料清理到資料視覺化,快速完成資料探索的預處理程序
□ 將清理後的資料存入 SQL 資料庫,便於日後存取利用
□ 實踐資料科學的四大套件:NumPy、Pandas、Matplotlib、Seaborn 一次掌握
□ 用 Scikit-learn、tensorflow.Keras 套件實作最熱門的 AI 機器學習應用
目錄
第一篇 資料科學和 Python 基礎
第 1 章 資料科學概論與開發環境建立 – Anaconda
第 2 章 Python 程式語言
第二篇 網路爬蟲和 Open Data (取得、清理與儲存資料)
第 3 章 取得網路資料
第 4 章 資料擷取
第 5 章 資料清理與資料儲存
第 6 章 網路爬蟲實作案例
第三篇 Python資料科學套件 – 探索資料(資料視覺化與大數據分析)
第 7 章 向量與矩陣運算 – NumPy 套件
第 8 章 資料處理與分析 – Pandas 套件
第 9 章 大數據分析 (一) – Matplotlib 和 Pandas 資料視覺化
第 10 章 大數據分析 (二) – Seaborn 統計資料視覺化
第 11 章 機率與統計
第 12 章 估計與檢定
第 13 章 探索性資料分析實作案例
第四篇 人工智慧、機器學習與深度學習 – 預測資料
第 14 章 人工智慧與機器學習概論 – 認識深度學習
第 15 章 機器學習演算法實作案例 – 迴歸
第 16 章 機器學習演算法實作案例 – 分類與分群
第 17 章 深度學習神經網路實作案例
附錄 A:HTML 網頁結構與 CSS
附錄 B:Python 文字檔案存取與字串處理
附錄 C:下載與安裝 MongoDB 和 MySQL 資料庫
立即查看
Python資料科學自學聖經:不只是建模!用實戰帶你預測趨勢、找出問題與發現價值(附關鍵影音教學、範例檔) (1版)
類似書籍推薦給您
Python資料科學自學聖經:不只是建模!用實戰帶你預測趨勢、找出問題與發現價值(附關鍵影音教學、範例檔)
系列名:程式設計
ISBN13:9786263241657
出版社:碁峰資訊
作者:鄧文淵-總監製;文淵閣工作室-編著
裝訂/頁數:平裝/440頁
規格:23cm*17cm*2cm (高/寬/厚)
出版日:2022/05/09
中國圖書分類:電腦程式語言
內容簡介
網路書店年度百大電腦資訊暢銷書
《Python自學聖經》系列力作
運用Python掌握資料科學的價值
讓人工智慧機器學習找出趨勢的關鍵密碼
完整涵蓋Python資料科學技術,從開發工具、資料預處理、
機器學習、深度學習到模型訓練進化一應俱全!
給需要本書的人:
★想進入Python資料科學領域,又不知怎麼切入的人
★面對資料科學龐大又雜亂的理論與資訊卻不知如何下手的人
★想快速且有系統收集大量資料,並提高處理運用效率的人
★想利用大量資料進行分析,找出隱藏訊息與趨勢以協助決策的人
★想運用資料數據訓練人工智慧模型,開發適用的演算法進行預測與解決問題的人
隨著AI人工智慧帶來的科技革命,資料科學的應用正在改變你我的生活。如何由龐大的資料數據中擷取爬梳出有價值的資訊,判斷決策,甚至能預測趨勢、掌握契機,是資料科學為現代社會帶來的新視野。
資料科學橫跨多個領域,涵蓋數學、統計與電腦科學等面向。如果想有系統的進入資料科學領域,歡迎藉由本書循序漸進的學習。書中除了有資料科學的觀念,還有技術應用與發展方向,讓每個艱澀觀念都能在範例實作的引導下有著更清楚的輪廓,讓你一探資料科學迷人的樣貌。
【重要關鍵】
■應用工具:雲端開發平台(Google Colab)、資料科學工具(Numpy、Pandas、Matplotlib、Seaborn)、網路爬蟲(requests、BeautifulSoup)。
■資料預處理:資料清洗、缺失值、重複值及異常值的處理、資料檢查、資料合併、樞紐分析表、圖片增量,以及資料標準化、資料轉換與特徵選擇。
■機器學習:學習工具(Scikit-Learn)、非監督式學習(K-means演算法、DBSCAN演算法、PCA降維演算法)、監督式學習分類演算法(Scikit-Learn資料集、K近鄰演算法、單純貝氏演算法、決策樹演算法、隨機森林演算法)、監督式學習迴歸演算法(線性迴歸演算法、邏輯迴歸演算法、支持向量機演算法)。
