Notas de Python chino
Versión: 0.0.1
Autor: Li Jin Correo electrónico: [email protected]
Debido a cuestiones de derechos de autor, actualmente no se otorga autorización oficial para revisiones y adaptaciones basadas en esta nota.
El contenido de las notas es únicamente para referencia de estudio. No lo utilice con fines comerciales sin permiso.
Github tarda en cargar .ipynb . Se recomienda ver el proyecto en Nbviewer.
Se ha publicado el libro físico basado en este cuaderno: "Aprenda usted mismo Python: conceptos básicos de programación, informática científica y análisis de datos".
Enlace autooperado de JD.com: https://item.jd.com/12328920.html
Disponible en Tmall, Amazon y Dangdang.
¿Te importaría darme una recompensa?
Introducción
La mayor parte del contenido proviene de Internet.
Python 2.7 se instala de forma predeterminada, así como los paquetes de terceros relacionados ipython , numpy , scipy y pandas .
la vida es corta.
Se recomienda utilizar Anaconda, este IDE integra los paquetes más utilizados.
El contenido de la nota se muestra usando jupyter notebook .
Luego de instalar Python y los paquetes correspondientes, puedes ingresar:
para ingresar jupyter notebook .
Configuración básica del entorno
conda update conda
conda update anaconda
referirse a
- Capacitación bajo demanda de Enthinked
- Estadística computacional en Python
- scipy.org
- Tutoriales de aprendizaje profundo
- Computación científica de alto rendimiento
- Conferencias picantes
- pandas.org
Tabla de contenido
Puede abrir generate static files.ipynb en Notebook o ejecutar el código generate_static_files.py en la línea de comando para generar archivos HTML estáticos.
- 01. Herramientas de Python
- 01.01 Introducción a Python
- 01.02 Intérprete de Ipython
- 01.03 Cuaderno Ipython
- 01.04 Usando Anaconda
- 02. Conceptos básicos de Python
- 02.01 Demostración de introducción a Python
- 02.02 tipos de datos de Python
- 02.03 Número
- 02.04 Cadena
- 02.05 Indexación y fragmentación
- 02.06 Lista
- 02.07 Tipos mutables e inmutables
- 02.08 Tupla
- 02.09 Comparación de velocidad de listas y tuplas
- 02.10 Diccionario
- 02.11 Colección
- 02.12 Colecciones inmutables
- 02.13 Mecanismo de asignación de Python
- 02.14 Declaración de sentencia
- 02.15 Bucle
- 02.16 Listas por comprensión
- 02.17 Función
- 02.18 Módulos y Paquetes
- 02.19 Excepción
- 02.20 Advertencia
- 02.21 Lectura y escritura de archivos
- 03. numpy
- 03.01 Introducción a Numpy
- 03.02 Conceptos básicos de Matplotlib
- 03.03 Matrices Numpy y sus índices
- 03.04 Tipo de matriz
- 03.05 Métodos de matriz
- 03.06 Clasificación de matrices
- 03.07 Forma de matriz
- 03.08 diagonal
- 03.09 Conversión entre matriz y cadena
- 03.10 Resumen de métodos de atributos de matriz
- 03.11 Funciones que generan matrices
- 03.12 Matriz
- 03.13 Funciones generales
- 03.14 Funciones vectorizadas
- 03.15 Operaciones binarias
- 03.16 objeto ufunc
- 03.17 la función de elección implementa el filtrado condicional
- 03.18 Mecanismo de transmisión de matriz
- 03.19 Lectura y escritura de matrices
- 03.20 Matriz estructurada
- 03.21 Matriz de registros
- 03.22 Mapeo de memoria
- 03.23 De Matlab a Numpy
- 04. picante
- 04.01 Introducción a SCIentific PYthon
- 04.02 Interpolación
- 04.03 Métodos probabilísticos y estadísticos
- 04.04 Ajuste de curvas
- 04.05 Función de minimización
- 04.06 Puntos
- 04.07 Resolver ecuaciones diferenciales
- 04.08 Matriz dispersa
- 04.09 Álgebra lineal
- 04.10 Álgebra lineal de matrices dispersas
- 05. Python avanzado
- 05.01 Introducción al módulo sys
- 05.02 Interactuando con el sistema operativo: el módulo os
- 05.03 Archivos CSV y módulo csv
- 05.04 Expresiones regulares y módulo re
- 05.05 módulo de fecha y hora
- 05.06 Base de datos SQL
- 05.07 Mapeo relacional de objetos
- 05.08 Avance de funciones: paso de parámetros, funciones de orden superior, funciones anónimas lambda, variables globales, recursividad
- 05.09 Iterador
- 05.10 Generador
- 05.11 con administrador de declaraciones y contexto
- 05.12 Modificadores
- 05.13 Uso de modificadores
- 05.14 operador, functools, itertools, toolz, fn, módulos funcionales
- 05.15 Alcance
- 05.16 Compilación dinámica
- 06. matplotlib
- 06.01 Tutorial de trazado de datos
- 06.02 Usar estilo para configurar el estilo de pyplot
- 06.03 Procesamiento de texto (conceptos básicos)
- 06.04 Procesamiento de texto (expresiones matemáticas)
- 06.05 Conceptos básicos de imagen
- 06.06 Notas
- 06.07 Etiquetas
- 06.08 figuras, subtramas, ejes y objetos ticks
- 06.09 No seas supersticioso con la configuración predeterminada
- 06.10 Varios ejemplos de dibujos.
