资源搜

资源名称：Python数据分析实战 PDF 内容简介： Python 简单易学，拥有丰富的库，并且具有极强的包容性。本书展示了如何利用Python 语言的强大功能，以最小的编程代价进行数据的提取、处理和分析，主要内容包括：数据分析和Python 的基本介绍，NumPy 库，pandas 库，如何使用pandas 读写和提取数据，用matplotlib 库和scikit-learn 库分别实现数据可视化和机器学习，以实例演示如何从原始数据获得信息、D3 库嵌入和手写体数字的识别。 作者简介： Fabio Nelli IRBM科学园IT科学应用专家，曾为IBM、EDS等企业提供咨询。目前正在开发Java应用，对接科学仪器和Oracle数据库，生成数据和Web服务器应用，为研究人员提供实时分析结果。他还是Meccanismo Complesso社区（www.meccanismocomplesso.org）的项目协调人。 译者简介： 杜春晓 英语语言文学学士，软件工程硕士。其他译著有《电子达人——我的第一本Raspberry Pi入门手册》和《Python数据挖掘入门与实践》。新浪微博：@宜_生。 资源目录： 第1章　数据分析简介　　1 1.1　数据分析　　1 1.2　数据分析师的知识范畴　　2 1.2.1　计算机科学　　2 1.2.2　数学和统计学　　3 1.2.3　机器学习和人工智能　　3 1.2.4　数据来源领域　　3 1.3　理解数据的性质　　4 1.3.1　数据到信息的转变　　4 1.3.2　信息到知识的转变　　4 1.3.3　数据的类型　　4 1.4　数据分析过程　　4 1.4.1　问题定义　　5 1.4.2　数据抽取　　6 1.4.3　数据准备　　6 1.4.4　数据探索和可视化　　7 1.4.5　预测模型　　7 1.4.6　模型评估　　8 1.4.7　部署　　8 1.5　定量和定性数据分析　　9 1.6　开放数据　　9 1.7　Python和数据分析　　11 1.8　结论　　11 第2章　Python世界简介　　12 2.1　Python——编程语言　　12 2.2　Python——解释器　　13 2.2.1　Cython　　14 2.2.2　Jython　　14 2.2.3　PyPy　　14 2.3　Python 2和Python 3　　14 2.4　安装Python　　15 2.5　Python发行版　　15 2.5.1　Anaconda　　15 2.5.2　Enthought Canopy　　16 2.5.3　Python(x,y)　　17 2.6　使用Python　　17 2.6.1　Python shell　　17 2.6.2　运行完整的Python程序　　17 2.6.3　使用IDE编写代码　　18 2.6.4　跟Python交互　　18 2.7　编写Python代码　　18 2.7.1　数学运算　　18 2.7.2　导入新的库和函数　　19 2.7.3　函数式编程　　21 2.7.4　缩进　　22 2.8　IPython　　23 2.8.1　IPython shell　　23 2.8.2　IPython Qt-Console　　24 2.9　PyPI仓库——Python包索引　　25 2.10　多种Python IDE　　26 2.10.1　IDLE　　26 2.10.2　Spyder　　27 2.10.3　Eclipse（pyDev）　　27 2.10.4　Sublime　　28 2.10.5　Liclipse　　29 2.10.6　NinjaIDE　　29 2.10.7　Komodo IDE　　29 2.11　SciPy　　30 2.11.1　NumPy　　30 2.11.2　pandas　　30 2.11.3　matplotlib　　31 2.12　小结　　31 第3章　NumPy库　　32 3.1　NumPy简史　　32 3.2　NumPy安装　　32 3.3　ndarray：NumPy库的心脏　　33 3.3.1　创建数组　　34 3.3.2　数据类型　　34 3.3.3　dtype选项　　35 3.3.4　自带的数组创建方法　　36 3.4　基本操作　　37 3.4.1　算术运算符　　37 3.4.2　矩阵积　　38 3.4.3　自增和自减运算符　　39 3.4.4　通用函数　　40 3.4.5　聚合函数　　40 3.5　索引机制、切片和迭代方法　　41 3.5.1　索引机制　　41 3.5.2　切片操作　　42 3.5.3　数组迭代　　43 3.6　条件和布尔数组　　45 3.7　形状变换　　45 3.8　数组操作　　46 3.8.1　连接数组　　46 3.8.2　数组切分　　47 3.9　常用概念　　49 3.9.1　对象的副本或视图　　49 3.9.2　向量化　　50 3.9.3　广播机制　　50 3.10　结构化数组　　52 3.11　数组数据文件的读写　　53 3.11.1　二进制文件的读写　　54 3.11.2　读取文件中的列表形式数据　　54 3.12　小结　　55 第4章　pandas库简介　　56 4.1　pandas：Python数据分析库　　56 4.2　安装　　57 4.2.1　用Anaconda安装　　57 4.2.2　用PyPI安装　　58 4.2.3　在Linux系统的安装方法　　58 4.2.4　用源代码安装　　58 4.2.5　Windows模块仓库　　59 4.3　测试pandas是否安装成功　　59 4.4　开始pandas之旅　　59 4.5　pandas数据结构简介　　60 4.5.1　Series对象　　60 4.5.2　DataFrame对象　　66 4.5.3　Index对象　　72 4.6　索引对象的其他功能　　74 4.6.1　更换索引　　74 4.6.2　删除　　75 4.6.3　算术和数据对齐　　77 4.7　数据结构之间的运算　　78 4.7.1　灵活的算术运算方法　　78 4.7.2　DataFrame和Series对象之间的运算　　78 4.8　函数应用和映射　　79 4.8.1　操作元素的函数　　79 4.8.2　按行或列执行操作的函数　　80 4.8.3　统计函数　　81 4.9　排序和排位次　　81 4.10　相关性和协方差　　84 4.11　NaN数据　　85 4.11.1　为元素赋NaN值　　85 4.11.2　过滤NaN　　86 4.11.3　为NaN元素填充其他值　　86 4.12　等级索引和分级　　87 4.12.1　重新调整顺序和为层级排序　　89 4.12.2　按层级统计数据　　89 4.13　小结　　90 第5章　pandas：数据读写　　91 5.1　I/O API 工具　　91 5.2　CSV和文本文件　　92 5.3　读取CSV或文本文件中的数据　　92 5.3.1　用RegExp解析TXT文件　　94 5.3.2　从TXT文件读取部分数据　　96 5.3.3　往CSV文件写入数据　　97 5.4　读写HTML文件　　98 5.4.1　写入数据到HTML文件　　99 5.4.2　从HTML文件读取数据　　100 5.5　从XML读取数据　　101 5.6　读写Microsoft Excel文件　　103 5.7　JSON数据　　105 5.8　HDF5格式　　107 5.9　pickle——Python对象序列化　　108 5.9.1　用cPickle实现Python对象序列化　　109 5.9.2　用pandas实现对象序列化　　109 5.10　对接数据库　　110 5.10.1　SQLite3数据读写　　111 5.10.2　PostgreSQL数据读写　　112 5.11　NoSQL数据库MongoDB数据读写　　114 5.12　小结　　116 第6章　深入pandas：数据处理　　117 6.1　数据准备　　117 6.2　拼接　　122 6.2.1　组合　　124 6.2.2　轴向旋转　　125 6.2.3　删除　　127 6.3　数据转换　　128 6.3.1　删除重复元素　　128 6.3.2　映射　　129 6.4　离散化和面元划分　　132 6.5　排序　　136 6.6　字符串处理　　137 6.6.1　内置的字符串处理方法　　137 6.6.2　正则表达式　　139 6.7　数据聚合　　140 6.7.1　GroupBy　　141 6.7.2　实例　　141 6.7.3　等级分组　　142 6.8　组迭代　　143 6.8.1　链式转换　　144 6.8.2　分组函数　　145 6.9　高级数据聚合　　145 6.10　小结　　148 第7章　用matplotlib实现数据可视化　　149 7.1　matplotlib库　　149 7.2　安装　　150 7.3　IPython和IPython QtConsole　　150 7.4　matplotlib架构　　151 7.4.1　Backend层　　152 7.4.2　Artist层　　152 7.4.3　ｓｃｒｉｐｔing层（pyplot）　　153 7.4.4　pylab和pyplot　　153 7.5　pyplot　　154 7.5.1　生成一幅简单的交互式图表　　154 7.5.2　设置图形的属性　　156 7.5.3　matplotlib和NumPy　　158 7.6　使用kwargs　　160 7.7　为图表添加更多元素　　162 7.7.1　添加文本　　162 7.7.2　添加网格　　165 7.7.3　添加图例　　166 7.8　保存图表　　168 7.8.1　保存代码　　169 7.8.2　将会话转换为HTML文件　　170 7.8.3　将图表直接保存为图片　　171 7.9　处理日期值　　171 7.10　图表类型　　173 7.11　线性图　　173 7.12　直方图　　180 7.13　条状图　　181 7.13.1　水平条状图　　183 7.13.2　多序列条状图　　184 7.13.3　为pandas DataFrame生成多序列条状图　　185 7.13.4　多序列堆积条状图　　186 7.13.5　为pandas DataFrame绘制堆积条状图　　189 7.13.6　其他条状图　　190 7.14　饼图　　190 7.15　高级图表　　