Python基础与深度学习实战

自从吉多·范罗苏姆1989年为打发圣诞节假期时间而写下用于编写自动化脚本的Python之后，30多年的时间过去了，随着功能不断完善和版本更新，目前Python已成为最流行的一种编程语言，并被广泛用于开发大型项目，尤其是互联网中的应用，如Web开发、脚本编写、数据挖掘和机器学习等应用。
作为一种面向对象的动态类型语言，Python由于简洁易读、开源直观、含有非常庞大的库、可扩展性强等优点正被越来越多的程序员和编码爱好者推崇。特别值得一提的是，在人工智能的研究和应用（如深度神经网络、机器学习、图像处理、计算机视觉、机器人智能控制、工厂智能化）越来越深入和普及的同时，Python作为一个面向对象的脚本语言正随着人工智能的广泛应用而被重视。
最新版的Python3版本（Python3.8.1）已于2019年12月18日发布（2020年2月17日发布了Python3.8.2rc2预发行版本），将会在人工智能、数据分析、自动化测试、Web网站开发与网络编程、金融分析、游戏开发、Linux运维、云计算与边缘计算开发等方面继续发挥重要的作用。
本书分为4篇18章，第1篇为Python入门，主要介绍Python的功能、使用和学习方法。第2篇为Python应用基础，主要介绍变量与字符串、列表、元组和字典、控制语句、函数、模块和包、递归、文件、异常、面向对象技术、查找与排序。第3篇为Python科学计算与数据可视化，主要介绍Python科学计算库、Matplotlib数据可视化。第4篇为Python深度学习与实战，主要介绍数据挖掘、植物病害识别案例和皮肤癌变类识别实例。
通过本书的学习，相信会让你形成良好的Python编程习惯、对Python有基础的认识和掌握并快速入门深度学习。建议读者根据自己的研究方向和兴趣展开更加专门的学习和研究，再通过自己的努力，一定能成为人工智能的践行者和推行人。
Python是一门功能非常强大的编程语言，深度学习是一个非常热门的工具，将两者结合起来学习将让您事半功倍。
本书受国家自然科学基金项目（NSFC.61673163）资助，特此感谢。

编者

本书共分为4篇18章，第1篇为Python入门，主要介绍Python的功能、使用和学习方法。第2篇为Python应用基础，主要介绍变量与字符串、列表、元组和字典、控制语句、函数、模块与包、递归、文件、异常、面向对象技术、查找与排序。第3篇为Python科学计算与数据可视化，主要介绍Python科学计算库、Matplotlib数据可视化。第4篇为Python深度学习与实战，主要介绍数据挖掘、植物病害识别案例和皮肤癌变类识别实例。
本书适合Python初学者或爱好者作为入门教材，也可以作为软件技术基础、深度学习、人工智能等课程的参考教材。

第1篇Python入门001
第1章Python的“魔法”001
1.1Python是什么001
1.2Python能做什么001
1.3Python怎么样002

第2章Python的使用方法003
2.1Python安装003
2.1.1Windows下安装Python003
2.1.2Linux下安装Python（以Ubuntu为例）003
2.1.3Anaconda的使用004
2.2选择合适的开发环境007
2.2.1Spyder的使用007
2.2.2PyCharm的安装与使用009
2.2.3文本编辑器配合终端的使用方法011
2.3Python初体验012
2.3.1第一个Python程序012
2.3.2Python语言风格014
2.4管理Python库014
2.4.1模块的导入014
2.4.2第三方库的安装与导入014
2.4.3国内镜像源介绍015

第3章Python高效学习方法016
3.1如何使用本书016
3.2如何提高Python编程能力016

第2篇Python应用基础017
第4章简单变量与字符串017
4.1变量赋值017
4.1.1单变量赋值017
4.1.2多变量赋值018
4.2数字用法及其类型018
4.2.1数字用法018
4.2.2数据类型018
4.3字符串021
4.3.1字符串的声明和访问021
4.3.2字符串拼接022
4.3.3字符串修改022
4.3.4字符串其他常用方法023
4.4变量的命名规则024

