18个程序设计入门必学主题与活用实例

如果您曾经花费数小时处理档案的重新命名,或是更新数百个试算表内的储存格资料,就能体会这类日常的工作有多么单调无趣了。但假如能利用电脑自动完成呢?

您不需要有什么程序设计的经验,在这本书中能学到运用Python写出程式,帮您在几分钟内搞定平常以人工手动处理需要花费数小时的工作。一旦掌握了程序设计的基础知识,就能轻松使用Python编写程序,把自动化的好用和效率应用在下列这些工作上:

◆ 在一个或多个档案中搜寻文字

◆ 建立、更新、搬移和重新命名档案和资料夹

◆ 搜寻网页和下载网路上的图文内容

◆ 处理大大小小的Excel试算表内容更新和格式美化作业

◆ 处理PDF档的分割与合并,加入浮水印和加上密码等作业

◆ 传送Email和简讯

◆ 填写线上表单

本书会一步一步教您完成每支程序,并在每章最后的实作专题中启发引导您来改进这些程序的应用,发挥学到的技巧让类似的工作能自动化完成,这样就不用再浪费时间去做人工手动的作业了,您写出的Python自动化程序将会搞定这些繁琐的工作。本书是为初学者所设计的,就算从没写过一行程序,跟著书中的讲解就能学到这些应用和操作。

http://noracook.io/Books/Automation/automatetheboringstuffwithpython_new.pdf

成为VIP会员查看完整内容
0
26

相关内容

精通Python 3 的诀窍秘技

如果你撰写Python 3 程式时需要协助,或是想要更新旧的Python 2 程式码,这本书都能派上用场。满载以Python 3.3 所撰写并经过测试的实用诀窍,这本独特的锦囊妙计适合想要聚焦于现代工具与惯用手法的资深Python 程式设计师。

在书中你会找到关于十几个不同主题的完整诀窍,涵盖Python 程式语言以及各种应用领域共通的任务。每个诀窍都包含能够立即用在你专案上的程式码范例,还会讨论这些解决方案的详细步骤以及运作原理。

涵盖的主题包括: 资料结构与演算法 字串与文字 数字、日期与时间 迭代器与产生器 档案与I/O 资料编码与处理 函式 类别与物件 Metaprogramming 模组与套件 网路与Web程式设计 共时性 工具指令稿的撰写及系统管理 测试、除错与例外 C扩充功能

David Beazley 是位独立软体开发者与作家,为软体开发人员、科学家和工程师教授程式设计课程。他是Python Essential Reference(Addison-Wesley) 的作者,并创建了数个开放原始码的Python 套件

Brian K. Jones 是普林斯顿大学电脑科学系的系统管理员

本书程式码下载:https://github.com/dabeaz/python-cookbook

<章节目录>

第一章资料结构与演算法 第二章字串与文字 第三章数字、日期与时间 第四章迭代器与产生器 第五章档案与I/O 第六章资料编码与处理 第七章函式 第八章类别与物件 第九章Metaprogramming 第十章模组与套件 第十一章网路与Web程式设计 第十二章共时性(Concurrency) 第十三章撰写工具指令稿与系统管理 第十四章测试、除错与例外 第十五章C扩充功能(C Extensions) 附录A延伸阅读 索引

https://d.cxcore.net/Python/Python_Cookbook_3rd_Edition.pdf

成为VIP会员查看完整内容
0
23

数据科学的学习指引“对任何想要使用Python开始机器学习的人,这本书是很棒且超实用的资源。真希望当我开始使用scikit-learn时有这本书!” -Hanna Wallach, 微软研究院资深研究员

机器学习已成为许多商业应用程式与研究专案的精华部分,但这个领域并不是大公司中规模庞大的研究团队所独有。

就算是使用Python的初学者,这本书也能教会你实际的方法,来建立自己的机器学习解决方案。

以现今可以取得的资料量来说,只要你能想到的,机器学习应用程式都能做到。

你将学习必要的步骤,使用Python和scikit-learn函式库,来建立成功的机器学习应用程式。

作者Andreas Müller和Sarah Guido聚焦于使用机器学习演算法的实务面向,而不是它们背后的数学。

熟悉NumPy和matplotlib函式库,将帮助你能从这本书获益更多。

透过这本书,你将学到:

  • 基本概念和机器学习应用程式
  • 广泛应用机器学习演算法的优点和缺点
  • 使用机器学习如何重现资料,包含资料的重点面向
  • 模型评估的进阶方法和参数调整
  • 对链结模型的pipeline概念和封装工作流程
  • 运作文字资料的方法,包含特定文字的处理技术
  • 对改善机器学习和资料科学技巧的建议"

目录大纲 前言

  • chapter 01 导读
  • chapter 02 监督式学习
  • chapter 03 非监督式学习和前处理
  • chapter 04 资料重现和特征工程
  • chapter 05 评估和改善模型
  • chapter 06 演算法Chains 和Pipelines
  • chapter 07 使用文字资料工作
  • chapter 08 尾声

索引

成为VIP会员查看完整内容
0
26

你将学习Python 3!

