看圖學Python：從程式設計入門到精通資料科學
活動訊息
內容簡介
本書是一本專為初學者設計的Python程式設計及資料科學全面教材，也可作為iPAS巨量資料分析師考試的先修教材。
透過圖解與實作，循序漸進地引導讀者掌握Python程式設計及資料科學的核心技能。書中內容豐富，從Python基礎語法開始，逐步深入到資料科學的實際應用。搭配詳細的圖例和實作範例，讓學習更加直觀和實用。
本書特別強調實務應用，詳細介紹了Python資料科學必學的套件，如Numpy、Matplotlib、Pandas、Seaborn、Plotly和SciPy。這些工具不僅幫助讀者進行資料運算和分析，還能輕鬆繪製各種圖表，視覺化資料結果。
在學習Python程式設計的過程中，本書運用了當前最熱門的AI工具——ChatGPT，來輔助學習。ChatGPT可以提供程式設計協助、解釋程式概念，進而寫出資料收集的網路爬蟲程式，以便更好地理解Python程式設計和資料分析的關鍵概念。這種互動式學習方式，大大提升了學習效率和理解深度。
此外，本書還包含多個實務導向的案例，從資料預處理、資料清理到探索性資料分析，再到機器學習與深度學習應用，幫助讀者將所學知識應用於實際問題中。這些案例不僅鞏固了讀者的學習成果，還提升了實戰技能，為未來的職場應用打下堅實的基礎。
透過圖解與實作，循序漸進地引導讀者掌握Python程式設計及資料科學的核心技能。書中內容豐富，從Python基礎語法開始，逐步深入到資料科學的實際應用。搭配詳細的圖例和實作範例，讓學習更加直觀和實用。
本書特別強調實務應用，詳細介紹了Python資料科學必學的套件，如Numpy、Matplotlib、Pandas、Seaborn、Plotly和SciPy。這些工具不僅幫助讀者進行資料運算和分析，還能輕鬆繪製各種圖表，視覺化資料結果。
在學習Python程式設計的過程中，本書運用了當前最熱門的AI工具——ChatGPT，來輔助學習。ChatGPT可以提供程式設計協助、解釋程式概念，進而寫出資料收集的網路爬蟲程式，以便更好地理解Python程式設計和資料分析的關鍵概念。這種互動式學習方式，大大提升了學習效率和理解深度。
此外，本書還包含多個實務導向的案例，從資料預處理、資料清理到探索性資料分析，再到機器學習與深度學習應用，幫助讀者將所學知識應用於實際問題中。這些案例不僅鞏固了讀者的學習成果，還提升了實戰技能，為未來的職場應用打下堅實的基礎。
目錄
CH01 Python語言與運算思維基礎
1-1 程式與程式邏輯
1-2 認識Python、運算思維和Thonny
1-3 下載與安裝Thonny
1-4 使用Thonny建立第一個Python程式
1-5 Thonny基本使用與程式除錯
CH02 寫出和認識Python程式
2-1 開發Python程式的基本步驟
2-2 編輯現存的Python程式
2-3 建立第二個Python程式的加法運算
2-4 看看Python程式的內容
2-5 Python文字值
2-6 Python寫作風格
CH03 變數、運算式與運算子
3-1 程式語言的變數
3-2 在程式使用變數
3-3 變數的資料型態和型態轉換函數
3-4 讓使用者輸入變數值
3-5 認識運算式和運算子
3-6 在程式使用運算子
CH04 條件判斷
4-1 你的程式可以走不同的路
4-2 關係運算子與條件運算式
4-3 if單選條件敘述
4-4 if/else二選一條件敘述
4-5 if/elif/else多選一條件敘述
4-6 在條件敘述使用邏輯運算子
CH05 重複執行程式碼
5-1 認識迴圈敘述
5-2 for計數迴圈
5-3 while條件迴圈
5-4 改變迴圈的執行流程
5-5 巢狀迴圈與無窮迴圈
5-6 在迴圈中使用條件敘述
CH06 函數
6-1 認識函數
6-2 使用者自訂函數
6-3 函數的參數
6-4 函數的回傳值
6-5 函數的實際應用
6-6 變數範圍和內建函數
CH07 字串與容器型態
7-1 字串型態
7-2 串列型態
7-3 元組型態
7-4 字典型態
7-5 字串與容器型態的運算子
7-6 串列與字典推導
CH08 檔案、類別與例外處理
8-1 檔案處理
8-2 二進位檔案讀寫
8-3 類別與物件
