Python編程及其在網絡科學中的應用

第1章 Python簡介
1．1 Python的由來
1．2 Python能做什么
1．2．1 Web開發(fā)
1．2．2 人臉識別
1．2．3 數據分析
1．3 Python編程環(huán)境搭建
1．3．1 Windows環(huán)境安裝Python
1．3．2 Linux環(huán)境安裝Python
1．3．3 Anaconda管理Python環(huán)境
1．4 Python IDE的選擇
1．4．1 PyCharm
1．4．2 Sublime Text
1．4．3 Eclipse和PyDev
1．5 小結
第2章 基本數據結構
2．1 字符串
2．1．1 字符串截取
2．1．2 字符串更新
2．1．3 轉義字符
2．1．4 字符串運算符
2．1．5 字符串格式化
2．1．6 三引號
2．1．7 Unicode字符串
2．2 元組
2．2．1 訪問元組
2．2．2 修改元組
2．2．3 刪除元組
2．2．4 元組運算符
2．2．5 元組索引，截取
2．2．6 無關閉分隔符
2．2．7 元組內置函數
2．3 列表
2．3．1 創(chuàng)建一個列表
2．3．2 訪問列表中的值
2．3．3 更新列表
2．3．4 刪除列表元素
2．3．5 列表腳本操作符
2．3．6 列表截取
2．3．7 列表操作的函數和方法
2．4 字典
2．4．1 訪問字典里的值
2．4．2 修改字典
2．4．3 字典鍵的特性
2．4．4 字典內置函數和方法
2．5 集合
2．5．1 創(chuàng)建集合
2．5．2 添加、刪除集合
2．5．3 集合的轉換
2．5．4 集合常用方法
2．6 小結
第3章 編程常用語法
3．1 Python數據類型
3．1．1 數字
3．1．2 字符串
3．1．3 列表
3．1．4 元組
3．1．5 集合
3．1．6 字典
3．2 判斷語句
3．3 循環(huán)語句
3．3．1 while循環(huán)
3．3．2 for循環(huán)語句
3．4 Python正則表達式
3．4．1 搜索和匹配函數
3．4．2 替換函數
3．4．3 分割字符串函數
3．5 局部變量與全局變量
3．6 Python類和對象
3．7 Python lambda表達式
3．8 Python with語句
3．9 Python多線程
3．1 0小結
第4章 Python應用實例
4．1 數據排序
4．1．1 冒泡排序
4．1．2 快速排序
4．1．3 選擇排序
4．1．4 插入排序
4．1．5 折半插入排序
4．1．6 希爾排序
4．2 文件批量處理
4．3 XML與Excel互轉
4．3．1 Excel轉XML
4．3．2 XML轉Excel
4．4 網絡爬蟲
4．4．1 用Python簡單處理URL
4．4．2 用Python爬取網絡圖片
4．4．3 Python網絡爬蟲實例
4．5 Python圖形界面編程
4．5．1 tkinter常用控件
4．5．2 控件布局
4．6 Python JSON處理
4．7 文件讀寫操作
4．8 小結
第5章 Web應用框架與應用
5．1 Django開發(fā)
5．1．1 Django簡介
5．1．2 安裝環(huán)境搭建
5．1．3 Django的簡單操作
5．1．4 Django模板
5．1．5 Django模型
5．1．6 Django表單
5．1．7 Django搭建論壇系統
5．2 nask開發(fā)
5．2．1 安裝環(huán)境搭建
5．2．2 第一個Flask項目
5．2．3 Flask模型設計
5．2．4 Flask視圖函數view．py
5．2．5 Flask頁面渲染Jiniia2應用
5．3 Flask開發(fā)在線社交網絡應用
5．3．1 模型
5．3．2 頁面控制函數
5．4 服務器運行與維護
5．4．1 服務器環(huán)境搭建
5．4．2 代碼同步
5．4．3 常用命令
5．5 小結
第6章 Python科學計算
6．1 Python科學計算庫
6．1．1 科學計算庫的安裝
6．1．2 科學計算庫案例：函數擬合
6．1．3 科學計算庫案例：聚類分析
6．1．4 科學計算庫案例：K-means算法實現
6．2 Networkx處理圖數據
6．2．1 創(chuàng)建與訪問
6．2．2 給圖、節(jié)點和邊添加屬性
6．2．3 特殊圖及其用法
6．2．4 圖的生成器和圖的操作
6．3 Python在復雜網絡研究中的應用
6．3．1 重要節(jié)點識別
6．3．2 社團發(fā)現
6．4 小結
第7章 Python在機器學習中的應用
7．1 機器學習的概念
7．1．1 機器學習的定義
7．1．2 機器學習的應用范圍
7．1．3 機器學習的算法分類
7．1．4 機器學習的常用框架
7．2 深度學習
7．2．1 深度學習基本概念
7 2 2AntoEncoder
7．3 Pvthon機器學習實例
7．3．1 Pvthon實現感知器
7．3．2 TensorFlow項目實例
7．4 小結
第8章 結束語
參考文獻
附錄 Python各版本差異