193 7.15.1　等值线图　　193 7.15.2　极区图　　195 7.16　mplot3d　　197 7.16.1　3D曲面　　197 7.16.2　3D散点图　　198 7.16.3　3D条状图　　199 7.17　多面板图形　　200 7.17.1　在其他子图中显示子图　　200 7.17.2　子图网格　　202 7.18　小结　　204 第8章　用scikit-learn库实现机器学习　　205 8.1　scikit-learn库　　205 8.2　机器学习　　205 8.2.1　有监督和无监督学习　　205 8.2.2　训练集和测试集　　206 8.3　用scikit-learn实现有监督学习　　206 8.4　Iris数据集　　206 8.5　K-近邻分类器　　211 8.6　Diabetes数据集　　214 8.7　线性回归：最小平方回归　　215 8.8　支持向量机　　219 8.8.1　支持向量分类　　219 8.8.2　非线性SVC　　223 8.8.3　绘制SVM分类器对Iris数据集的分类效果图　　225 8.8.4　支持向量回归　　227 8.9　小结　　229 第9章　数据分析实例——气象数据　　230 9.1　待检验的假设：靠海对气候的影响　　230 9.2　数据源　　233 9.3　用IPython Notebook做数据分析　　234 9.4　风向频率玫瑰图　　246 9.5　小结　　251 第10章　IPython Notebook内嵌Javaｓｃｒｉｐｔ库D3　　252 10.1　开放的人口数据源　　252 10.2　Javaｓｃｒｉｐｔ库D3　　255 10.3　绘制簇状条状图　　259 10.4　地区分布图　　262 10.5　2014年美国人口地区分布图　　266 10.6　小结　　270 第11章　识别手写体数字　　271 11.1　手写体识别　　271 11.2　用scikit-learn识别手写体数字　　271 11.3　Digits数据集　　272 11.4　学习和预测　　274 11.5　小结　　276 附录A　用LaTeX编写数学表达式　　277 附录B　开放数据源　　287 资源截图：

资源名称：教孩子学编程 PYTHON语言版 PDF 资源目录： 第1章Python基础——认识环境1 1.1认识Python3 1.2用Python编写程序5 1.3运行Python程序5 1.4本章小结6 1.5编程挑战7 第2章海龟作图——用Python绘图9 2.1第一个海龟程序10 2.1.1程序是如何工作的10 2.1.2发生了什么12 2.2旋转的海龟13 2.3海龟画圆14 2.4添加颜色15 2.4.1一个四色螺旋线16 2.4.2修改背景颜色19 2.5一个变量搞定一切20 2.6本章小结22 2.7编程挑战22 第3章数字和变量——用Python做数学运算24 3.1变量——保存内容的地方25 3.2Python中的数字和数学运算26 3.2.1Python数字27 3.2.2Python操作符28 3.2.3在Pythonshell中进行数学运算28 3.2.4语法错误——你说什么？29 3.2.5Pythonshell中的变量30 3.2.6用操作符编程——披萨计算器31 3.3字符串——Python中真正的字符33 3.4用字符串改进彩色螺旋线35 3.5列表——将所有内容放到一起36 3.6Python做作业38 3.7本章小结40 3.8编程挑战41 第4章循环很有趣（你可以再说一遍）42 4.1构建自己的循环43 4.1.1使用for循环生成4个圆组成的玫瑰花瓣44 4.1.2修改循环让玫瑰花瓣带有6个圆46 4.2把玫瑰花瓣程序改进为允许用户输入48 4.3游戏循环和while循环50 4.4家庭成员螺旋线52 4.5整合——病毒式的螺旋线55 4.6本章小结59 4.7编程挑战60 第5章条件（如果是这样该怎么办？）62 5.1if语句63 5.2认识布尔值65 5.2.1比较操作符66 5.2.2你还不够大！68 5.3else语句69 5.3.1多边形或玫瑰花瓣70 5.3.2偶数还是奇数71 5.4elif语句74 5.5复杂条件——if、and、or和not75 5.6秘密消息77 5.6.1打乱字符串78 5.6.2字符的值79 5.6.3加密／解密程序80 5.7本章小结82 5.8编程挑战83 第6章随机的乐趣和游戏（继续前进，抓住机会！）85 6.1猜数字游戏86 6.2彩色的随机螺旋线88 6.2.1选取颜色，任意的颜色89 6.2.2获取坐标90 6.2.3画布有多大92 6.2.4整合93 6.3Rock—Paper—Scissors95 6.4选一张牌，任意一张牌97 6.4.1堆牌97 6.4.2发牌98 6.4.3计算牌面99 6.4.4继续前进101 6.4.5整合102 6.5掷骰子103 6.5.1设置游戏104 6.5.2对骰子排序104 6.5.3测试骰子105 6.5.4整合106 6.6万花筒109 6.7本章小结112 6.8编程挑战114 第7章函数（那些东西有了一个名字）116 7.1用函数整合内容117 7.1.1定义random_spiral（）118 7.1.2调用random_spiral（）119 7.2参数——传给函数120 7.2.1在随机位置微笑121 7.2.2整合125 7.3返回——发回统计结果127 7.3.1从函数返回一个值127 7.3.2在程序中使用返回值128 7.4交互简介130 7.4.1处理事件——TurtleDraw130 7.4.2监听键盘事件：ArrowDraw133 7.4.3用参数处理事件——ClickSpiral135 7.4.4更进一步——ClickandSmile137 7.5ClickKaleidoscope139 7.5.1draw_kaleido（）函数139 7.5.2draw_spiral（）函数140 7.5.3整合140 7.6本章小结142 7.7编程挑战143 第8章定时器和动画144 8.1获取Pygame的所有GUI145 8.1.1用Pygame画一个点146 8.1.2Pygame中的新内容148 8.1.3游戏的部分149 8.2时间刚刚好——移动和弹跳152 8.2.1移动笑脸153 8.2.2用Clock类实现笑脸动画155 8.2.3将笑脸从墙上弹开157 8.2.4在四面墙上弹回笑脸162 8.3本章小结166 8.4编程挑战167 第9章用户交互——进入游戏170 9.1增加交互——点击和拖动171 9.1.1点击点.171 9.1.2拖动绘制173 9.2高级交互——笑脸爆炸177 9.2.1笑脸精灵178 9.2.2设置精灵180 9.2.3更新精灵182 9.2.4较大的和较小的笑脸182 9.2.5整合183 9.3SmileyPop1.0版185 9.3.1检测碰撞和删除精灵185 9.3.2整合186 9.4本章小结188 9.5编程挑战189 第10章游戏编程191 10.1构建游戏框架——Smiley Pong 1.0版192 10.1.1绘制游戏板和游戏部件193 10.1.2记录分数194 10.1.3显示得分199 10.1.4整合201 10.2增加难度并结束游戏——Smiley Pong 2.0版202 10.2.1游戏结束203 10.2.2再玩一次203 10.2.3更快204 10.2.4整合206 10.3添加更多的功能——Smiley Pop 2.0版208 10.3.1使用Pygame添加声音208 10.3.2跟踪和记录玩家进度210 10.3.3整合213 10.4本章小结215 10.5编程挑战216 附录AWindows、Mac和Linux下的Python安装218 A.1Windows下安装Python219 A.1.1下载安装程序219 A.1.2运行安装程序220 A.1.3尝试Python223 A.2Mac下的Python225 A.2.1下载安装程序225 A.2.2运行安装程序226 A.2.3尝试Python229 A.3Linux下的Python安装230 附录BWindows、Mac和Linux下的Pygame安装233 B.1在Windows下安装Pygame234 B.2Mac下的Pygame238 B.2.1Python2.7和Pygame1.9.2238 B.3Linux下的Pygame240 B.3.1PygameforPython2241 附录C构建自己的模块242 C.1构建colorspiral模块243 C.1.1使用colorspiral模块244 C.1.2重用colorspiral模块245 C.2附加资料246 术语表247 资源截图：