第5章列表、元组和字典026
5.1列表026
5.2元组031
5.3字典033

第6章控制语句039
6.1True和False039
6.2条件判断039
6.2.1if-else040
6.2.2elif040
6.3循环041
6.3.1for语句041
6.3.2while语句043
6.3.3循环嵌套043
6.3.4break语句044
6.3.5continue语句045

第7章函数047
7.1函数基础047
7.2函数名称及函数的调用047
7.3函数的参数传递047
7.4变量作用域050
7.5函数式编程052
7.6Python内置函数055

第8章模块和包058
8.1模块058
8.2编写模块058
8.3包059

第9章递归061
9.1递归定义061
9.2递归函数061
9.3字符串反转061
9.4重组词062
9.5快速求幂062
9.6二分查找063

第10章文件065
10.1打开文件065
10.2文件基本操作方法065
10.3对文件内容进行迭代067

第11章异常072
11.1什么是异常072
11.2捕获异常072
11.3引发异常074
11.4断言075
11.5实现自定义异常076
11.6with关键字076

第12章面向对象技术079
12.1OOD概念079
12.2类079
12.2.1类的声明与定义079
12.2.2类的实例化与使用080
12.2.3封装083
12.2.4访问权限084
12.2.5类的内建函数085
12.2.6@property装饰器085
12.2.7枚举类088
12.2.8类的存储与导入089
12.3继承和多态090
12.3.1__bases__属性090
12.3.2继承的基本概念090
12.3.3多态091
12.3.4从标准类型派生091
12.3.5多重继承和多继承092
12.4迭代器095
12.5生成器098

第13章查找与排序102
13.1查找案例102
13.1.1简单的查找问题102
13.1.2策略1：线性查找103
13.1.3策略2：二分查找104
13.1.4策略3：插值查找104
13.2排序案例105
13.2.1选择排序105
13.2.2归并排序106
13.2.3插入排序107
13.2.4快速排序107
13.2.5冒泡排序108

第3篇Python科学计算与数据可视化110
第14章Python科学计算库110
14.1NumPy简介110
14.1.1NumPy的应用110
14.1.2NumPy有什么功能？111
14.1.3使用NumPy的优势111
14.1.4NumPy开发环境112
14.2数组的索引112
14.2.1基本索引112
14.2.2切片索引115
14.2.3布尔型索引116
14.2.4花式索引116
14.3数组的计算：广播117
14.4比较、掩码和布尔逻辑119
14.4.1和通用函数类似的比较操作119
14.4.2操作布尔数组119
14.4.3布尔数组作为掩码120
14.5数组的排序121
14.6结构化数组124
14.6.1结构化数据类型124
14.6.2结构化数组的索引和分配125
14.7Pandas数值运算方法127
14.8处理缺失值131

第15章Matplotlib数据可视化136
15.1Matplotlib常用技巧136
15.2两种画图接口136
15.3简易线性图138
15.4简易散点图139

第4篇Python深度学习与实战141
第16章数据挖掘141
16.1流程介绍141
16.2导入和可视化数据141
16.3数据分类与回归144
16.3.1Logistic回归144
16.3.2K-近邻算法145
16.3.3朴素贝叶斯算法145
16.3.4决策树145
16.4聚类145
16.5数据降维148

第17章植物病害识别案例150
17.1案例背景150
17.2案例要求150
17.3案例步骤150
17.3.1数据加载151
17.3.2图像预处理153
17.3.3模型搭建与修改155
17.3.4模型训练157
17.3.5模型验证159
17.3.6训练参数存储159
17.3.7中间结果的打印160
17.4案例代码161

第18章皮肤癌变类识别实例169
18.1实例背景169
18.2实例要求169
18.3任务步骤170
18.3.1数据加载与预处理170
18.3.2模型调用与修改173
18.3.3模型构建与参数设定173
18.3.4模型训练与验证173
18.3.5Callback函数调用174
18.3.6中间结果的打印175
18.4实例代码175

参考文献187