8-4 建立例外處理
CH09 Python模組與套件
9-1 Python模組與套件
9-2 os模組：檔案操作與路徑處理
9-3 math模組：數學函數
9-4 turtle模組：海龜繪圖
9-5 pywin32套件：Office軟體自動化
CH10 使用ChatGPT學習Python程式設計
10-1 認識ChatGPT
10-2 註冊與使用ChatGPT
10-3 ChatGPT是你最佳的Python程式助手
10-4 ChatGPT應用：找出Python視窗程式的學習方向
10-5 ChatGPT應用：幫助你學習Python視窗程式設計
10-6 ChatGPT應用：寫出資料收集的網路爬蟲程式
CH11 NumPy向量與矩陣運算
11-1 Python資料科學套件
11-2 陣列的基本使用
11-3 一維陣列：向量
11-4 二維陣列：矩陣
11-5 使用進階索引取出元素
11-6 陣列的常用操作與廣播
CH12 Matplotlib資料視覺化
12-1 資料視覺化與Matplotlib套件
12-2 使用Matplotlib繪製圖表
12-3 散佈圖、長條圖、直方圖和派圖
12-4 子圖表
12-5 多軸圖表
CH13 使用Pandas掌握你的資料
13-1 Pandas 套件的基礎
13-2 DataFrame 的基本使用
13-3 選擇、篩選與排序資料
13-4 新增、更新、刪除與合併資料
13-5 群組、樞紐分析與統計函數
13-6 Pandas 資料視覺化
CH14 Seaborn進階圖表與Plotly互動視覺化
14-1 Seaborn基礎與基本使用
14-2 使用Seaborn繪製各種類型的圖表
14-3 使用Seaborn繪製不同類型組合的圖表
14-4 使用Plotly繪製互動圖表
14-5 實作案例：PTT BBS推文的資料視覺化
14-6 實作案例：台積電股價的互動資料視覺化
CH15 SciPy科學運算與探索式資料分析
15-1 SciPy套件的基礎
15-2 SciPy套件的科學運算
15-3 探索性資料分析的基礎
15-4 找出資料之間的關聯性
15-5 資料預處理
15-6 實作案例：鐵達尼號資料集的探索性資料分析
CH16 Python機器學習與深度學習
16-1 機器學習的基礎
16-2 機器學習實例：使用線性迴歸預測房價
16-3 機器學習實例：使用決策樹分類鳶尾花
16-4 認識深度學習
16-5 深度學習實例：加州房價預測的迴歸分析
16-6 深度學習實例：鳶尾花資料集的多元分類
附錄A Google Colab雲端服務基本使用(電子書)
1-1 程式與程式邏輯
1-2 認識Python、運算思維和Thonny
1-3 下載與安裝Thonny
1-4 使用Thonny建立第一個Python程式
1-5 Thonny基本使用與程式除錯
CH02 寫出和認識Python程式
2-1 開發Python程式的基本步驟
2-2 編輯現存的Python程式
2-3 建立第二個Python程式的加法運算
2-4 看看Python程式的內容
2-5 Python文字值
2-6 Python寫作風格
CH03 變數、運算式與運算子
3-1 程式語言的變數
3-2 在程式使用變數
3-3 變數的資料型態和型態轉換函數
3-4 讓使用者輸入變數值
3-5 認識運算式和運算子
3-6 在程式使用運算子
CH04 條件判斷
4-1 你的程式可以走不同的路
4-2 關係運算子與條件運算式
4-3 if單選條件敘述
4-4 if/else二選一條件敘述
4-5 if/elif/else多選一條件敘述
4-6 在條件敘述使用邏輯運算子
CH05 重複執行程式碼
5-1 認識迴圈敘述
5-2 for計數迴圈
5-3 while條件迴圈
5-4 改變迴圈的執行流程
5-5 巢狀迴圈與無窮迴圈
5-6 在迴圈中使用條件敘述
CH06 函數
6-1 認識函數
6-2 使用者自訂函數
6-3 函數的參數
6-4 函數的回傳值
6-5 函數的實際應用
6-6 變數範圍和內建函數
CH07 字串與容器型態
7-1 字串型態
7-2 串列型態
7-3 元組型態
7-4 字典型態
7-5 字串與容器型態的運算子
7-6 串列與字典推導
CH08 檔案、類別與例外處理