资源名称：Python编程入门经典 内容简介： 作为一门面向对象的开源编程语言，python易于理解和扩展，并且使用起来非常方便。《python编程入门经典》涵盖了python的方方面面，通过学习本书，读者可以立即使用python编写程序。作者james payne从python语言最基本的概念入手，重点介绍了python 2．6和3．1这两个版本的实际应用。通过对一些现有的python程序进行深入分析，读者能够快速上手。《python编程入门经典》涵盖的主题从字符串、列表和字典一直到类、对象和模块。掌握这些内容后，读者将学会如何迅速而自信地创建健壮、可靠而又可重用的python应用程序。 主要内容 ◆介绍用于存储和操作数据的变量的概念 ◆讨论用于读写数据的文件和输入／输出 ◆总结常被忽视的python功能 ◆深入研究如何为模块和程序编写测试 ◆介绍如何使用python编写gui ◆着重介绍xml、html、xsl和相关技术 ◆解释如何扩展python ◆分享数值编程技术 ◆介绍jython的内部机理，jython是一个用java编写的python版本 作者简介： James Payne居住在佛罗里达州马盖特市，他是Developer Shed公司的主编，从7岁起就开始写作和编程。James精通多门语言，已经撰写了400余篇文章，囊括了几乎每一种主流编程语言。James的工作是使用Python为金融业开发专有软件，在业余时间他喜欢涉猎Django方面的知识。 资源目录： 第Ⅰ部分 初步了解Python 第1章 编程基础和字符串 3 1.1 编程与使用计算机的区别 3 1.1.1 编程的一致性 3 1.1.2 编程的可控性 4 1.1.3 程序要应对变化 4 1.1.4 小结 4 1.2 准备工作 4 1.2.1 在非Windows系统上安装 Python 3.1 5 1.2.2 使用Python Shell 5 1.3 开始使用Python——字符串 6 1.3.1 字符串概述 6 1.3.2 为什么需要引号 6 1.3.3 为什么有3种类型的引号 7 1.3.4 使用print()函数 7 1.3.5 理解不同的引号 8 1.4 串联两个字符串 10 1.5 用不同的方法串联字符串 11 1.6 本章小结 12 1.7 习题 13 第2章 数值与运算符 15 2.1 不同类型的数值 15 2.2 程序文件 17 2.2.1 使用不同的类型 18 2.2.2 基本算术 20 2.2.3 一些惊喜 22 2.3 使用数值 23 2.3.1 求值顺序 23 2.3.2 数值格式 24 2.3.3 可能会发生的错误 25 2.3.4 几个不寻常的例子 26 2.4 本章小结 26 2.5 习题 27 第3章 变量 29 3.1 引用数据——使用数据的 名称 29 3.1.1 使用名称修改数据 30 3.1.2 复制数据 31 3.1.3 禁用的名称以及一些规则 31 3.2 使用更多的内置类型 31 3.2.1 元组——不可更改的数据 序列 32 3.2.2 列表——可以更改的数据 序列 35 3.2.3 字典——以名称索引的分组 数据 36 3.2.4 像列表一样处理字符串 38 3.2.5 特殊类型 39 3.3 序列的其他共有属性 40 3.3.1 引用最后一个元素 40 3.3.2 序列的范围 41 3.3.3 通过附加序列增长列表 41 3.3.4 使用列表临时存储数据 42 3.3.5 处理集合 43 3.4 本章小结 44 3.5 习题 44 第Ⅱ部分 Python语言和标准库 第4章 做出决策 49 4.1 比较两个值是否相等 49 4.2 比较两个值是否不相等 51 4.3 比较两个值的大小 51 4.4 对真值和假值取反 53 4.5 观察多个比较运算的结果 54 4.6 循环 57 4.6.1 重复执行操作 57 4.6.2 终止循环 59 4.7 处理错误 62 4.8 本章小结 64 4.9 习题 65 第5章 函数 67 5.1 将程序放在单独的文件中 67 5.2 函数：在一个名称下聚集 代码 69 5.2.1 选择名称 70 5.2.2 在函数中描述函数 70 5.2.3 不同的位置相同的名称 72 5.2.4 添加注释 73 5.2.5 要求函数使用提供的值 73 5.2.6 检查参数 75 5.2.7 为参数设置默认值 77 5.2.8 在函数中调用其他函数 78 5.2.9 函数嵌套函数 80 5.2.10 用自己的词语标记错误 81 5.3 函数的层次 81 5.4 本章小结 82 5.5 习题 83 第6章 类与对象 85 6.1 考虑编程 85 6.1.1 对象的含义 85 6.1.2 已经了解的对象 85 6.1.3 展望：如何使用对象 87 6.2 定义类 87 6.2.1 如何创建对象 87 6.2.2 对象和它们的作用域 95 6.3 本章小结 98 6.4 习题 99 第7章 组织程序 101 7.1 模块 102 7.1.1 导入可用模块 102 7.1.2 通过已有模块创建新模块 102 7.1.3 从命令行开始使用模块 104 7.1.4 改变导入方式 106 7.2 包 106 7.3 模块和包 108 7.3.1 将所有内容引入当前 作用域 108 7.3.2 重新导入模块和包 109 7.4 测试模块和包的基础知识 111 7.5 本章小结 112 7.6 习题 112 第8章 文件和目录 115 8.1 文件对象 115 8.1.1 编写文本文件 116 8.1.2 向文件中追加文本 116 8.1.3 读文本文件 117 8.1.4 文件异常 119 8.2 路径和目录 119 8.3 os中的异常 119 8.3.1 路径 120 8.3.2 目录内容 122 8.3.3 获取文件信息 123 8.3.4 重命名、移动、复制和删除 文件 125 8.3.5 示例：轮换文件 126 8.3.6 创建和删除目录 127 8.3.7 通配 128 8.4 本章小结 129 8.5 习题 129 第9章 Python语言的其他特性 131 9.1 lambda和filter：简单匿名 函数 131 9.2 Map：短路循环 132 9.3 在列表中做出决策—— 列表解析 133 9.4 为循环生成迭代器 133 9.5 使用字典的特殊字符串 替换 135 9.6 重要模块 137 9.6.1 getopt——从命令行中得到 选项 137 9.6.2 使用一个以上的进程 139 9.6.3 线程——在相同的进程中 完成多个工作 141 9.7 本章小结 143 9.8 习题 144 第10章 创建模块 145 10.1 研究模块 145 10.1.1 导入模块 147 10.1.2 查找模块 147 10.1.3 理解模块 148 10.2 创建模块和包 149 10.3 使用类 150 10.3.1 定义面向对象编程 151 10.3.2 创建类 151 10.3.3 扩展已有的类 152 10.4 完成模块 153 10.4.1 定义模块特定的错误 154 10.4.2 选择导出哪些内容 154 10.4.3 为模块建立文档 155 10.4.4 测试模块 164 10.4.5 将模块作为程序运行 165 10.5 创建一个完整的模块 166 10.6 安装模块 171 10.7 本章小结 174 10.8 习题 175 第11章 文本处理 177 11.1 文本处理的用途 177 11.1.1 搜索文件 178 11.1.2 日志剪辑 179 11.1.3 邮件筛选 179 11.2 使用os模块导航文件 系统 179 11.3 使用正则表达式和re 模块 185 11.4 本章小结 189 11.5 习题 189 第Ⅲ部分 开始使用Python 第12章 测试 193 12.1 断言 193 12.2 测试用例和测试套件 195 12.3 测试装置 198 12.4 用极限编程整合 201 12.4.1 用Python实现搜索实用 程序 202 12.4.2 一个更加强大的Python 搜索 207 12.5 软件生命周期中的正规 测试 210 12.6 本章小结 210 第13章 使用Python编写GUI 213 13.1 Python的GUI编程工具箱 213 13.2 Tkinter简介 215 13.3 用Tkinter创建GUI 小组件 215 13.3.1 改变小组件的尺寸 215 13.3.2 配置小组件选项 216 13.3.3 使用小组件 217 13.3.4 创建布局 217 13.3.5 填充顺序 218 13.3.6 控制小组件的外观 219 13.3.7 单选按钮和复选框 220 13.3.8 对话框 221 13.3.9 其他小组件类型 222 13.4 本章小结 222 13.5 习题 223 第14章 访问数据库 225 14.1 使用dbm持久字典 226 14.1.1 选择dbm模块 226 14.1.2 创建持久字典 227 14.1.3 访问持久字典 228 14.1.4 dbm与关系数据库的适用 场合 230 14.2 使用关系数据库 231 14.2.1 编写SQL语句 232 14.2.2 定义表 234 14.2.3 建立数据库 235 14.3 使用Python的数据库API 237 14.3.1 下载各个模块 237 14.3.2 创建连接 238 14.3.3 使用游标 238 14.3.4 使用事务并提交结果 245 14.3.5 检查模块的功能和元 数据 246 14.3.6 处理错误 246 14.4 本章小结 247 14.5 习题 248 第15章 使用Python处理XML 249 15.1 XML的含义 249 15.1.1 层次标记语言 249 15.1.2 一组标准 251 15.2 模式/DTD 251 15.2.1 文档模型的用途 251 15.2.2 是否需要文档模型 252 15.3 文档类型定义 252 15.3.1 DTD示例 252 15.3.2 DTD不完全是XML 253 15.3.3 DTD的局限性 253 15.4 模式 254 15.4.1 示例模式 254 15.4.2 模式是纯粹的XML 254 15.4.3 模式具有层次 255 15.4.4 模式的其他优点 255 15.5 XPath 255 15.6 HTML是XML的子集 256 15.6.1 HTML DTD 256 15.6.2 HTMLParser 256 15.7 Python中可用的XML库 257 15.8 SAX的含义 257 15.8.1 基于流 258 15.8.2 事件驱动 258 15.8.3 DOM的含义 258 15.8.4 内存中访问 258 15.9 使用SAX或者DOM的 理由 259 15.9.1 能力权衡 259 15.9.2 内存考虑 259 15.9.3 速度考虑 259 15.10 Python中可用的SAX 和DOM解析器 259 15.10.1 xml.sax 259 15.10.2 xml.dom.minidom 260 15.11 XSLT简介 262 15.11.1 XSLT是XML 262 15.11.2 转换和格式语言 263 15.11.3 函数式、模板驱动 263 15.12 lxml简介 263 15.13 元素类 263 15.14 使用lxml解析 266 15.15 本章小结 267 15.16 习题 267 第16章 网络编程 269 16.1 理解协议 271 16.1.1 比较协议和程序语言 271 16.1.2 Internet协议栈 272 16.1.3 Internet协议简介 273 16.2 发送电子邮件 274 