■深度學習:學習工具(TensorFlow、Keras)、深度神經網路(DNN)、MNIST手寫數字圖片辨識實作、Gradio模組(深度學習成果展示、過擬合)、卷積神經網路(CNN)與循環神經網路(RNN)。
■模型訓練進化:預訓練模型、遷移學習、深度學習參數調校、hyperas參數調校神器,以及手寫數字辨識參數調校。
【超值學習資源】
獨家收錄「Python資料科學關鍵影音教學」、全書範例程式檔
本書特色
■深入淺出,只要具備基礎Python程式語言能力即可輕鬆上手。
■標示出重要觀念,在學習的過程中不會錯失關鍵內容。
■應用範例導向,每個觀念皆附實用案例,不怕學不會。
■不使用艱澀數學推導資料科學原理,而以淺顯易懂的文字解說學理。
■實作圖片增量及遷移學習,即使少量資料也可訓練出實用模型。
■實作機器學習與深度學習模型參數調校,輕鬆建立完美模型。
目錄
資料科學工具篇
第1章 進入資料科學的學習殿堂
1.1 認識資料科學
1.2 Google Colab:雲端的開發平台
1.3 Colab 的筆記功能
第2章 資料科學神器:Numpy 與Pandas
2.1 Numpy:高速運算的解決方案
2.2 Numpy 陣列建立
2.3 Numpy 陣列取值
2.4 Numpy 的陣列運算功能
2.5 Pandas:資料處理分析的強大工具
2.6 Series 的使用
2.7 DataFrame 的建立
2.8 Pandas DataFrame 資料取值
2.9 DataFrame 資料操作
第3章 資料收集:檔案存取與網路爬蟲
3.1 資料來源的取得
3.2 CSV 檔案的讀取
3.3 JSON 資料的讀取
3.4 Excel 試算表檔案的讀取
3.5 HTML 網頁資料讀取
3.6 儲存資料為檔案
3.7 認識網路爬蟲
3.8 requests 模組:讀取網站檔案
3.9 BeautifulSoup 模組:網頁解析
3.10 文字及檔案資料的收集
第4章 資訊圖表化:Matplotlib 與Seaborn
4.1 Matplotlib:資訊視覺化的核心工具
4.2 折線圖:plot
4.3 長條圖與橫條圖:bar、barh
4.4 圓形圖:pie
4.5 直方圖:hist
4.6 散佈圖:scatter
4.7 線箱圖:boxplot
4.8 設定圖表區:figure
4.9 在圖表區加入多張圖表:subplot、axes
4.10 Pandas 繪圖應用
4.11 Seaborn:更美觀的圖表工具
資料預處理篇
第5章 資料預處理:資料清洗及圖片增量
5.1 資料清洗處理
5.2 資料檢查
5.3 資料合併
5.4 樞紐分析表
5.5 圖片增量
第6章 資料預處理:標準化、資料轉換與特徵選擇
6.1 Scikit-Learn:機器學習的開發工具
6.2 數值資料標準化
6.3 非數值資料轉換
6.4 認識特徵選擇
6.5 使用Pandas 進行特徵選擇
6.6 使用Scikit-Learn 進行特徵選擇
機器學習篇
第7章 機器學習:非監督式學習
7.1 認識機器學習
7.2 K-means 演算法
7.3 DBSCAN 演算法
7.4 降維演算法
第8章 機器學習:監督式學習分類演算法
8.1 Scikit-Learn 資料集
8.2 K 近鄰演算法
8.3 單純貝氏演算法
8.4 決策樹演算法
8.5 隨機森林演算法
第9章 機器學習:監督式學習迴歸演算法
9.1 線性迴歸演算法
9.2 邏輯迴歸演算法
9.3 支持向量機演算法
深度學習篇
第10章 深度學習:深度神經網路(DNN)
10.1 認識深度學習
10.2 認識深度神經網路(DNN)
10.3 實作MNIST 手寫數字圖片辨識
10.4 Gradio 模組:深度學習成果展示
10.5 過擬合
第11章 深度學習:卷積神經網路(CNN)
11.1 認識卷積神經網路(CNN)
11.2 實作貓狗圖片辨識
第12章 深度學習:循環神經網路(RNN)
12.1 認識循環神經網路(RNN)
12.2 下載台灣股市資料
