Notes sur le Python chinois
Version : 0.0.1
Auteur : Li Jin Courriel : [email protected]
En raison de problèmes de droits d'auteur, aucune autorisation officielle n'est actuellement accordée pour des révisions et des adaptations basées sur cette note.
Le contenu des notes est uniquement à titre de référence pour l’étude. Veuillez ne pas l’utiliser à des fins commerciales sans autorisation.
Github est lent à charger .ipynb . Il est recommandé de visualiser le projet dans Nbviewer.
Le livre physique basé sur ce cahier : "Teach Yourself Python - Basics of Programming, Scientific Computing and Data Analysis" a été publié.
Lien autonome de JD.com : https://item.jd.com/12328920.html
Disponible sur Tmall, Amazon et Dangdang.
Pourriez-vous me donner une récompense ?
Introduction
La plupart du contenu provient d'Internet.
Python 2.7 est installé par défaut, ainsi que les packages tiers associés ipython , numpy , scipy et pandas .
la vie est courte. utilisez python.
Il est recommandé d'utiliser Anaconda, cet IDE intègre les packages les plus couramment utilisés.
Le contenu de la note est affiché à l'aide de jupyter notebook .
Après avoir installé Python et les packages correspondants, vous pouvez saisir :
pour entrer dans jupyter notebook .
Configuration de l'environnement de base
conda update conda
conda update anaconda
se référer à
- Formation Enthought à la demande
- Statistiques informatiques en Python
- scipy.org
- Tutoriels d'apprentissage profond
- Calcul scientifique haute performance
- Conférences Scipy
- pandas.org
Table des matières
Vous pouvez ouvrir generate static files.ipynb dans Notebook ou exécuter le code generate_static_files.py dans la ligne de commande pour générer des fichiers HTML statiques.
- 01. Outils Python
- 01.01 Introduction à Python
- 01.02 Interpréteur Ipython
- 01.03 Carnet Ipython
- 01.04 Utiliser Anaconda
- 02. Bases de Python
- 02.01 Démo de démarrage de Python
- 02.02 Types de données Python
- 02.03 Numéro
- 02.04 Chaîne
- 02.05 Indexation et partage
- 02.06 Liste
- 02.07 Types mutables et immuables
- 02.08-Tuple
- 02.09 Comparaison rapide des listes et des tuples
- 02.10 Dictionnaire
- 02.11 Collecte
- 02.12 Collections immuables
- 02.13 Mécanisme d'affectation Python
- 02.14 Déclaration de jugement
- 02h15 Boucle
- 02.16 Compréhensions de listes
- 02.17 Fonction
- 02.18 Modules et forfaits
- 02.19 Exception
- 02.20 Avertissement
- 02.21 Lecture et écriture de fichiers
- 03. Numpy
- 03.01 Introduction à Numpy
- 03.02 Bases de Matplotlib
- 03.03 Tableaux Numpy et leurs index
- 03.04 Type de tableau
- 03.05 Méthodes de tableau
- 03.06 Tri des tableaux
- 03.07 Forme du tableau
- 03.08 Diagonale
- 03.09 Conversion entre tableau et chaîne
- 03.10 Résumé des méthodes d'attributs de tableau
- 03.11 Fonctions qui génèrent des tableaux
- 03.12 Matrice
- 03.13 Fonctions générales
- 03.14 Fonctions vectorisées
- 03.15 Opérations binaires
- 03.16 objet ufunc
- 03.17 Choisir la fonction implémente le filtrage conditionnel
- 03.18 Mécanisme de diffusion du tableau
- 03.19 Lecture et écriture de tableaux
- 03.20 Tableau structuré
- 03.21 Tableau d'enregistrement
- 03.22 Cartographie de la mémoire
- 03.23 De Matlab à Numpy
- 04. Scipy
- 04.01 Introduction au PYthon scientifique
- 04.02 Interpolation
- 04.03 Méthodes probabilistes et statistiques
- 04.04 Ajustement de courbe
- 04.05 Fonction de minimisation
- 04.06 Points
- 04.07 Résoudre des équations différentielles
- 04.08 Matrice clairsemée
- 04.09 Algèbre linéaire
- 04.10 Algèbre linéaire des matrices clairsemées
- 05. Python Avancé
- 05.01 Introduction au module système
- 05.02 Interagir avec le système d'exploitation : le module os
- 05.03 Fichiers CSV et module csv
