Chinesische Python-Notizen
Version: 0.0.1
Autor: Li Jin E-Mail: [email protected]
Aus urheberrechtlichen Gründen wird derzeit keine offizielle Genehmigung für Überarbeitungen und Anpassungen auf Grundlage dieses Hinweises erteilt.
Der Inhalt der Notizen dient nur als Referenz für Studienzwecke. Bitte verwenden Sie ihn nicht ohne Genehmigung für kommerzielle Zwecke.
Github lädt .ipynb nur langsam. Es wird empfohlen, das Projekt in Nbviewer anzuzeigen.
Das auf diesem Notizbuch basierende physische Buch: „Teach Yourself Python – Basics of Programming, Scientific Computing and Data Analysis“ wurde veröffentlicht.
Eigenverwalteter Link von JD.com: https://item.jd.com/12328920.html
Verfügbar auf Tmall, Amazon und Dangdang.
Würde es Ihnen etwas ausmachen, mir eine Belohnung zu geben?
Einführung
Die meisten Inhalte stammen aus dem Internet.
Python 2.7 wird standardmäßig installiert, ebenso wie die zugehörigen Drittanbieterpakete ipython , numpy , scipy und pandas .
Das Leben ist kurz. Benutze Python.
Es wird empfohlen, Anaconda zu verwenden, diese IDE integriert die am häufigsten verwendeten Pakete.
Notizinhalte werden mit jupyter notebook angezeigt.
Nach der Installation Python und den entsprechenden Paketen können Sie Folgendes eingeben:
um jupyter notebook einzugeben.
Grundlegende Umgebungskonfiguration
conda update conda
conda update anaconda
beziehen sich auf
- Enthought-Training auf Abruf
- Computerstatistik in Python
- scipy.org
- Deep-Learning-Tutorials
- Wissenschaftliches Hochleistungsrechnen
- Scipy-Vorlesungen
- pandas.org
Inhaltsverzeichnis
Sie können generate static files.ipynb in Notebook öffnen oder den Code generate_static_files.py in der Befehlszeile ausführen, um statische HTML-Dateien zu generieren.
- 01. Python-Tools
- 01.01 Einführung in Python
- 01.02 Ipython-Interpreter
- 01.03 Ipython-Notizbuch
- 01.04 Verwendung von Anaconda
- 02. Python-Grundlagen
- 02.01 Python-Einführungsdemo
- 02.02 Python-Datentypen
- 02.03 Nummer
- 02.04 Saite
- 02.05 Indizierung und Sharding
- 02.06 Liste
- 02.07 Veränderliche und unveränderliche Typen
- 02.08 Tupel
- 02.09 Geschwindigkeitsvergleich von Listen und Tupeln
- 02.10 Wörterbuch
- 02.11 Sammlung
- 02.12 Unveränderliche Sammlungen
- 02.13 Python-Zuweisungsmechanismus
- 02.14 Urteilsverkündung
- 02.15 Schleife
- 02.16 Listenverständnisse
- 02.17 Funktion
- 02.18 Module und Pakete
- 02.19 Ausnahme
- 02.20 Warnung
- 02.21 Lesen und Schreiben von Dateien
- 03. Numpy
- 03.01 Einführung in Numpy
- 03.02 Matplotlib-Grundlagen
- 03.03 Numpy-Arrays und ihre Indizes
- 03.04 Array-Typ
- 03.05 Array-Methoden
- 03.06 Array-Sortierung
- 03.07 Array-Form
- 03.08 Diagonale
- 03.09 Konvertierung zwischen Array und String
- 03.10 Zusammenfassung der Array-Attributmethoden
- 03.11 Funktionen, die Arrays generieren
- 03.12 Matrix
- 03.13 Allgemeine Funktionen
- 03.14 Vektorisierte Funktionen
- 03.15 Binäre Operationen
- 03.16 Ufunc-Objekt
- 03.17 Funktion „Wählen“ implementiert bedingte Filterung
- 03.18 Array-Broadcast-Mechanismus
- 03.19 Lesen und Schreiben von Arrays
- 03.20 Strukturiertes Array
- 03.21 Array aufzeichnen
- 03.22 Speicherzuordnung
- 03.23 Von Matlab zu Numpy
- 04. Scipy
- 04.01 Einführung in SCIentific PYthon
- 04.02 Interpolation
- 04.03 Probabilistische und statistische Methoden
- 04.04 Kurvenanpassung
- 04.05 Minimierungsfunktion
- 04.06 Punkte
- 04.07 Differentialgleichungen lösen
- 04.08 Sparse-Matrix
- 04.09 Lineare Algebra
- 04.10 Lineare Algebra dünn besetzter Matrizen
- 05. Python für Fortgeschrittene
- 05.01 Einführung in das sys-Modul
- 05.02 Interaktion mit dem Betriebssystem: das OS-Modul