12.3 實作台灣股票市場股價預測
模型訓練進化篇
第13章 預訓練模型及遷移學習
13.1 預訓練模型
13.2 遷移學習
第14章 深度學習參數調校
14.1 hyperas 模組:參數調校神器
14.2 手寫數字辨識參數調校
立即查看
資料結構-使用Python(增訂版) (1版)
類似書籍推薦給您
【簡介】
本書特色
1.本書以Python語言來實作資料結構中的重要理論,適合已經學過Python程式語法、具有基礎Python類別與物件語法與概念的讀者進階研習資料結構。
2.章節安排從資料結構的基礎到進階依序編次,讓學習有目標,有方法。
3.圖解各種資料結構新增、刪除、搜尋元素的方法及步驟,讓資料結構的觀念一看就懂。
內容簡介
本書適合已經學過Python程式語法、具有基礎Python類別與物件語法與概念的讀者進階研習資料結構。使用圖解方式說明資料結構的概念,依照步驟顯示資料結構中新增、刪除、搜尋元素的運作過程,各種資料結構的優缺點與使用時機,務求讓概念的解說清楚易懂。接著,進行程式碼實作與解說,並分析程式的執行效率。
本書從基礎到進階方式安排章節次序,依序為資料結構簡介、Python的資料儲存容器、陣列、鏈結串列、佇列與堆疊、樹狀結構、進階樹狀結構、排序、搜尋與雜湊、圖形資料結構與圖形走訪、圖形最短路徑、常見圖形演算法、2-3-Tree、2-3-4-Tree 與B-Tree。一步步帶領讀者進入資料結構的世界,熟悉資料結構的概念,以運用資料結構解決問題,提高程式執行速度。
學習資料結構沒有捷徑,在程式實作中不斷地融入資料結構,比較不同資料結構對程式執行速度的影響,慢慢累積就會進步。
【目錄】
第1章 資料結構簡介
1-1 資料結構的定義
1-2 資料結構影響程式執行效率
1-3 演算法的定義
1-4 程式執行效率分析
1-5 評估程式的複雜度
第2章 Python的資料儲存容器
2-1 tuple
2-2 串列
2-3 字典
2-4 集合
第3章 陣列
3-1 一維陣列
3-2 一維陣列的程式實作
3-3 二維陣列
3-4 二維陣列的程式實作
第4章 鏈結串列
4-1 鏈結串列
4-2 環狀鏈結串列
4-3 雙向鏈結串列
4-4 實作鏈結串列
第5章 佇列與堆疊
5-1 佇列
5-2 堆疊
第6章 樹狀結構
6-1 簡介樹狀結構
6-2 二元樹
6-3 二元搜尋樹
第7章 進階樹狀結構
7-1 霍夫曼編碼
7-2 AVL樹
第8章 排序
8-1 氣泡排序
8-2 選擇排序
8-3 插入排序
8-4 合併排序
8-5 快速排序
8-6 堆積排序
8-7 基數排序
8-8 各種排序演算法的比較
第9章 搜尋與雜湊
9-1 搜尋
9-2 雜湊
第10章 圖形資料結構與圖形走訪
10-1 簡介圖形資料結構
10-2 實作圖形資料結構
10-3 使用深度優先進行圖的走訪
10-4 使用寬度優先進行圖的走訪
第11章 圖形最短路徑
11-1 實作圖形資料結構-新增邊的權重
11-2 使用Dijkstra演算法找最短路徑
11-3 使用Bellman Forde演算法找最短路徑
11-4 使用Floyd Warshall演算法找最短路徑
第12章 常見圖形演算法
12-1 拓樸排序
12-2 尤拉迴路
12-3 最小生成樹
12-4 找出關節點
第13章 2-3-Tree、2-3-4-Tree與B-Tree
13-1 2-3-Tree
13-2 2-3-4-Tree
13-3 B-Tree
立即查看
Python程式設計與OpenAI API應用:零基礎建構非同步GUI的AI聊天機器人 (1版)
類似書籍推薦給您
內容簡介
從入門到活用Python程式設計,讓你成為Python專家
實作與應用OpenAI API,建構專屬的AI聊天機器人
✦利用完整的程式範例,深入淺出說明Python程式設計
✦進階學習Python多執行緒、多程序、非同步I/O及tkinter
✦完整理解Python非同步程式設計的核心觀念
Python是一種容易學習且功能強大的程式語言,跟著本書學習Python, 你不只可學會Python的基礎語法,還可學到進階的內容,例如:物件導向、多執行緒、多程序、非同步I/O及tkinter程式設計等。
