计算思维与Python语言程序设计(提高篇)

第1章 绪论
1.1 Python编程语言
1.1.1 Python语言的特点
1.1.2 Python语言的版本
1.1.3 Python的应用领域
1.2 Python网络爬虫
1.2.1 网络爬虫的工作原理
1.2.2 网络爬虫的常用技术
1.2.3 网络爬虫的应用
1.3 Python数据分析与可视化
1.3.1 NumPy
1.3.2 Pandas
1.3.3 Matplotlib
1.4 Python科学计算可视化
1.4.1 科学可视化基础
1.4.2 函数库介绍
1.5 机器学习
1.5.1 机器学习算法的分类
1.5.2 机器学习经典算法
1.6 Python开发环境部署
1.6.1 JupyterNotebook入门
1.6.2 JupyterNotebook的优势
1.6.3 JupyterNotebook的界面
1.6.4 JupyterNotebook的基本使用
第2章 Python网络爬虫与信息提取
2.1 网络爬虫简介
2.1.1 通用网络爬虫的工作原理
2.1.2 通用网络爬虫的常用技术
2.1.3 网络爬虫的分类
2.1.4 网络爬虫开发常用框架
2.2 基于Requests的网络数据获取方法
2.2.1 Requests的安装
2.2.2 Requests的使用方法
2.3 基于BeautifulSoup的Web数据解析方法
2.3.1 HTML结构
2.3.2 BeautifulSoup的安装
2.3.3 BeautifulSoup的基本使用方法
2.4 基于BeautifulSoup的校园新闻信息的爬取
第3章 Python数据分析与展示
3.1 基于NumPy的数据处理方法
3.1.1 NumPy安装
3.1.2 NumPy的数据结构
3.1.3 创建数组
3.1.4 数据输入/输出
3.1.5 数组的索引与变换
3.1.6 利用NumPy进行统计分析
3.2 基于Pandas的大数据处理方法
3.2.1 Pandas库的安装
3.2.2 Pandas的基本数据结构
3.2.3 数据输入/输出
3.2.4 数据探索
3.2.5 数据索引
3.2.6 数据选取
3.2.7 数据聚合与分组运算
3.2.8 数据简单分析
3.3 基于Matplotlib的大数据展示方法
3.3.1 Matplotlib安装
3.3.2 绘图流程
3.3.3 常见的图表类型
3.3.4 图形设置
3.3.5 绘图示例
3.4 网络招聘的数据分析
第4章 Python科学计算三维可视化
4.1 Python科学计算三维可视化简介
4.1.1 TVTK
4.1.2 Mayavi
4.1.3 TraitsUI
4.1.4 SciPy
4.2 三维可视化库Mayavi
4.2.1 安装基本库函数
4.2.2 Mayavi库的功能介绍
4.3 绘制类氢原子和H2O分子
4.3.1 绘制类氢原子
4.3.2 绘制H2O分子
4.4 基于Mayavi的磁力线和磁场绘制
4.4.1 绘制磁力线
4.4.2 绘制磁场
4.5 基于Mayavi的蛋白质图结构绘制
第5章 Python机器学习应用
5.1 机器学习简介
5.2 机器学习库Scikit-learn
5.3 机器学习算法原理及应用
5.3.1 k-*近邻分类法
5.3.2 朴素贝叶斯算法
5.3.3 线性回归
5.3.4 k均值算法
5.4 深度学习算法
第6章 综合案例
6.1 综合案例一：基于线性回归的股票分析与预测
6.1.1 案例背景介绍
6.1.2 数据分析的流程与方法
6.1.3 具体实现
6.2 综合案例二：基于k-means聚类的医学图像分割
6.2.1 案例背景简介
6.2.2 图像分割的方法与流程
6.2.3 具体实现
6.3 综合案例三：基于机器学习的林业数据处理
6.3.1 案例背景简介
6.3.2 分析方法与过程
参考文献