16.2.1 E-mail文件格式 275 16.2.2 MIME消息 276 16.2.3 使用SMTP和smtplib发送 邮件 284 16.3 检索Internet邮件 286 16.3.1 使用mailbox解析本地 邮筒 286 16.3.2 使用poplib从POP3 服务器获取邮件 288 16.3.3 使用imaplib从IMAP 服务器获取邮件 290 16.3.4 安全的POP3和IMAP 294 16.3.5 Webmail应用程序不是 E-mail应用程序 294 16.4 套接字编程 294 16.4.1 套接字简介 295 16.4.2 绑定到外部主机名 297 16.4.3 镜像服务器 298 16.4.4 镜像客户端 299 16.4.5 套接字服务器 300 16.4.6 多线程服务器 302 16.4.7 Python聊天服务器 303 16.4.8 设计Python聊天 服务器 303 16.4.9 Python聊天服务器协议 304 16.4.10 Python聊天客户端 309 16.4.11 基于select的单线程 多任务 312 16.5 其他主题 313 16.5.1 协议设计的多种考虑 313 16.5.2 对等架构 314 16.6 本章小结 314 16.7 习题 315 第17章 用C扩展编程 317 17.1 扩展模块概述 318 17.2 构建并安装扩展模块 320 17.3 从Python向C传递参数 322 17.4 从C向Python返回值 325 17.5 LAME项目 326 17.6 LAME扩展模块 330 17.7 在C代码中使用Python 对象 342 17.8 本章小结 345 17.9 习题 346 第18章 数值编程 347 18.1 Python语言中的数值 347 18.1.1 整数 348 18.1.2 长整数 348 18.1.3 浮点数 349 18.1.4 格式化数值 350 18.1.5 作为数值的字符 352 18.2 数学 353 18.2.1 算术运算 354 18.2.2 内置数学函数 355 18.3 复数 357 18.4 数组 359 18.5 本章小结 363 18.6 习题 363 第19章 Django简介 365 19.1 框架的定义以及使用框架的 理由 365 19.2 Web框架的其他功能 366 19.3 Django发展史 367 19.4 理解Django的架构 368 19.4.1 项目初始设置 368 19.4.2 创建视图 371 19.5 使用模板 373 19.6 使用模板和视图 375 19.6.1 模型 378 19.6.2 创建模型的第一步—— 配置数据库设置 379 19.7 创建模型：创建一个应用 程序 380 19.8 本章小结 382 19.9 习题 383 第20章 Web应用程序与Web 服务 385 20.1 REST：Web架构 386 20.1.1 REST的特性 386 20.1.2 REST操作 388 20.2 HTTP：REST的实际应用 388 20.2.1 可见的Web服务器 390 20.2.2 HTTP请求 393 20.2.3 HTTP响应 393 20.3 CGI：将脚本变为Web应用 程序 395 20.3.1 Web服务器与CGI脚本的 协议 397 20.3.2 CGI的特殊环境变量 397 20.3.3 通过HTML表单接收用户 输入 399 20.4 HTML表单的有限词汇 400 20.5 访问表单值的安全性 401 20.6 构建wiki 405 20.6.1 BittyWiki核心库 406 20.6.2 BittyWiki的Web接口 409 20.7 Web服务 418 20.8 REST Web 服务 419 20.8.1 REST快速入门： 在Amazon.com上寻找 廉价商品 419 20.8.2 WishListBargainFinder 简介 422 20.8.3 向BittyWiki提供 REST API 425 20.8.4 使用REST Web服务 实现搜索和替换功能 428 20.9 XML-RPC 432 20.9.1 XML-RPC请求 434 20.9.2 XML-RPC中的数据 表示 434 20.9.3 XML-RPC响应 435 20.9.4 错误处理机制 436 20.9.5 通过XML-RPC展示 BittyWiki API 437 20.9.6 基于XML-RPC Web服务 的wiki搜索和替换 440 20.10 SOAP 442 20.10.1 SOAP快速入门 442 20.10.2 SOAP请求 443 20.10.3 SOAP响应 444 20.10.4 错误处理机制 444 20.10.5 展示一个BittyWiki的 SOAP接口 445 20.10.6 基于SOAP Web服务的 wiki搜索和替换 447 20.11 为Web服务API创建 文档 449 20.11.1 人类可读的API 文档 449 20.11.2 XML-RPC自省API 450 20.11.3 WSDL 451 20.12 选择Web服务标准 455 20.13 Web服务礼仪 456 20.13.1 Web服务的使用者 礼仪 456 20.13.2 Web服务的创建者 礼仪 456 20.13.3 将Web应用程序作为 Web服务使用 456 20.14 本章小结 456 20.15 习题 457 第21章 集成Java与Python 459 21.1 在Java应用程序中编写 脚本 460 21.2 比较各种Python实现 461 21.3 安装Jython 461 21.4 运行Jython 461 21.4.1 交互地运行Jython 461 21.4.2 运行Jython脚本 463 21.4.3 控制jython脚本 463 21.4.4 创建可执行命令 464 21.5 独立运行Jython 465 21.6 打包基于Jython的应用 程序 466 21.7 集成Java和Jython 466 21.7.1 在Jython中使用 Java类 466 21.7.2 从Jython访问数据库 471 21.7.3 通过Jython编写 Java EE servlet 477 21.7.4 选择Jython开发工具 483 21.8 使用Jython进行测试 483 21.9 嵌入Jython解释器 484 21.10 处理C-Python和Jython 之间的差异 487 21.11 本章小结 488 21.12 习题 488 第Ⅳ部分 附 录 附录A 习题答案 491 附录B 在线资源 519 附录C Python 3.1的新特性 521 附录D 术语表 527 资源截图：

资源名称：Python机器学习实践指南 内容简介： 机器学习是近年来渐趋热门的一个领域，同时Python 语言经过一段时间的发展也已逐渐成为主流的编程语言之一。本书结合了机器学习和Python 语言两个热门的领域，通过利用两种核心的机器学习算法来将Python 语言在数据分析方面的优势发挥到极致。 全书共有10 章。第1 章讲解了Python 机器学习的生态系统，剩余9 章介绍了众多与机器学习相关的算法，包括各类分类算法、数据可视化技术、推荐引擎等，主要包括机器学习在公寓、机票、IPO 市场、新闻源、内容推广、股票市场、图像、聊天机器人和推荐引擎等方面的应用。 本书适合Python 程序员、数据分析人员、对算法感兴趣的读者、机器学习领域的从业人员及科研人员阅读。 作者简介： Alexander T. Combs 是一位经验丰富的数据科学家、策略师和开发人员。他有金融数据抽取、自然语言处理和生成，以及定量和统计建模的背景。他目前是纽约沉浸式数据科学项目的一名全职资深讲师。 资源目录： 第1章Python机器学习的生态系统1 1.1数据科学／机器学习的工作流程2 1.1.1获取2 1.1.2检查和探索2 1.1.3清理和准备3 1.1.4建模3 1.1.5评估3 1.1.6部署3 1.2Python库和功能3 1.2.1获取4 1.2.2检查4 1.2.3准备20 1.2.4建模和评估26 1.2.5部署34 1.3设置机器学习的环境34 1.4小结34 第2章构建应用程序，发现低价的公寓35 2.1获取公寓房源数据36 使用import.io抓取房源数据36 2.2检查和准备数据38 2.2.1分析数据46 2.2.2可视化数据50 2.3对数据建模51 2.3.1预测54 2.3.2扩展模型57 2.4小结57 第3章构建应用程序，发现低价的机票58 3.1获取机票价格数据59 3.2使用高级的网络爬虫技术检索票价数据60 3.3解析DOM以提取定价数据62 通过聚类技术识别异常的票价66 3.4使用IFTTT发送实时提醒75 3.5整合在一起78 3.6小结82 第4章使用逻辑回归预测IPO市场83 4.1IPO市场84 4.1.1什么是IPO84 4.1.2近期IPO市场表现84 4.1.3基本的IPO策略93 4.2特征工程94 4.3二元分类103 4.4特征的重要性108 4.5小结111 第5章创建自定义的新闻源112 5.1使用Pocket应用程序，创建一个监督训练的集合112 5.1.1安装Pocket的Chrome扩展程序113 5.1.2使用PocketAPI来检索故事114 5.2使用embed.lyAPI下载故事的内容119 5.3自然语言处理基础120 5.4支持向量机123 5.5IFTTT与文章源、Google表单和电子邮件的集成125 通过IFTTT设置新闻源和Google表单125 5.6设置你的每日个性化新闻简报133 5.7小结137 第6章预测你的内容是否会广为流传138 6.1关于病毒性，研究告诉我们了些什么139 6.2获取分享的数量和内容140 6.3探索传播性的特征149 6.3.1探索图像数据149 6.3.2探索标题152 6.3.3探索故事的内容156 6.4构建内容评分的预测模型157 6.5小结162 第7章使用机器学习预测股票市场163 7.1市场分析的类型164 7.2关于股票市场，研究告诉我们些什么165 7.3如何开发一个交易策略166 7.3.1延长我们的分析周期172 7.3.2使用支持向量回归，构建我们的模型175 7.3.3建模与动态时间扭曲182 7.4小结186 第8章建立图像相似度的引擎187 8.1图像的机器学习188 8.2处理图像189 8.3查找相似的图像191 8.4了解深度学习195 8.5构建图像相似度的引擎198 8.6小结206 第9章打造聊天机器人207 9.1图灵测试207 9.2聊天机器人的历史208 9.3聊天机器人的设计212 9.4打造一个聊天机器人217 9.5小结227 第10章构建推荐引擎228 10.1协同过滤229 10.1.1基于用户的过滤230 10.1.2基于项目的过滤233 10.2基于内容的过滤236 10.3混合系统237 10.4构建推荐引擎238 10.5小结251 资源截图：