- 05.03 CSV-Dateien und CSV-Modul
- 05.04 Reguläre Ausdrücke und Re-Modul
- 05.05 Datum/Uhrzeit-Modul
- 05.06 SQL-Datenbank
- 05.07 Objektrelationale Zuordnung
- 05.08 Funktionserweiterung: Parameterübergabe, Funktionen höherer Ordnung, anonyme Lambda-Funktionen, globale Variablen, Rekursion
- 05.09 Iterator
- 05.10 Generator
- 05.11 mit Anweisung und Kontextmanager
- 05.12 Modifikatoren
- 05.13 Verwendung von Modifikatoren
- 05.14 Operator, Functools, Itertools, Toolz, Fn, Funcy-Module
- 05.15 Umfang
- 05.16 Dynamische Kompilierung
- 06. Matplotlib
- 06.01 Pyplot-Tutorial
- 06.02 Verwenden Sie den Stil, um den Pyplot-Stil zu konfigurieren
- 06.03 Textverarbeitung (Grundlagen)
- 06.04 Textverarbeitung (mathematische Ausdrücke)
- 06.05 Bildgrundlagen
- 06.06 Notizen
- 06.07 Schlagworte
- 06.08 Figuren, Nebenhandlungen, Achsen und Zeckenobjekte
- 06.09 Seien Sie nicht abergläubisch, was die Standardeinstellungen angeht
- 06.10 Verschiedene Zeichenbeispiele
- 07. Erweitern Sie mit anderen Sprachen
- 07.01 Einführung
- 07.02 Python-Erweiterungsmodule
- 07.03 Cython: Cython-Grundlagen, Quellcode in Erweiterungsmodule konvertieren
- 07.04 Cython: Cython-Syntax, Aufruf anderer C-Bibliotheken
- 07.05 Cython: Klasse und CDEF-Klasse, unter Verwendung von C++
- 07.06 Cython: Typisierte Speicheransichten
- 07.07 Zusammenstellungskommentare generieren
- 07.08 ctypes
- 08. Objektorientierte Programmierung
- 08.01 Einführung
- 08.02 Modellierung von Waldbränden mittels OOP
- 08.03 Was ist ein Objekt?
- 08.04 Klasse definieren
- 08.05 Spezielle Methoden
- 08.06 Eigenschaften
- 08.07 Waldbrandsimulation
- 08.08 Vererbung
- 08.09 super()-Funktion
- 08.10 Waldbrandsimulation neu definiert
- 08.11 Schnittstelle
- 08.12 Öffentliche, private und besondere Methoden und Eigenschaften
- 08.13 Mehrfachvererbung
- 09. Theano-Grundlagen
- 09.01 Einführung in Theano und seine Installation
- 09.02 Theano-Grundlagen
- 09.03 Theano-Konfiguration unter Windows
- 09.04 Theano symbolische Graphenstruktur
- 09.05 Theano-Konfigurations- und Kompilierungsmodus
- 09.06 Theano-bedingte Anweisungen
- 09.07 Theano-Schleife: Scan (ausführliche Erklärung)
- 09.08 Theano-Beispiel: Lineare Regression
- 09.09 Theano-Beispiel: Logistische Regression
- 09.10 Theano-Beispiel: Softmax-Regression
- 09.11 Theano-Beispiel: Künstliches neuronales Netzwerk
- 09.12 Theano Zufallszahlenflussvariable
- 09.13 Theano-Beispiel: Komplexere Netzwerke
- 09.14 Theano-Beispiel: Faltungs-Neuronales Netzwerk
- 09.15 Theano-Tensormodul: Grundlagen
- 09.16 Theano-Tensormodul: Index
- 09.17 Theano-Tensormodul: Operatoren und elementweise Operationen
- 09.18 Theano-Tensormodul: nnet-Submodul
- 09.19 Theano-Tensormodul: conv-Submodul
- 10. Interessante Module von Drittanbietern
- 10.01 Grundkarte zum Zeichnen von Karten verwenden
- 10.02 Verwenden Sie Cartopy, um Karten zu zeichnen
- 10.03 Entdecken Sie NBA-Daten
- 10.04 Jin Yongs Kampfkunstwelt
- 11. Nützliche Tools
- 11.01 pprint-Modul: Python-Objekte drucken
- 11.02 pickle, cPickle-Modul: Serialisierung von Python-Objekten
- 11.03 JSON-Modul: Verarbeitung von JSON-Daten
- 11.04 Glob-Modul: Dateimustervergleich
- 11.05 Shutil-Modul: Erweiterte Dateioperationen
- 11.06 Module gzip, zipfile, tarfile: Verarbeitung komprimierter Dateien
- 11.07 Protokollierungsmodul: Protokollierung
- 11.08 String-Modul: String-Verarbeitung
- 11.09 Sammlungsmodul: mehr Datenstrukturen
- 11.10 Anforderungsmodul: HTTP für Menschen
- 12.Pandas
- 12.01 Beginnen Sie in zehn Minuten mit Pandas
- 12.02 Eindimensionale Datenstruktur: Reihen
- 12.03 Zweidimensionale Datenstruktur: DataFrame