ChatGPT是OpenAI開發的人工智慧聊天機器人,其會生成文字,回答各式問題,自推出以來即受到大家的喜愛。在本書中,你將可活用Python,以Python實作OpenAI API,設計開發出ChatGPT應用程式。
本書內容的安排由淺入深,對Python程式設計進行系統性的介紹,並詳細說明OpenAI API的應用。本書以程式範例來說明Python程式設計的概念,可有效幫助讀者的學習,並經由實作的過程,建構專屬非同步GUI版的語音聊天機器人。
【目標讀者】
☛對Python程式設計有興趣的初學者,可讓讀者兼顧理論與實作。
☛適用於大專院校「Python程式設計」課程的學生,可作為教師授課之用。
☛程式設計工程師、專案設計者、AI工程師,也很適合閱讀本書。
目錄
|CHAPTER 01| Python基礎(一)
1.1 本章提要
1.2 安裝Python
1.3 Python基本語法
1.4 Python字串處理
1.5 條件敘述
1.6 迴圈敘述
1.7 自定義函式
1.8 串列(List)
1.9 串列表達式
1.10 元組(Tuple)
1.11 字典(Dictionary)
|CHAPTER 02| Python基礎(二)
2.1 模組(Module)
2.2 random模組
2.3 套件(Package)
2.4 例外處理
2.5 讀取文字檔案
2.6 寫入文字檔案
2.7 文字檔案處理
2.8 JSON
2.9 PyPI簡介
2.10 建立虛擬環境
|CHAPTER 03| Python物件導向
3.1 類別與物件
3.2 類別屬性及類別方法
3.3 靜態方法
3.4 繼承
3.5 封裝
3.6 抽象類別
3.7 多型
3.8 迭代器
3.9 生成器
|CHAPTER 04| 多執行緒
4.1 本章提要
4.2 建立及執行執行緒
4.3 守護執行緒
4.4 建立執行緒類別
4.5 執行緒池
4.6 使用Lock同步執行緒
4.7 使用queue交換資料
|CHAPTER 05| 多程序
5.1 本章提要
5.2 執行耗時計算任務
5.3 使用Process物件執行耗時計算
5.4 使用Queue交換資料
5.5 使用Process物件建立圖像縮圖
5.6 使用Pool物件建立圖像縮圖
5.7 程序池
5.8 程序間共享記憶體
|CHAPTER 06| 非同步I/O
6.1 本章提要
6.2 平行與並行
6.3 定義協程函式
6.4 await關鍵字
6.5 建立任務
6.6 使用gather()
6.7 取消任務
6.8 使用超時取消任務
6.9 防止任務被取消
6.10 非同步產生器
6.11 aiohttp套件
|CHAPTER 07| tkinter
7.1 tkinker簡介
7.2 建立視窗
7.3 標籤控制元件
7.4 按鈕控制元件
7.5 文字方塊控制元件
7.6 Spinbox控制元件
7.7 文字區域控制元件
7.8 捲軸控制元件
7.9 列表控制元件
7.10 變數類別
7.11 單選按鈕
7.12 核取方塊
7.13 使用pack()設計問卷調查
7.14 使用grid()設計問卷調查
|CHAPTER 08| OpenAI簡介
8.1 自然語言處理
8.2 OpenAI GPT
8.3 取得OpenAI的API密鑰
8.4 提示、完成及標記
8.5 使用Playground
|CHAPTER 09| OpenAI Chat API
9.1 本章提要
9.2 openai套件
9.3 decouple套件
9.4 使用Chat API
9.5 簡易聊天程式
9.6 具對話紀錄的聊天程式
9.7 具串流輸出的聊天程式
9.8 可儲存對話紀錄的串流聊天程式
9.9 以JSON儲存對話紀錄
|CHAPTER 10| 非同步GUI版聊天程式
10.1 本章提要
10.2 tkinter執行非同步I/O
10.3 協程中執行執行緒
10.4 設計非同步GUI版聊天程式
|CHAPTER 11| OpenAI Image API
11.1 本章提要
11.2 文字產生圖像
11.3 顯示圖像