资源名称：预测分析建模 Python与R语言实现 PDF  资源截图：

资源名称：从零开始学+Python 资源截图：

资源名称：Python地理空间分析指南（第2版） 内容简介： 用非常流行的Python语言做地理空间分析； 学习高效、易学的地理空间分析指南； 书中含有典型且非常实用的开发案例，帮助读者快速掌握相关技能； 图文结合，将学习效率大大提高。 Python作为一种高级程序设计语言，凭借其简洁、易读及可扩展性日渐成为程序设计领域备受推崇的语言之一。 本书以地理空间分析为背景，介绍了Python在地理信息处理方面的应用技巧。全书共分为10章，分别介绍了Python与地理空间分析、地理空间数据、地理空间技术、Python的地理空间分析工具、Python与地理信息系统、Python与遥感、Python与高程数据、Python与地理空间高级建模、实时数据、综合应用等内容。 本书内容结构清晰，示例完整，适合希望了解测绘数字化和分析的读者，也适合想使用Python进行空间地理分析、建模和GIS分析的开发人员及研究人员参考阅读。 作者简介： Joel Lawhead 目前是NVision公司的CIO，该公司是业内屡获殊荣的地理信息集成和传感工程服务提供商。他还获得了管理专业人员资格认证（Project Management Professional，PMP)，地理信息专业资格认证(certified GIS Professional ，GISP)。 Joel于1997年开始使用Python，从2000年开始使用它进行地理空间软件的开发，也是Learning Geospatial Analysis with Python（第1版）和QGIS Python Programming Cookbook的作者，并且这两本书都是Packt出版的。他撰写的Python Cookbook系列图书由O'Reilly Media出版，其不同版本更是各具特色。除此之外，他还是广受赞誉的开源软件PyShp（Python Shapefile Library）的主要开发人员。他的技术博客是http://geospatialpython.com/，Twitter昵称是@SpatialPython，通过上述方式，用户可以和他讨论地理空间分析中与Python编程相关的话题。 2011年，Joel通过逆向工程处理了Shapefile文件的空间索引格式，帮助地理空间Python工程师Marc Pfister实现了上述索引算法，这一做法有利于世界各地的开发者开发出更易于集成、更健壮的地理空间应用。 Joel作为架构师、项目经理和地理空间应用合作开发者，多次为美国政府机构提供服务，其中包括NASA、FEMA、NOAA、美国海军，以及其他商业和非营利性机构。2002年，由于其领导开发的实时应急响应协作工具（the Real-Time Emergency Action Coordination Tool，REACT）表现杰出，他获得了Esri公司颁发的国际GIS特别成就奖。该软件的主要用途是使用地理空间分析技术进行应急管理。 资源目录： 第1章 Python与地理空间分析 1 1．1　地理空间分析与我们的生活　1 1．2　地理空间分析的历史　3 1．3　地理信息系统　6 1．4　遥感　7 1．5　高程数据　12 1．6　计算机辅助制图　13 1．7　地理空间分析和计算机编程　14 1．8　地理空间分析的重要性　15 1．9　地理信息系统基本概念　16 1．9．1　专题地图　16 1．9．2　空间数据库　17 1．9．3　空间索引　17 1．9．4　元数据　17 1．9．5　地图投影　18 1．9．6　渲染　19 1．9．7　影像数据　20 1．9．8　遥感和颜色　20 1．10　GIS中矢量数据的基本概念　21 1．10．1　数据结构　21 1．10．2　缓冲区　22 1．10．3　融合　22 1．10．4　简化　23 1．10．5　叠置　24 1．10．6　合并　24 1．10．7　点包容性　25 1．10．8　联合　25 1．10．9　连接　26 1．10．10　地理空间中的多边形 规则　26 1．11　栅格数据的基本概念　27 1．11．1　波段运算　27 1．11．2　变化监测　27 1．11．3　柱状图　28 1．11．4　特征提取　28 1．11．5　监督分类　29 1．11．6　非监督分类　29 1．12　牛刀小试　29 1．12．1　Python简介　30 1．12．2　构建SimpleGIS　31 1．13　小结　38 第2章　地理空间数据　39 2．1　数据格式概览　39 2．2　数据结构　41 2．3　空间索引　42 2．3．1　索引算法　43 2．3．2　网格　44 2．4　概要化　45 2．5　元数据　46 2．6　文件结构　46 2．7　矢量数据　48 2．7．1　Shapefile文件　48 2．7．2　CAD文件　51 2．7．3　标签和标记格式　51 2．7．4　GeoJSON　53 2．8　影像数据　54 2．8．1　TIFF文件　55 2．8．2　JPEG、GIF、BMP和 PNG文件　56 2．8．3　压缩格式　56 2．8．4　ASCII网格　56 2．8．5　全球文件　57 2．9　点云数据　59 2．10　Web服务　61 2．11　小结　62 第3章　地理空间技术概览　63 3．1　数据访问　65 3．1．1　GDAL　65 3．1．2　OGR　67 3．2　计算几何　68 3．2．1　PROJ．4投影库　68 3．2．2　CGAL　69 3．2．3　JTS　71 3．2．4　GEOS　72 3．2．5　PostGIS　73 3．2．6　其他支持空间分析的 数据库　76 3．2．7　SpatiaLite　80 3．2．8　路径分析　80 3．3　桌面工具（包括可视化）　82 3．3．1　Quantum GIS　82 3．3．2　OpenEV　83 3．3．3　GRASS GIS　84 3．3．4　uDig　85 3．3．5　gvSIG　86 3．3．6　OpenJUMP　87 3．3．7　谷歌地球　87 3．3．8　NASA World Wind　89 3．3．9　ArcGIS　91 3．4　元数据管理　92 3．4．1　GeoNetwork　92 3．4．2　CatMDEdit　92 3．5　小结　93 第4章　Python的地理空间分析工具　95 4．1　安装Python的第三方模块　96 4．2　Python的网络库　100 4．2．1　Python的urllib模块　101 4．2．2　FTP　103 4．2．3　ZIP和TAR文件　104 4．3　Python的标记、标签解析器　107 4．3．1　minidom模块　107 4．3．2　元素树　109 4．3．3　WKT文本　115 4．4　Python的JSON库　117 4．4．1　json模块　118 4．4．2　geojson模块　119 4．5　OGR　119 4．6　PyShp　120 4．7　dbfpy3　121 4．8　Shapely　122 4．9　Fiona　123 4．10　GDAL　125 4．11　NumPy　125 4．12　PIL　127 4．13　PNGCanvas　129 4．14　GeoPandas　130 4．15　PyMySQL　132 4．16　PyFPDF　133 4．17　Spectral Python　134 4．18　小结　134 第5章　Python与地理信息系统　135 5．1　距离测量　135 5．1．1　勾股定理　138 5．1．2　半正矢公式　140 5．1．3　Vincenty公式　141 5．2　方位计算　144 5．3　坐标转换　144 5．4　重投影　146 5．5　Shapefile文件编辑　148 5．5．1　Shapefile文件访问　150 5．5．2　Shapefile文件属性读取　151 5．5．3　Shapefile文件几何 图形读取　154 5．5．4　Shapefile文件修改　155 5．5．5　Shapefile文件合并　157 5．5．6　Shapefile文件分割　160 5．6　查询优化　161 5．6．1　点包容性公式　161 5．6．2　边框查询　163 5．7　空间信息可视化　166 5．7．1　点密度计算　166 5．7．2　等值区域图　169 5．8　使用电子表格　171 5．9　使用GPS数据　173 5．10　地理化编码　174 5．11　小结　176 第6章　Python与遥感　177 6．1　图像波段变换　178 6．2　创建直方图　180 6．3　图像剪裁　187 6．4　图像分类　191 6．5　图像特征提取　195 6．6　变化监测　200 6．7　小结　205 第7章　Python与高程数据　206 7．1　ASCII网格文件　206 7．1．1　读取grids　207 7．1．2　写入grids　208 7．2　创建地形阴影　210 7．3　创建等高线　215 7．4　使用LIDAR　219 7．4．1　使用LIDAR创建网格　220 7．4．2　使用PIL让LIDAR支 持可视化　226 7．4．3　创建不规则三角 网络（TIN）　230 7．5　小结　234 第8章　Python与地理空间高级建模　235 8．