Zed Shaw完善了世界上最好的学习Python 3的系统。遵循它,你就会成功——就像Zed教的数百万初学者约会一样! 你们带来了纪律、承诺和坚持;其他一切由作者提供。

在Learn Python 3 the Hard Way中,您将通过52个精心制作的练习来学习Python。读它们。精确地输入他们的代码。修正你的错误。观看程序运行。当你这样做的时候,你将学习计算机是如何工作的;什么是好的程序;以及如何读、写和思考代码。然后Zed在5个多小时的视频中教您更多,他向您展示如何破坏、修复和调试您的代码,因为他正在做练习。

安装完整的Python环境 组织和编写代码 修复代码 基本的数学 变量 字符串和文本 与用户交互 处理文件 循环和逻辑 使用列表和字典的数据结构 程序设计 面向对象编程 继承和组合 模块、类和对象 Python包装 自动化测试 基本的游戏开发 基本web开发

一开始会很困难。但是很快,你就会得到它——那会让你感觉很棒!这门课程将会奖励你投入的每一分钟。很快,您就会知道世界上最强大、最流行的编程语言之一。你会成为一名Python程序员。

这本书非常适合

完全没有编程经验的初学者 掌握一种或两种语言的初级开发人员 多年没有编写代码的归国专业人员 寻找Python 3中快速、简单的速成课程的经验丰富的专业人员

成为VIP会员查看完整内容
0
43

欢迎学习Python的基础知识。不仅仅是高级语法和编写干净代码的熟练技巧的集合,您将学习如何通过使用命令行和其他专业工具(如代码格式化器、类型检查器、linters和版本控制)来提高您的Python编程技能。

Sweigart带您通过设置开发环境、命名变量和提高可读性的最佳实践,然后处理文档、组织和性能度量,以及面向对象设计和编程面试中常用的Big-O算法分析。你所学的技能将会提高你编程的能力——不仅仅是用Python,而是用任何语言。

https://nostarch.com/beyond-basic-stuff-python

你将学习:

  • 编码风格,以及如何使用Python的黑色自动格式化工具来更简洁的代码
  • bug的常见来源,以及如何使用静态分析器检测它们
  • 如何使用Cookiecutter模板工具在你的代码项目中构造文件
  • 函数式编程技术,如lambda和高阶函数
  • 如何使用Python内置的timeit和cProfile模块来配置代码的速度
  • Big-O算法分析背后的计算机科学
  • 要使您的注释和文档字符串提供信息,以及编写它们的频率
  • 在面向对象编程中如何创建类,以及为什么它们被用于组织代码
  • 在本书的末尾,您将阅读两个经典命令行游戏的详细源代码分解,它们是河内塔(一个逻辑谜题)和四人一排(一个双人游戏),以及它们的代码是如何遵循本书的最佳实践的。你可以通过自己实施这个计划来测试你的技能。
  • 当然,没有哪本书可以使您成为专业的软件开发人员。但是,在Python的基础知识之外,当你学习编写易于调试和完全Python化的可读代码时,你会在这条道路上走得更远,并使你成为一个更好的程序员
成为VIP会员查看完整内容
0
41

机器学习已经成为许多商业应用和研究项目中不可或缺的一部分,但这一领域并不仅限于拥有广泛研究团队的大公司。如果您使用Python,即使是初学者,这本书也会教你构建自己的机器学习解决方案的实用方法。今天,有了所有可用的数据,机器学习应用程序只受限于你的想象力。

您将学习使用Python和scikit-learn库创建成功的机器学习应用程序所需的步骤。两位作者安德烈亚斯•穆勒(Andreas Muller)和萨拉•圭多(Sarah Guido)关注的是使用机器学习算法的实践层面,而不是背后的数学。熟悉NumPy和matplotlib库将有助于您从本书获得更多信息。

通过这本书,你会学到 :

  • 机器学习的基本概念和应用
  • 广泛应用的机器学习算法的优缺点
  • 如何表示机器学习处理过的数据,包括关注哪些数据方面
  • 先进的模型评估和参数调整方法
  • 用于链接模型和封装工作流的管道概念
  • 处理文本数据的方法,包括特定于文本的处理技术
  • 提高机器学习和数据科学技能的建议
成为VIP会员查看完整内容
0
78

Python程序员将使用这些有用的单行程序来提高他们的计算机科学技能。

Python单行程序将教会您如何阅读和编写“单行程序”:将有用功能的简明语句封装到一行代码中。您将学习如何系统地解包和理解任何一行Python代码,并像专家一样编写雄辩、强大的压缩Python。