8-1 檔案處理
8-2 二進位檔案讀寫
8-3 類別與物件
8-4 建立例外處理
CH09 Python模組與套件
9-1 Python模組與套件
9-2 os模組：檔案操作與路徑處理
9-3 math模組：數學函數
9-4 turtle模組：海龜繪圖
9-5 pywin32套件：Office軟體自動化
CH10 使用ChatGPT學習Python程式設計
10-1 認識ChatGPT
10-2 註冊與使用ChatGPT
10-3 ChatGPT是你最佳的Python程式助手
10-4 ChatGPT應用：找出Python視窗程式的學習方向
10-5 ChatGPT應用：幫助你學習Python視窗程式設計
10-6 ChatGPT應用：寫出資料收集的網路爬蟲程式
CH11 NumPy向量與矩陣運算
11-1 Python資料科學套件
11-2 陣列的基本使用
11-3 一維陣列：向量
11-4 二維陣列：矩陣
11-5 使用進階索引取出元素
11-6 陣列的常用操作與廣播
CH12 Matplotlib資料視覺化
12-1 資料視覺化與Matplotlib套件
12-2 使用Matplotlib繪製圖表
12-3 散佈圖、長條圖、直方圖和派圖
12-4 子圖表
12-5 多軸圖表
CH13 使用Pandas掌握你的資料
13-1 Pandas 套件的基礎
13-2 DataFrame 的基本使用
13-3 選擇、篩選與排序資料
13-4 新增、更新、刪除與合併資料
13-5 群組、樞紐分析與統計函數
13-6 Pandas 資料視覺化
CH14 Seaborn進階圖表與Plotly互動視覺化
14-1 Seaborn基礎與基本使用
14-2 使用Seaborn繪製各種類型的圖表
14-3 使用Seaborn繪製不同類型組合的圖表
14-4 使用Plotly繪製互動圖表
14-5 實作案例：PTT BBS推文的資料視覺化
14-6 實作案例：台積電股價的互動資料視覺化
CH15 SciPy科學運算與探索式資料分析
15-1 SciPy套件的基礎
15-2 SciPy套件的科學運算
15-3 探索性資料分析的基礎
15-4 找出資料之間的關聯性
15-5 資料預處理
15-6 實作案例：鐵達尼號資料集的探索性資料分析
CH16 Python機器學習與深度學習
16-1 機器學習的基礎
16-2 機器學習實例：使用線性迴歸預測房價
16-3 機器學習實例：使用決策樹分類鳶尾花
16-4 認識深度學習
16-5 深度學習實例：加州房價預測的迴歸分析
16-6 深度學習實例：鳶尾花資料集的多元分類
附錄A Google Colab雲端服務基本使用(電子書)
配送方式
-
台灣
- 國內宅配：本島、離島
-
到店取貨：
不限金額免運費
-
海外
- 國際快遞：全球
-
港澳店取：
訂購/退換貨須知
加入金石堂 LINE 官方帳號『完成綁定』，隨時掌握出貨動態：
提醒您！！
金石堂及銀行均不會請您操作ATM! 如接獲電話要求您前往ATM提款機，請不要聽從指示，以免受騙上當！
退換貨須知：
**提醒您，鑑賞期不等於試用期，退回商品須為全新狀態**
-
依據「消費者保護法」第19條及行政院消費者保護處公告之「通訊交易解除權合理例外情事適用準則」，以下商品購買後，除商品本身有瑕疵外，將不提供7天的猶豫期：
- 易於腐敗、保存期限較短或解約時即將逾期。（如：生鮮食品）
- 依消費者要求所為之客製化給付。（客製化商品）
- 報紙、期刊或雜誌。（含MOOK、外文雜誌）
- 經消費者拆封之影音商品或電腦軟體。
- 非以有形媒介提供之數位內容或一經提供即為完成之線上服務，經消費者事先同意始提供。（如：電子書、電子雜誌、下載版軟體、虛擬商品…等）
- 已拆封之個人衛生用品。（如：內衣褲、刮鬍刀、除毛刀…等）
- 若非上列種類商品，均享有到貨7天的猶豫期（含例假日）。
- 辦理退換貨時，商品（組合商品恕無法接受單獨退貨）必須是您收到商品時的原始狀態（包含商品本體、配件、贈品、保證書、所有附隨資料文件及原廠內外包裝…等），請勿直接使用原廠包裝寄送，或於原廠包裝上黏貼紙張或書寫文字。
- 退回商品若無法回復原狀，將請您負擔回復原狀所需費用，嚴重時將影響您的退貨權益。
商品評價