1　归一化植被指数（NDVI）应用　235 8．1．1　建立框架　237 8．1．2　载入数据　239 8．1．3　栅格化Shapefile文件　239 8．1．4　波段剪裁　241 8．1．5　使用NDVI公式　241 8．1．6　NDVI分类　243 8．2　创建洪水淹没模型　246 8．2．1　洪水填充功能　248 8．2．2　创建洪水　250 8．3　创建彩色晕渲地形　253 8．4　最佳路径分析　255 8．4．1　建立测试网格　256 8．4．2　A*算法简介　257 8．4．3　生成测试路径　258 8．4．4　查看测试结果　259 8．4．5　实际应用　260 8．5　街道路网规划　267 8．6　照片地理定位　271 8．7　小结　273 第9章　实时数据　274 9．1　实时路况监测　275 9．1．1　NextBus代理列表　276 9．1．2　NextBus路径列表　277 9．1．3　NextBus设备地址　277 9．1．4　NextBus地址映射　279 9．2　气象跟踪　283 9．3　区域报告　291 9．4　小结　292 第10章　综合应用　294 10．1　GPS报告示例　294 10．2　使用GPX-Reporter．py　295 10．3　程序概要　296 10．4　初始化　297 10．5　功能函数调用　298 10．6　解析GPX　302 10．7　获取边框　303 10．8　下载地图和高程影像　304 10．9　创建地形　306 10．10　创建地图　307 10．11　高程测量　310 10．12　距离测量　311 10．13　获取气象数据　313 10．14　小结　317 资源截图：

资源名称：Python机器学习 PDF   作者简介： Sebastian Raschka是密歇根州立大学的博士生，他在计算生物学领域提出了几种新的计算方法，还被科技博客Analytics Vidhya评为GitHub上具影响力的数据科学家。他有一整年都使用Python进行编程的经验，同时还多次参加数据科学应用与机器学习领域的研讨会。正是因为Sebastian 在数据科学、机器学习以及Python等领域拥有丰富的演讲和写作经验，他才有动力完成此书的撰写，目的是帮助那些不具备机器学习背景的人设计出由数据驱动的解决方案。他还积极参与到开源项目中，由他开发完成的计算方法已经被成功应用到了机器学习竞赛（如Kaggle等）中。在业余时间，他沉醉于构建体育运动的预测模型，要么待在电脑前，要么在运动。   资源目录：  译者序推荐序作者简介审校者简介前言第1章 赋予计算机学习数据的能力11.1构建智能机器将数据转化为知识11.2 机器学习的三种不同方法11.2.1 通过监督学习对未来事件进行预测21.2.2 通过强化学习解决交互式问题41.2.3 通过无监督学习发现数据本身潜在的结构41.2.4 基本术语及符号介绍51.3 构建机器学习系统的蓝图61.3.1 数据预处理61.3.2 选择预测模型类型并进行训练71.3.3 模型验证与使用未知数据进行预测81.4 Python在机器学习中的应用8本章小结9第2章 机器学习分类算法102.1 人造神经元—早期机器学习概览102.2 使用Python实现感知器学习算法132.3 自适应线性神经元及其学习的收敛性192.3.1 通过梯度下降最小化代价函数202.3.2 使用Python实现自适应线性神经元212.3.3 大规模机器学习与随机梯度下降25本章小结29第3章 使用scikit-learn实现机器学习分类算法303.1 分类算法的选择303.2 初涉scikit-learn的使用30使用scikit-learn训练感知器313.3 逻辑斯谛回归中的类别概率343.3.1 初识逻辑斯谛回归与条件概率343.3.2 通过逻辑斯谛回归模型的代价函数获得权重363.3.3 使用scikit-learn训练逻辑斯谛回归模型373.3.4 通过正则化解决过拟合问题393.4 使用支持向量机最大化分类间隔413.4.1 对分类间隔最大化的直观认识413.4.2 使用松弛变量解决非线性可分问题423.4.3 使用scikit-learn实现SVM443.5 使用核SVM解决非线性问题443.6 决策树483.6.1 最大化信息增益—获知尽可能准确的结果493.6.2 构建决策树523.6.3 通过随机森林将弱分类器集成为强分类器533.7 惰性学习算法—k-近邻算法54本章小结57第4章 数据预处理—构建好的训练数据集584.1 缺失数据的处理584.1.1 将存在缺失值的特征或样本删除594.1.2 缺失数据填充604.1.3 理解scikit-learn预估器的API604.2 处理类别数据614.2.1 有序特征的映射614.2.2 类标的编码624.2.3 标称特征上的独热编码634.3 将数据集划分为训练数据集和测试数据集644.4 将特征的值缩放到相同的区间654.5 选择有意义的特征664.5.1 使用L1正则化满足数据稀疏化674.5.2 序列特征选择算法704.6 通过随机森林判定特征的重要性74本章小结76第5章 通过降维压缩数据775.1 无监督数据降维技术—主成分分析775.1.1 总体方差与贡献方差785.1.2 特征转换805.1.3 使用scikit-learn进行主成分分析825.2 通过线性判别分析压缩无监督数据845.2.1 计算散布矩阵855.2.2 在新特征子空间上选取线性判别算法875.2.3 将样本映射到新的特征空间895.2.4 使用scikit-learn进行LDA分析905.3 使用核主成分分析进行非线性映射915.3.1 核函数与核技巧915.3.2 使用Python实现核主成分分析945.3.3 映射新的数据点995.3.4 scikit-learn中的核主成分分析102本章小结103第6章 模型评估与参数调优实战1046.1 基于流水线的工作流1046.1.1 加载威斯康星乳腺癌数据集1046.1.2 在流水线中集成数据转换及评估操作1056.2 使用k折交叉验证评估模型性能1066.2.1 holdout方法1066.2.2 k折交叉验证1076.3 通过学习及验证曲线来调试算法1106.3.1 使用学习曲线判定偏差和方差问题1106.3.2 通过验证曲线来判定过拟合与欠拟合1126.4 使用网格搜索调优机器学习模型1136.4.1 使用网络搜索调优超参1146.4.2 通过嵌套交叉验证选择算法1156.5 了解不同的性能评价指标1166.5.1 读取混淆矩阵1166.5.2 优化分类模型的准确率和召回率1176.5.3 绘制ROC曲线1186.5.4 多类别分类的评价标准121本章小结121第7章 集成学习—组合不同的模型1227.1 集成学习1227.2 实现一个简单的多数投票分类器1257.3 评估与调优集成分类器1317.4 bagging —通过bootstrap样本构建集成分类器1357.5 通过自适应boosting提高弱学习机的性能138本章小结143第8章 使用机器学习进行情感分析1448.1 获取IMDb电影评论数据集1448.2 词袋模型简介1468.2.1 将单词转换为特征向量1468.2.2 通过词频-逆文档频率计算单词关联度1478.2.3 清洗文本数据1488.2.4 标记文档1498.3 训练用于文档分类的逻辑斯谛回归模型1518.4 使用大数据—在线算法与外存学习152本章小结155第9章 在Web应用中嵌入机器学习模型1569.1 序列化通过scikit-learn拟合的模型1569.2 使用SQLite数据库存储数据1589.3 使用Flask开发Web应用1609.3.1 第一个Flask Web应用1609.3.2 表单验证及渲染1619.4 将电影分类器嵌入Web应用1649.5 在公共服务器上部署Web应用169本章小结172第10章 使用回归分析预测连续型目标变量17310.1 简单线性回归模型初探17310.2 波士顿房屋数据集17410.3 基于最小二乘法构建线性回归模型17810.3.1 通过梯度下降计算回归参数17810.3.2 使用scikit-learn估计回归模型的系数18110.4 使用RANSAC拟合高鲁棒性回归模型18210.5 线性回归模型性能的评估18410.6 回归中的正则化方法18510.7 线性回归模型的曲线化-多项式回归18610.7.1 房屋数据集中的非线性关系建模18810.7.2 使用随机森林处理非线性关系190本章小结193第11章 聚类分析——处理无类标数据19411.1 使用k-means算法对相似对象进行分组19411.1.1 k-means++19611.1.2 硬聚类与软聚类19811.1.3 使用肘方法确定簇的最佳数量19911.1.4 通过轮廓图定量分析聚类质量20011.2 层次聚类20311.2.1 基于距离矩阵进行层次聚类20411.2.2 树状图与热度图的关联20711.2.3 通过scikit-learn进行凝聚聚类20811.3 使用DBSCAN划分高密度区域209本章小结212第12章 使用人工神经网络识别图像21312.1 使用人工神经网络对复杂函数建模21312.1.1 单层神经网络回顾21412.1.2 多层神经网络架构简介21512.1.3 通过正向传播构造神经网络21612.2 手写数字的识别21812.2.1 获取MNIST数据集21812.2.2 实现一个多层感知器22212.3 人工神经网络的训练22812.3.1 计算逻辑斯谛代价函数22812.3.2 通过反向传播训练神经网络23012.4 建立对反向传播的直观认识23112.5 通过梯度检验调试神经网络23212.6 神经网络的收敛性23612.7 其他神经网络架构23712.7.1 卷积神经网络23712.7.2 循环神经网络23812.8 关于神经网络的实现239本章小结240第13章 使用Theano并行训练神经网络24113.1 使用Theano构建、编译并运行表达式24113.1.1 什么是Theano24213.1.2 初探Theano24313.1.3 配置Theano24413.1.4 使用数组结构24513.1.5 整理思路—线性回归示例24713.2 为前馈神经网络选择激励函数25013.2.1 逻辑斯谛函数概述25013.2.2 通过softmax函数评估多类别分类任务中的类别概率25213.2.3 通过双曲正切函数增大输出范围25213.3 使用Keras提高训练神经网络的效率254本章小结258 资源截图：