- 07. Ampliar con otros idiomas
- 07.01 Introducción
- 07.02 módulos de extensión de Python
- 07.03 Cython: conceptos básicos de Cython, convertir el código fuente en módulos de extensión
- 07.04 Cython: sintaxis de Cython, llamando a otras bibliotecas C
- 07.05 Cython: clase y clase cdef, usando C++
- 07.06 Cython: vistas de memoria escritas
- 07.07 Generar comentarios de compilación
- 07.08 tipos
- 08. Programación orientada a objetos
- 08.01 Introducción
- 08.02 Modelado de incendios forestales utilizando programación orientada a objetos
- 08.03 ¿Qué es un objeto?
- 08.04 Definir clase
- 08.05 Métodos especiales
- 08.06 Propiedades
- 08.07 Simulación de incendio forestal
- 08.08 Herencia
- 08.09 función super()
- 08.10 Redefiniendo la simulación de incendios forestales
- 08.11 Interfaz
- 08.12 Métodos y propiedades públicas, privadas y especiales
- 08.13 Herencia múltiple
- 09. Conceptos básicos de Theano
- 09.01 Introducción a Theano y su instalación.
- 09.02 Conceptos básicos de Theano
- 09.03 Configuración de Theano en Windows
- 09.04 Estructura del gráfico simbólico de Theano
- 09.05 Configuración de Theano y modo de compilación.
- 09.06 Declaraciones condicionales de Theano
- 09.07 Bucle Theano: escaneo (explicación detallada)
- 09.08 Ejemplo de Theano: regresión lineal
- 09.09 Ejemplo de Theano: Regresión logística
- 09.10 Ejemplo de Theano: Regresión Softmax
- 09.11 Ejemplo de Theano: red neuronal artificial
- 09.12 Variable de flujo de números aleatorios Theano
- 09.13 Ejemplo de Theano: redes más complejas
- 09.14 Ejemplo de Theano: red neuronal convolucional
- 09.15 Módulo tensor de Theano: conceptos básicos
- 09.16 Módulo tensor de Theano: índice
- 09.17 Módulo tensor Theano: operadores y operaciones por elementos
- 09.18 Módulo tensor de Theano: submódulo nnet
- 09.19 Módulo tensor Theano: submódulo conv
- 10. Módulos de terceros interesantes
- 10.01 Usar mapa base para dibujar mapas
- 10.02 Usa cartopy para dibujar mapas.
- 10.03 Explorar datos de la NBA
- 10.04 El mundo de las artes marciales de Jin Yong
- 11. Herramientas útiles
- 11.01 módulo pprint: Imprimir objetos Python
- 11.02 pickle, módulo cPickle: Serialización de objetos Python
- 11.03 módulo json: procesamiento de datos JSON
- 11.04 módulo glob: coincidencia de patrones de archivos
- 11.05 módulo Shutil: operaciones avanzadas de archivos
- 11.06 módulos gzip, zipfile, tarfile: procesamiento de archivos comprimidos
- 11.07 módulo de registro: registro
- 11.08 módulo de cadena: procesamiento de cadenas
- Módulo de colecciones 11.09: más estructuras de datos
- Módulo de solicitudes 11.10: HTTP para humanos
- 12.Pandas
- 12.01 Comience con Pandas en diez minutos
- 12.02 Estructura de datos unidimensional: Serie
- 12.03 Estructura de datos bidimensional: DataFrame