11.4 圖像變形
11.5 GUI版顯示圖像
11.6 非同步GUI版文字生成圖像程式
|CHAPTER 12| OpenAI語音轉文字API
12.1 本章提要
12.2 線上錄音
12.3 使用轉錄API
12.4 Audio API結合Chat API
12.5 文字轉語音
12.6 gTTS結合ChatGPT API
12.7 Pyaudio套件
12.8 非同步GUI版語音聊天程式
立即查看
輕鬆學Python程式設計 (1版)
類似書籍推薦給您
內容簡介
本書是學習Python程式設計的入門書籍,書中詳細介紹Python的基礎知識,同時,有系統地講解Python語言的語法和程式設計方法。不僅適合做為大專院校程式設計相關課程教材,也可做為教育訓練機構或Python自學者的參考書。
Python是一種簡單且功能強大的高階程式語言,它具有非常清晰的語法特點,適用於多種作業系統,目前在國際上廣受好評。Python語言不僅適合於初學者,也適合於專業人員使用。
本書以Python 3.x為平臺,全書共13章,主要包括Python簡介以及環境配置、Python基本語法、基本資料型態、程式控制結構、函式與模組、序列與字串、串列、元組、集合與字典、物件導向程式設計、檔案操作、錯誤與異常處理、圖形繪製。書中提供大量的應用範例,且每章最後均附有上機練習與習題,供教師教學及學生課後練習使用,以達到對Python語言融會貫通的目的。學習本書後,讀者應該對Python會有足夠的瞭解,可以將其應用於您選擇探索的任何應用領域。
目錄
Chapter 01 Python語言概述
1-1 Python語言簡介
1-2 Python語言的開發環境
1-3 常數與變數
1-4 Python資料類型
1-5 常用系統函式
Chapter 02 循序結構
2-1 程式設計概述
2-2 Python程式的書寫規則
2-3 資料輸入/輸出
2-4 循序結構程式範例
Chapter 03 運算子與運算式
3-1 算術運算
3-2 指定運算子
3-3 關係運算
3-4 邏輯運算
3-5 位元運算子
3-6 測試運算
3-7 運算子優先順序
Chapter 04 選擇結構
4-1 單向選擇結構
4-2 雙向選擇結構
4-3 多向選擇結構
4-4 巢狀選擇結構
4-5 三元運算式
4-6 選擇結構程式舉例
Chapter 05 迴圈結構
5-1 while迴圈結構
5-2 for迴圈結構
5-3 迴圈控制敘述
5-4 巢狀迴圈
5-5 迴圈結構程式舉例
Chapter 06 函式與模組
6-1 函式的定義與呼叫
6-2 函式的參數傳遞
6-3 兩類特殊函式
6-4 裝飾器
6-5 變數的有效範圍
6-6 模組
6-7 函式應用舉例
Chapter 07 序列與字串
7-1 序列的通用操作
7-2 序列的函式
7-3 序列的方法
7-4 字串
7-5 字串編碼
7-6 字串的操作
7-7 字串的運算
7-8 字串的常用方法
7-9 字串應用範例
Chapter 08 串列
8-1 一維串列的建立
8-2 串列的函式
8-3 串列的專有操作
8-4 串列的常用方法
8-5 二維串列
8-6 串列的應用範例
Chapter 09 元組、集合與字典
9-1 元組
9-2 集合
9-3 字典
9-4 元組、集合與字典的應用
Chapter 10 物件導向程式設計
10-1 物件導向程式設計概述
10-2 類與物件
10-3 屬性和方法
10-4 繼承和多態
10-5 物件導向程式設計應用舉例
Chapter 11 檔案操作
11-1 檔案概述
11-2 檔案的開啟與關閉
11-3 文字檔的操作
11-4 二進位檔的操作
11-5 檔案管理方法
11-6 檔案操作應用實例
Chapter 12 異常處理
12-1 異常處理概述
12-2 捕獲和異常處理
12-3 斷言處理
12-4 主動引發異常與自訂異常類
Chapter 13 繪製圖形
13-1 Tkinter圖形庫概述
13-2 畫布繪圖
13-3 圖形的事件處理
13-4 urtle 繪圖與 Graphics 圖形庫
13-5 圖形應用範例
附錄 習題部分解答
立即查看