资源名称：Python爬虫开发与项目实战  内容简介： 随着大数据时代到来，网络信息量也变得更多更大，基于传统搜索引擎的局限性，网络爬虫应运而生，本书从基本的爬虫原理开始讲解，通过介绍Pthyon编程语言和Web前端基础知识引领读者入门，之后介绍动态爬虫原理以及Scrapy爬虫框架，最后介绍大规模数据下分布式爬虫的设计以及PySpider爬虫框架等。 主要特点： l 由浅入深，从Python和Web前端基础开始讲起，逐步加深难度，层层递进。 l 内容详实，从静态网站到动态网站，从单机爬虫到分布式爬虫，既包含基础知识点，又讲解了关键问题和难点分析，方便读者完成进阶。 l 实用性强，本书共有9个爬虫项目，以系统的实战项目为驱动，由浅及深地讲解爬虫开发中所需的知识和技能。 难点详析，对js加密的分析、反爬虫措施的突破、去重方案的设计、分布式爬虫的开发进行了细致的讲解。 作者简介： 范传辉，资深网虫，Python开发者，参与开发了多项网络应用，在实际开发中积累了丰富的实战经验,并善于总结，贡献了多篇技术文章广受好评。研究兴趣是网络安全、爬虫技术、数据分析、驱动开发等技术。 资源目录： 前言 基础篇 第1章　回顾Python编程 2 1.1　安装Python 2 1.1.1　Windows上安装Python 2 1.1.2　Ubuntu上的Python 3 1.2　搭建开发环境 4 1.2.1　Eclipse+PyDev 4 1.2.2　PyCharm 10 1.3　IO编程 11 1.3.1　文件读写 11 1.3.2　操作文件和目录 14 1.3.3　序列化操作 15 1.4　进程和线程 16 1.4.1　多进程 16 1.4.2　多线程 22 1.4.3　协程 25 1.4.4　分布式进程 27 1.5　网络编程 32 1.5.1　TCP编程 33 1.5.2　UDP编程 35 1.6　小结 36 第2章　Web前端基础 37 2.1　W3C标准 37 2.1.1　HTML 37 2.1.2　CSS 47 2.1.3　Javaｓｃｒｉｐｔ 51 2.1.4　XPath 56 2.1.5　JSON 61 2.2　HTTP标准 61 2.2.1　HTTP请求过程 62 2.2.2　HTTP状态码含义 62 2.2.3　HTTP头部信息 63 2.2.4　Cookie状态管理 66 2.2.5　HTTP请求方式 66 2.3　小结 68 第3章　初识网络爬虫 69 3.1　网络爬虫概述 69 3.1.1　网络爬虫及其应用 69 3.1.2　网络爬虫结构 71 3.2　HTTP请求的Python实现 72 3.2.1　urllib2/urllib实现 72 3.2.2　httplib/urllib实现 76 3.2.3　更人性化的Requests 77 3.3　小结 82 第4章　HTML解析大法 83 4.1　初识Firebug 83 4.1.1　安装Firebug 84 4.1.2　强大的功能 84 4.2　正则表达式 95 4.2.1　基本语法与使用 96 4.2.2　Python与正则 102 4.3　强大的BeautifulSoup 108 4.3.1　安装BeautifulSoup 108 4.3.2　BeautifulSoup的使用 109 4.3.3　lxml的XPath解析 124 4.4　小结 126 第5章　数据存储（无数据库版） 127 5.1　HTML正文抽取 127 5.1.1　存储为JSON 127 5.1.2　存储为CSV 132 5.2　多媒体文件抽取 136 5.3　Email提醒 137 5.4　小结 138 第6章　实战项目：基础爬虫 139 6.1　基础爬虫架构及运行流程 140 6.2　URL管理器 141 6.3　HTML下载器 142 6.4　HTML解析器 143 6.5　数据存储器 145 6.6　爬虫调度器 146 6.7　小结 147 第7章　实战项目：简单分布式爬虫 148 7.1　简单分布式爬虫结构 148 7.2　控制节点 149 7.2.1　URL管理器 149 7.2.2　数据存储器 151 7.2.3　控制调度器 153 7.3　爬虫节点 155 7.3.1　HTML下载器 155 7.3.2　HTML解析器 156 7.3.3　爬虫调度器 157 7.4　小结 159 中级篇 第8章　数据存储（数据库版） 162 8.1　SQLite 162 8.1.1　安装SQLite 162 8.1.2　SQL语法 163 8.1.3　SQLite增删改查 168 8.1.4　SQLite事务 170 8.1.5　Python操作SQLite 171 8.2　MySQL 174 8.2.1　安装MySQL 174 8.2.2　MySQL基础 177 8.2.3　Python操作MySQL 181 8.3　更适合爬虫的MongoDB 183 8.3.1　安装MongoDB 184 8.3.2　MongoDB基础 187 8.3.3　Python操作MongoDB 194 8.4　小结 196 第9章　动态网站抓取 197 9.1　Ajax和动态HTML 197 9.2　动态爬虫1：爬取影评信息 198 9.3　PhantomJS 207 9.3.1　安装PhantomJS 207 9.3.2　快速入门 208 9.3.3　屏幕捕获 211 9.3.4　网络监控 213 9.3.5　页面自动化 214 9.3.6　常用模块和方法 215 9.4　Selenium 218 9.4.1　安装Selenium 219 9.4.2　快速入门 220 9.4.3　元素选取 221 9.4.4　页面操作 222 9.4.5　等待 225 9.5　动态爬虫2：爬取去哪网 227 9.6　小结 230 第10章　Web端协议分析 231 10.1　网页登录POST分析 231 10.1.1　隐藏表单分析 231 10.1.2　加密数据分析 234 10.2　验证码问题 246 10.2.1　IP代理 246 10.2.2　Cookie登录 249 10.2.3　传统验证码识别 250 10.2.4　人工打码 251 10.2.5　滑动验证码 252 10.3　www]m]wap 252 10.4　小结 254 第11章　终端协议分析 255 11.1　PC客户端抓包分析 255 11.1.1　HTTP Analyzer简介 255 11.1.2　虾米音乐PC端API实战分析 257 11.2　App抓包分析 259 11.2.1　Wireshark简介 259 11.2.2　酷我听书App端API实战分析 266 11.3　API爬虫：爬取mp3资源信息 268 11.4　小结 272 第12章　初窥Scrapy爬虫框架 273 12.1　Scrapy爬虫架构 273 12.2　安装Scrapy 275 12.3　创建cnblogs项目 276 12.4　创建爬虫模块 277 12.5　选择器 278 12.5.1　Selector的用法 278 12.5.2　HTML解析实现 280 12.6　命令行工具 282 12.7　定义Item 284 12.8　翻页功能 286 12.9　构建Item Pipeline 287 12.9.1　定制Item Pipeline 287 12.9.2　激活Item Pipeline 288 12.10　内置数据存储 288 12.11　内置图片和文件下载方式 289 12.12　启动爬虫 294 12.13　强化爬虫 297 12.13.1　调试方法 297 12.13.2　异常 299 12.13.3　控制运行状态 300 12.14　小结 301 第13章　深入Scrapy爬虫框架 302 13.1　再看Spider 302 13.2　Item Loader 308 13.2.1　Item与Item Loader 308 13.2.2　输入与输出处理器 309 13.2.3　Item Loader Context 310 13.2.4　重用和扩展Item Loader 311 13.2.5　内置的处理器 312 13.3　再看Item Pipeline 314 13.4　请求与响应 315 13.4.1　Request对象 315 13.4.2　Response对象 318 13.5　下载器中间件 320 13.5.1　激活下载器中间件 320 13.5.2　编写下载器中间件 321 13.6　Spider中间件 324 13.6.1　激活Spider中间件 324 13.6.2　编写Spider中间件 325 13.7　扩展 327 13.7.1　配置扩展 327 13.7.2　定制扩展 328 13.7.3　内置扩展 332 13.8　突破反爬虫 332 13.8.1　UserAgent池 333 13.8.2　禁用Cookies 333 13.8.3　设置下载延时与自动限速 333 13.8.4　代理IP池 334 13.8.5　Tor代理 334 13.8.6　分布式下载器:Crawlera 337 13.8.7　Google cache 338 13.9　小结 339 第14章　实战项目：Scrapy爬虫 340 14.1　创建知乎爬虫 340 14.2　定义Item 342 14.3　创建爬虫模块 343 14.3.1　登录知乎 343 14.3.2　解析功能 345 14.4　Pipeline 351 14.5　优化措施 352 14.6　部署爬虫 353 14.6.1　Scrapyd 354 14.6.2　Scrapyd-client 356 14.7　小结 357 深入篇 第15章　增量式爬虫 360 15.1　去重方案 360 15.2　BloomFilter算法 361 15.2.1　BloomFilter原理 361 15.2.2　Python实现BloomFilter 363 15.3　Scrapy和BloomFilter 364 15.4　小结 366 