本书共分五章,内容包括技巧和技巧、正则表达式、机器学习、核心数据科学主题和有用的算法。对一行程序的详细解释将介绍关键的计算机科学概念,并提高您的编码和分析技能。您将了解高级Python特性,如列表理解、切片、lambda函数、正则表达式、映射和缩减函数以及切片分配。您还将学习如何:

•利用数据结构来解决现实世界的问题,比如使用布尔索引来查找污染水平高于平均水平的城市

•使用NumPy基础,如数组、形状、轴、类型、广播、高级索引、切片、排序、搜索、聚合和统计

•计算多维数据数组的基本统计量和无监督学习的K-Means算法

•使用分组和命名组、负查找头、转义字符、空白、字符集(和负字符集)和贪婪/非贪婪操作符创建更高级的正则表达式

•了解广泛的计算机科学主题,包括字谜、回文、超集、排列、阶乘、质数、斐波纳契数、混淆、搜索和算法排序

在本书的最后,您将了解如何以最精炼的方式编写Python,并仅用一行代码就创建简洁、漂亮的“Python艺术”片段。

成为VIP会员查看完整内容
0
164

软件质量,不但依赖于架构及项目管理,而且与代码质量紧密相关。这一点,无论是敏捷开发流派还是传统开发流派,都不得不承认。

本书提出一种观念:代码质量与其整洁度成正比。干净的代码,既在质量上较为可靠,也为后期维护、升级奠定了良好基础。作为编程领域的佼佼者,本书作者给出了一系列行之有效的整洁代码操作实践。这些实践在本书中体现为一条条规则(或称“启示”),并辅以来自现实项目的正、反两面的范例。只要遵循这些规则,就能编写出干净的代码,从而有效提升代码质量。

本书阅读对象为一切有志于改善代码质量的程序员及技术经理。书中介绍的规则均来自作者多年的实践经验,涵盖从命名到重构的多个编程方面,虽为一“家”之言,然诚有可资借鉴的价值

成为VIP会员查看完整内容
0
38
小贴士
相关主题
相关VIP内容
专知会员服务
23+阅读 · 2月10日
专知会员服务
26+阅读 · 2月7日
专知会员服务
38+阅读 · 2月6日
专知会员服务
43+阅读 · 2020年12月28日
专知会员服务
41+阅读 · 2020年12月26日
专知会员服务
82+阅读 · 2020年8月14日
专知会员服务
78+阅读 · 2020年6月4日
专知会员服务
38+阅读 · 2020年3月3日
相关资讯
逆向 | C++ 加壳程序的编写思路
计算机与网络安全
4+阅读 · 2019年1月1日
我是一个爬虫
码农翻身
7+阅读 · 2018年6月4日
Python Matplotlib 绘图使用指南 (附代码)
AI研习社
3+阅读 · 2018年5月21日
这可能是学习Python最好的免费在线电子书
程序猿
33+阅读 · 2018年5月17日
Python为啥这么牛?
Python程序员
3+阅读 · 2018年3月30日
Python & 机器学习之项目实践 | 赠书
人工智能头条
10+阅读 · 2017年12月26日
Python3爬虫之入门和正则表达式
全球人工智能
6+阅读 · 2017年10月9日
Python 书单:从入门到……
Linux中国
10+阅读 · 2017年8月6日
相关论文
Noah Singer,Madhu Sudan
0+阅读 · 2月24日
Wenhai Wang,Enze Xie,Xiang Li,Deng-Ping Fan,Kaitao Song,Ding Liang,Tong Lu,Ping Luo,Ling Shao
0+阅读 · 2月24日
William Schultz,Siyuan Zhou,Stavros Tripakis
0+阅读 · 2月23日
Wangyou Zhang,Christoph Boeddeker,Shinji Watanabe,Tomohiro Nakatani,Marc Delcroix,Keisuke Kinoshita,Tsubasa Ochiai,Naoyuki Kamo,Reinhold Haeb-Umbach,Yanmin Qian
0+阅读 · 2月23日
The Khai Nguyen,Ha H. Nguyen,Ebrahim Bedeer
0+阅读 · 2月23日
Marc Brooker,Adrian Costin Catangiu,Mike Danilov,Alexander Graf,Colm MacCarthaigh,Andrei Sandu
0+阅读 · 2月4日
Feature Selection Library (MATLAB Toolbox)
Giorgio Roffo
3+阅读 · 2018年8月6日
Bidirectional Attention for SQL Generation
Tong Guo,Huilin Gao
3+阅读 · 2018年6月21日
Ruobing Xie,Zhiyuan Liu,Fen Lin,Leyu Lin
10+阅读 · 2018年2月16日
Xiang Long,Chuang Gan,Gerard de Melo,Jiajun Wu,Xiao Liu,Shilei Wen
4+阅读 · 2017年11月27日
Top