本书是一本Python编程和机器学习零基础入门书。书的内容由Python基础语法和机器学习两部分组成，力求前面所学为后面所用。前半部分，着重介绍了Python语言的输入输出、条件分支、循环、列表、函数、类等，力求“手把手”地帮助读者攻克初学编程的难关，边学边练，使抽象的内容得以在实践中明晰。后半部分，是基于Python语言的机器学习入门，先介绍了机器学习领域最常用的工具库NumPy和matplotlib，继而以sklearn为依托讲解了分类、回归、聚类三个经典的机器学习应用场景。经过前面层层铺垫，最后带领读者完成一个识别手势的项目，体验机器学习的全过程。
本书适合Python编程学习与应用的青少年爱好者阅读，也可作为中小学生Python相关课程的教材。希望读者借由本书进入Python程序设计和人工智能世界的大门，并逐步探寻更深的领域。

第1章 进入Python程序世界：搭建编程环境
1.1 Python语言和机器学习的故事
1.2 一步步安装Python实验室Anaconda
1.3 小结
第2章 程序的嘴巴：输出、变量
2.1 开始奇妙旅程：Hello，World！
2.2 打印古诗：格式化输出
2.3 电脑里的东西保存在哪：初探变量
2.4 别把不同的调料倒在一个瓶子里：区分数据类型
2.5 小结
第3章 计算机的耳朵：输入语句
3.1 来自电脑的第一声问候：input()语句
3.2 超级变变变：数据类型的转换
3.3 倒背如流：输入输出小游戏
3.4 小结
第4章 对错要分辨：if语句
4.1 if语句和判定条件
4.2 关系运算符
4.3 逻辑运算符
4.4 if的另一半else
4.5 elif和多分支
4.6 if语句的嵌套使用
4.7 性格测试器
4.7.1 准备一些问题和答案
4.7.2 准备几段性格特征描述
4.7.3 现在万事俱备，还需一点小技巧
4.7.4 输出结果，看，多准！
4.8 小结
第5章 if语句的升级版：while语句
5.1 循环就是不断地重复：使用while语句
5.2 不要“死循环”，循环计数器变量登场
5.3 在循环中做判断：while嵌套if语句
5.4 猜数字小游戏
5.5 小结
第6章 循环次数知多少：for循环
6.1 while循环换新衣：使用for循环
6.2 打印几何图形：for循环嵌套
6.3 让电脑偷个懒：break和continue语句
6.4 小结
第7章 新的柜子：列表和元组
7.1 定义列表（list）和元组（tuple）
7.2 初始化列表（list）和元组（tuple）
7.3 尝试为列表（list）和元组（tuple）添加元素
7.4 尝试访问和修改列表（list）与元组（tuple）中的元素
7.5 遍历列表（list）和元组（tuple）
7.6 完成实例：计算全班同学的平均身高
7.7 列表（list）的切片操作
7.8 列表（list）的拼接操作
7.9 小结
第8章 查起来飞快的字典和集合
8.1 字典
8.1.1 创建空菜单：定义一个空字典
8.1.2 写入第一道菜：新建键值对
8.1.3 查找某一个菜品的价格：查询键对应的值
8.1.4 检查菜单中是否有某个菜品：查询字典中某个键是否存在
8.1.5 修改菜品单价：修改键值对
8.1.6 删除菜品：删除键值对
8.1.7 增加菜品的信息：字典的嵌套使用
8.2 集合
8.2.1 初始化一个集合
8.2.2 集合的增删改查操作
8.2.3 遍历集合
8.2.4 两个集合的交集、并集、差集
8.3 小结
第9章 把变量和指令统统打个包：函数和类
9.1 定义函数
9.2 传递参数
9.2.1 位置实参
9.2.2 关键字实参
9.2.3 默认参数
9.3 有返回值的函数
9.4 函数的递归调用
9.5 什么是类
9.6 类和对象：pop是只狗
9.7 在类中添加方法：pop的新技能
9.8 类的继承：pop是只哈士奇，会拆家的那种
9.9 小结
第10章 走出新手村：开启机器学习的副本
10.1 简单理解机器学习
10.2 机器学习中的问题分类
10.3 机器学习的强力计算器：NumPy
10.3.1 认识NumPy
10.3.2 初始化向量
10.3.3 向量元素的访问和修改
10.4 初始化矩阵
10.5 查看和修改矩阵的形状
10.6 矩阵间四则运算
10.7 切片
10.8 小结
第11章 数据可视化：使用matplotlib绘制图形
11.1 绘制二维图形
11.1.1 基本使用
11.1.2 多张图同画布
11.1.3 绘制散点图
11.1.4 装饰图标：增加图例、图示
11.1.5 并列显示多张图表
11.2 绘制三维图形
11.3 小结
第12章 花花各不同：教会电脑做分类
12.1 认识scikit-learn程序库
12.1.1 iris鸢尾花数据集
12.1.2 创建分类器，区分三种鸢尾花
12.2 “泛化”与“过拟合”
12.3 评价分类器的性能：准确率、查准率、查全率、F值
12.4 看看鸢尾花分类器的性能
12.5 分类器知多少
12.5.1 支持向量机（SVM）
12.5.2 决策树
12.5.3 随机森林（Random Forest）
12.6 小结
第13章 预测未来：回归问题
13.1 什么是回归问题
13.2 回归问题的分类
13.3 回归问题求解的利器：最小二乘法
13.4 尝试一元回归
13.5 回归问题的评价—决定系数
13.6 尝试多元回归
13.7 非线性回归问题的解决：其他回归模型
13.7.1 支持向量机
13.7.2 随机森林
13.7.3 K邻近算法
13.8 小结
第14章 龙找龙，凤找凤，好汉对英雄：聚类
14.1 聚类和分类不同
14.2 簇间距离的计算
14.2.1 欧氏距离
14.2.2 曼哈顿距离
14.2.3 明科夫斯基距离
14.3 经典聚类算法：k均值算法
14.3.1 k均值算法的步骤
14.3.2 在wine数据集上使用k均值算法
14.4 对聚类算法的评估
14.5 其他聚类算法
14.5.1 层次聚类
14.5.2 非层次聚类
14.6 总结
第15章 实践