第16章　分布式爬虫与Scrapy 367 16.1　Redis基础 367 16.1.1　Redis简介 367 16.1.2　Redis的安装和配置 368 16.1.3　Redis数据类型与操作 372 16.2　Python和Redis 375 16.2.1　Python操作Redis 375 16.2.2　Scrapy集成Redis 384 16.3　MongoDB集群 385 16.4　小结 390 第17章　实战项目：Scrapy分布式爬虫 391 17.1　创建云起书院爬虫 391 17.2　定义Item 393 17.3　编写爬虫模块 394 17.4　Pipeline 395 17.5　应对反爬虫机制 397 17.6　去重优化 400 17.7　小结 401 第18章　人性化PySpider爬虫框架 403 18.1　PySpider与Scrapy 403 18.2　安装PySpider 404 18.3　创建豆瓣爬虫 405 18.4　选择器 409 18.4.1　PyQuery的用法 409 18.4.2　解析数据 411 18.5　Ajax和HTTP请求 415 18.5.1　Ajax爬取 415 18.5.2　HTTP请求实现 417 18.6　PySpider和PhantomJS 417 18.6.1　使用PhantomJS 418 18.6.2　运行Javaｓｃｒｉｐｔ 420 18.7　数据存储 420 18.8　PySpider爬虫架构 422 18.9　小结 423 ↑折 叠 资源截图：

资源名称：深入浅出深度学习：原理剖析与python实践 内容简介： 《深入浅出深度学习：原理剖析与Python实践》介绍了深度学习相关的原理与应用，全书共分为三大部分，第一部分主要回顾了深度学习的发展历史，以及Theano的使用；第二部分详细讲解了与深度学习相关的基础知识，包括线性代数、概率论、概率图模型、机器学习和最优化算法；在第三部分中，针对若干核心的深度学习模型，如自编码器、受限玻尔兹曼机、递归神经网络和卷积神经网络等进行详细的原理分析与讲解，并针对不同的模型给出相应的具体应用。 《深入浅出深度学习：原理剖析与Python实践》适合有一定高等数学、机器学习和Python编程基础的在校学生、高校研究者或在企业中从事深度学习的工程师使用，书中对模型的原理与难点进行了深入分析，在每一章的最后都提供了详细的参考文献，读者可以对相关的细节进行更深入的研究。最后，理论与实践相结合，《深入浅出深度学习：原理剖析与Python实践》针对常用的模型分别给出了相应的应用，读者也可以在Github中下载和查看《深入浅出深度学习：原理剖析与Python实践》的代码（https://github.com/innovation-cat/DeepLearningBook）。 作者简介： 黄安埠，2012年毕业于清华大学，获硕士学位，在校期间活跃于TopCoder等编程竞赛社区。现为腾讯基础研究高级工程师，研究领域包括个性化推荐、自然语言处理和大规模的相似度优化计算，特别是对于深度学习在推荐系统的应用有深入的研究，并申请了国内十余项相关专利。 本书的配套代码，读者也可以在作者的Github主页中下载查看： https://github.com/innovation-cat/DeepLearningBook) 资源目录： 第1 部分 概要 1 1 绪论 2 1.1 人工智能、机器学习与深度学习的关系 3 1.1.1 人工智能——机器推理 4 1.1.2 机器学习——数据驱动的科学 5 1.1.3 深度学习——大脑的仿真 8 1.2 深度学习的发展历程 8 1.3 深度学习技术概述 10 1.3.1 从低层到高层的特征抽象 11 1.3.2 让网络变得更深 13 1.3.3 自动特征提取 14 1.4 深度学习框架 15 2 Theano 基础 19 2.1 符号变量 20 2.2 符号计算的抽象——符号计算图模型 23 2.3 函数 26 2.3.1 函数的定义 26 2.3.2 Logistic回归 27 2.3.3 函数的复制 29 2.4 条件表达式 31 2.5 循环 32 2.6 共享变量 39 2.7 配置 39 2.7.1 通过THEANO_FLAGS配置 40 2.7.2 通过. theanorc文件配置 41 2.8 常用的Debug技巧 42 2.9 小结 43 第2 部分 数学与机器学习基础篇 45 3 线性代数基础 46 3.1 标量、向量、矩阵和张量 46 3.2 矩阵初等变换 47 3.3 线性相关与向量空间 48 3.4 范数 49 3.4.1 向量范数 49 3.4.2 矩阵范数 53 3.5 特殊的矩阵与向量 56 3.6 特征值分解 57 3.7 奇异值分解 58 3.8 迹运算 60 3.9 样例：主成分分析 61 4 概率统计基础 64 4.1 样本空间与随机变量 65 4.2 概率分布与分布函数 65 4.3 一维随机变量 66 4.3.1 离散型随机变量和分布律 66 4.3.2 连续型随机变量和概率密度函数 67 4.4 多维随机变量 68 4.4.1 离散型二维随机变量和联合分布律 69 4.4.2 连续型二维随机变量和联合密度函数 69 4.5 边缘分布 70 4.6 条件分布与链式法则 71 4.6.1 条件概率 71 4.6.2 链式法则 73 4.7 多维随机变量的独立性分析 73 4.7.1 边缘独立 74 4.7.2 条件独立 74 4.8 数学期望、方差、协方差 75 4.8.1 数学期望 75 4.8.2 方差 76 4.8.3 协方差 76 4.8.4 协方差矩阵 78 4.9 信息论基础 81 4.9.1 信息熵 81 4.9.2 条件熵 83 4.9.3 互信息 84 4.9.4 相对熵与交叉熵 84 5 概率图模型 87 5.1 生成模型与判别模型 89 5.2 图论基础 90 5.2.1 图的结构 90 5.2.2 子图 91 5.2.3 路径、迹、环与拓扑排序 92 5.3 贝叶斯网络 95 5.3.1 因子分解 96 5.3.2 局部马尔科夫独立性断言 99 5.3.3 I-Map与因子分解 100 5.3.4 有效迹 103 5.3.5 D-分离与全局马尔科夫独立性 108 5.4 马尔科夫网络 108 5.4.1 势函数因子与参数化表示 109 5.4.2 马尔科夫独立性 111 5.5 变量消除 114 5.6 信念传播 116 5.6.1 聚类图 116 5.6.2 团树 120 5.6.3 由变量消除构建团树 123 5.7 MCMC采样原理 126 5.7.1 随机采样 127 5.7.2 随机过程与马尔科夫链 128 5.7.3 MCMC采样 132 5.7.4 Gibbs采样 134 5.8 参数学习 137 5.8.1 最大似然估计 137 5.8.2 期望最大化算法 138 5.9 小结 140 6 机器学习基础 142 6.1 线性模型 143 6.1.1 线性回归 143 6.1.2 Logistic回归 148 6.1.3 广义的线性模型 150 6.2 支持向量机 151 6.2.1 最优间隔分类器 152 6.2.2 对偶问题 155 6.2.3 核函数 156 6.3 朴素贝叶斯 160 6.4 树模型 162 6.4.1 特征选择 163 6.4.2 剪枝策略 165 6.5 聚类 166 6.5.1 距离度量 167 6.5.2 层次聚类 168 6.5.3 K-means聚类 171 6.5.4 谱聚类 172 7 数值计算与最优化 177 7.1 无约束极小值的最优化条件 177 7.2 梯度下降 179 7.2.1 传统更新策略 181 7.2.2 动量更新策略 183 7.2.3 改进的动量更新策略 184 7.2.4 自适应梯度策略 187 7.3 共轭梯度 188 7.4 牛顿法 192 7.5 拟牛顿法 194 7.5.1 拟牛顿条件 194 7.5.2 DFP算法 195 7.5.3 BFGS算法 196 7.5.4 L-BFGS算法 197 7.6 约束最优化条件 200 第3 部分 理论与应用篇 205 8 前馈神经网络 206 8.1 生物神经元结构 207 8.2 人工神经元结构 208 8.3 单层感知机 209 8.4 多层感知机 212 8.5 激活函数 217 8.5.1 激活函数的作用 217 8.5.2 常用的激活函数 219 9 反向传播与梯度消失 225 9.1 经验风险最小化 227 9.2 梯度计算 228 9.2.1 输出层梯度 228 9.2.2 隐藏层梯度 230 9.2.3 参数梯度 234 9.3 反向传播 235 9.4 深度学习训练的难点 237 9.4.1 欠拟合——梯度消失 237 9.4.2 过拟合 240 10 自编码器及其相关模型 243 10.1 自编码器 243 10.2 降噪自编码器 245 10.3 栈式自编码器 247 10.4 稀疏编码器 250 10.5 应用：cifar10图像分类 254 11 玻尔兹曼机及其相关模型 258 11.1 玻尔兹曼机 258 11.2 能量模型 261 11.2.1 能量函数 261 11.2.2 从能量函数到势函数 262 11.2.3 从势函数到概率分布 263 11.3 推断 264 11.3.1 边缘分布 265 11.3.2 条件分布 267 11.4 学习 270 11.4.1 最大似然估计 271 11.4.2 对比散度 274 11.5 应用：个性化推荐 276 11.5.1 个性化推荐概述 276 11.5.2 个性化推荐架构与算法 279 11.5.3 RBM与协同过滤 285 12 递归神经网络 291 12.1 Elman递归神经网络 292 12.2 时间反向传播 295 12.3 长短时记忆网络 299 12.4 结构递归神经网络 302 12.5 应用：语言模型 308 12.5.1 N元统计模型 308 12.5.2 基于LSTM 构建语言模型 312 13 卷积神经网络 318 13.1 卷积运算 319 13.2 网络结构 320 13.3 卷积层 324 13.4 池化层 329 13.5 应用：文本分类 333 资源截图：