- 05.04 Expressions régulières et re module
- 05.05 module date-heure
- 05.06 Base de données SQL
- 05.07 Mappage objet-relationnel
- 05.08 Avancement des fonctions : passage de paramètres, fonctions d'ordre supérieur, fonctions anonymes lambda, variables globales, récursion
- 05.09 Itérateur
- 05.10 Générateur
- 05.11 avec gestionnaire d'instructions et de contexte
- 05.12 Modificateurs
- 05.13 Utilisation de modificateurs
- 05.14 opérateur, functools, itertools, toolz, fn, modules funcy
- 05.15 Portée
- 05.16 Compilation dynamique
- 06. Matplotlib
- 06.01 Tutoriel Pyplot
- 06.02 Utiliser le style pour configurer le style pyplot
- 06.03 Traitement du texte (bases)
- 06.04 Traitement du texte (expressions mathématiques)
- 06.05 Bases des images
- 06.06 Remarques
- 06.07 Balises
- 06.08 figures, sous-traces, axes et ticks objets
- 06.09 Ne soyez pas superstitieux concernant les paramètres par défaut
- 06.10 Divers exemples de dessins
- 07. Développez avec d'autres langues
- 07.01 Présentation
- 07.02 Modules d'extension Python
- 07.03 Cython : bases de Cython, convertir le code source en modules d'extension
- 07.04 Cython : syntaxe Cython, appelant d'autres bibliothèques C
- 07.05 Cython : classe et classe cdef, utilisant C++
- 07.06 Cython : vues mémoire typées
- 07.07 Générer des commentaires de compilation
- 07.08 types
- 08. Programmation orientée objet
- 08.01 Présentation
- 08.02 Modélisation des incendies de forêt en POO
- 08.03 Qu'est-ce qu'un objet ?
- 08.04 Définir la classe
- 08.05 Méthodes spéciales
- 08.06 Propriétés
- 08.07 Simulation de feux de forêt
- 08.08 Héritage
- 08.09 fonction super()
- 08.10 Redéfinir la simulation des incendies de forêt
- 08.11Interface
- 08.12 Méthodes et propriétés publiques, privées et spéciales
- 08.13 Héritage multiple
- 09. Les bases de Théano
- 09.01 Introduction à Theano et son installation
- 09.02 Les bases de Théano
- 09.03 Configuration de Theano sous Windows
- 09.04 Structure du graphe symbolique Théano
- 09.05 Configuration et mode compilation de Theano
- 09.06 Instructions conditionnelles théano
- 09.07 Boucle Théano : scan (explication détaillée)
- 09.08 Exemple Theano : régression linéaire
- 09.09 Exemple Theano : régression logistique
- 09.10 Exemple Theano : régression Softmax
- 09.11 Exemple Theano : réseau de neurones artificiels
- 09.12 Variable de flux de nombres aléatoires Theano
- 09.13 Exemple Theano : réseaux plus complexes
- 09.14 Exemple Theano : réseau de neurones convolutifs
- 09h15 Module tenseur théano : bases
- 09.16 Module tenseur théano : index
- 09.17 Module tenseur théano : opérateurs et opérations par éléments
- 09.18 Module tenseur théano : sous-module nnet
- 09.19 Module tenseur théano : sous-module conv
- 10. Modules tiers intéressants
- 10.01 Utiliser un fond de carte pour dessiner des cartes
- 10.02 Utiliser Cartopy pour dessiner des cartes
- 10.03 Explorer les données NBA
- 10.04 Le monde des arts martiaux de Jin Yong
- 11. Outils utiles
- Module pprint 11.01 : Imprimer des objets Python
- 11.02 pickle, module cPickle : sérialisation des objets Python
- 11.03 module json : traitement des données JSON
- Module glob 11.04 : correspondance de modèle de fichier
- Module Shutil 11.05 : opérations avancées sur les fichiers
- 11.06 modules gzip, zipfile, tarfile : traitement des fichiers compressés
- Module de journalisation 11.07 : journalisation
- Module de chaînes 11.08 : traitement des chaînes
- Module de collections 11.09 : plus de structures de données
- Module de requêtes 11.10 : HTTP pour les humains
- 12.Pandas
- 12.01 Commencez avec Pandas en dix minutes
- 12.02 Structure de données unidimensionnelle : séries
- 12.03 Structure de données bidimensionnelle : DataFrame
