1.内容由浅入深，通过循序渐进、丰富多样的实例，详细介绍Python常用知识点。
2.本书知识结构清晰，语言通俗易懂，每章首利用知识导图梳理本章知识要点，可读性强。
3.注重强调Python在数据分析、机器学习等方面的应用，不仅适合用作计算机专业的程序设计基础课程教材，也特别适合用作数据科学与大数据、人工智能等专业的教材。
4.配套资源丰富，配套微课视频，案例数据源，课件，上机实验指导等。

本书从零基础出发，通过循序渐进、通俗易懂、丰富多样的实例，详细地介绍了Python常用的每一个知识点。本书共十二章，第一章到第四章是Python的基础内容，以及第三方库的使用；第五章到第七章以及第九章、第十章属于进阶内容，第八章数据处理是数据分析的基础；第十一章是对学过的知识点的综合应用案例，抛砖引玉，帮助读者综合应用Python工具处理学科方向领域内的问题；第十二章是机器学习入门，给热爱人工智能方向的读者提供最基础的入门知识。 本书可作为普通高等院校计算机、数据科学与大数据专业的教材，也可作为相关行业从业人员的参考用书。

第 一章 Python语法基础 1
本章知识点导图　1
1.1　Python语言特点　2
1.2　Anaconda安装与使用　2
1.2.1代码提示　4
1.2.2浏览变量　5
1.2.3　安装第三方库　5
1.3　基本语法　6
1.3.1代码注释方法　6
1.3.2　用缩进来表示分层　7
1.3.3　变量的命名　7
1.3.4　语句断行　8
1.3.5　print()的作用　8
1.4　运算符　9
1.4.1　算术运算符　9
1.4.2　赋值运算符　10
1.4.3　逻辑比较运算符　11
1.4.4　成员身份运算符　12
1.4.5　位运算符　12
1.4.6运算符的优先级　13
实践　13
第二章　数据类型　14
本章知识点导图　14
2.1　数值型　14
2.1.1整数（int）　15
2.1.2浮点数（float）　15
2.1.3复数（complex）　15
2.2　字符串型（str）　16
2.2.1字符串的表示　16
2.2.2字符串的索引和切片　17
2.2.3字符串常见操作　19
2.3　列表（list）　22
2.3.1列表的常见操作　23
2.3.2　字符串和列表的转化　27
2.4　元组（tuple）　27
2.4.1元组的常见操作　28
2.4.2元组与列表的相互转化　28
2.5　集合（set）　29
2.5.1集合的常见操作　30
2.5.2集合的符号运算　31
2.5.3集合的其他操作　32
2.6　字典（dict）　33
2.6.1字典的常见操作　33
2.6.2字典的其他操作　35
实践　35
第三章　流程控制　37
本章知识点导图　37
3.1　程序流程图　37
3.2　顺序结构　38
3.3　判断结构　39
3.4　循环结构　42
3.4.1　for循环　42
3.4.2　while循环　43
3.5　break和continue　44
3.5.1　break　44
3.5.2　continue　44
3.6　异常　45
3.6.1　try-except　45
3.6.2　try-except-finally　46
3.6.3　try-except-else　47
3.6.4　try-except-else-finally　47
实践　51
第四章　函数　52
本章知识点导图　52
4.1　常用函数　52
4.1.1　zip()　52
4.1.2　enumerate()　53
4.1.3　eval()　54
4.1.4　判断函数　54
4.2　自定义函数　56
4.2.1　自定义函数　56
4.2.2　调用自定义函数　57
4.2.3　形参和实参　58
4.2.4　参数传递和改变　58
4.2.5　变量的作用域　60
4.2.6　关键字参数　62
4.2.7　任意个数参数　63
4.2.8　函数的调用　64
4.3　特殊函数　68
4.3.1　lambda　68
4.3.2　filter( )　68
4.3.3　map( )　69
4.3.4　行函数　69
4.4　模块和包　70
4.4.1　模块(module)　70
4.4.2　包(package)　71
4.4.3　时间日期模块　73
4.4.4　Urllib模块　77
实践　77
第五章　类　79
本章知识点导图　79
5.1　类的定义　79
5.2　类的创建　80
5.3　参数的传递　82
5.4　私有变量与私有方法　83
5.5　类的调用　84
实践　85
第六章　正则表达式　86
本章知识点导图　86
6.1　元字符　86
6.2　匹配方法　90
6.2.1　match()方法　90
6.2.2　search()方法　91
6.2.3　findall()方法　91
6.3　查找替换re.sub()　92
6.4　格式化输出　93
6.4.1　使用%符号进行格式化　93
6.4.2　format()格式化　94
6.4.3　f格式化　95
实践　95
第七章　文件操作　97
本章知识点导图　97
7.1　读写文本文件　97
7.2　读写CSV文件　101
7.3　读写JSON文件　102
7.4　操作文件和文件夹　104
实践　105
第八章　数据处理　107
本章知识点导图　107
8.1　NumPy　107
8.1.1　NumPy中的数据结构　108
8.1.2　数组操作　111
8.1.3　数组元素访问　115
8.1.4　数组的运算　118
8.1.5　数组的读写　122
8.2　pandas　124
8.2.1　pandas中的数据结构　125
8.2.2　pandas基本运算　139
8.2.3　pandas数据读写　142
8.2.4　数据分析　146
实践　149
第九章　数据可视化　151
本章知识点导图　151
9.1　Matplotlib简介　151
9.1.1　Matplotlib图层结构　152
9.1.2　显示中文字体　153
9.2　Matplotlib绘图基础　154
9.2.1　绘图基本步骤　154
9.2.2　创建画布　155
9.2.3　添加画布内容　156
9.2.4　添加子图　157
9.2.5　图形的保存　161
9.3　设置动态参数　161
9.4　常用图形的绘制　164
9.4.1　绘制折线图　164
9.4.2　绘制条形图　165
9.4.3　绘制直方图　166
9.4.4　绘制散点图　168
9.4.5　绘制饼图　169
9.4.6　绘制箱线图　170
实践　172
第十章　SQLite数据库操作　174
本章知识点导图　174
10.1　创建数据库　174
10.2　插入数据　175
10.3　查询记录　176
10.4　修改记录　177
10.5　删除记录　178
10.6异常处理　179
实践　180
第十一章　应用案例　181
本章知识点导图　181
11.1人脸特征检测　181
11.1.1安装deepface　181
11.1.2　人脸特征识别　181
11.2网络爬虫（获取NCBI文章）　186
11.2.1　抓取网页　187
11.2.2　提取标题与PMID号　188
11.3查找基因序列　190
*第十二章　机器学习入门　194
本章知识点导图　194
12.1入门案例　194
12.2监督学习和无监督学习　197
12.2.1　监督学习　197
12.2.2　无监督学习　200
12.3机器学习的几种常见算法　201
本章小结　202
参考文献　203