|
-- 會員 / 註冊 --
|
|
|
|
編程導論 ( 簡體 字) |
作者:[美] John V. Guttag | 類別:1. -> 程式設計 -> 綜合 2. -> 程式設計 -> Python |
譯者: |
出版社:人民郵電出版社 | 3dWoo書號: 41402 詢問書籍請說出此書號!【缺書】 NT售價: 295 元 |
出版日:3/1/2015 |
頁數:268 |
光碟數:0 |
|
站長推薦: |
印刷:黑白印刷 | 語系: ( 簡體 版 ) |
|
加入購物車 │加到我的最愛 (請先登入會員) |
ISBN:9787115388018 |
作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
(簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
作者序: |
譯者序: |
前言: |
內容簡介: 本書基于麻省理工學院(MIT)的一門課程寫成,主要目標是幫助讀者掌握并熟練使用各種計算技術。本書涵蓋了Python的大部分特性,重點介紹如何使用Python這門語言,共包含編程基礎、Python程序設計語言、理解計算的關鍵概念、計算問題的解決技術等四個方面。本書將Python語言特性和編程方法貫穿全書,目的是幫助讀者在學習Python的同時掌握如何使用計算來解決有趣的問題。 本書適合那些對編程知之甚少卻需要(或者想要)使用計算方法來解決問題的學生,是學習更高級計算機科學課程的基礎。 |
目錄:第1章 起步 1 第2章 Python介紹 6 2.1 Python的基本元素 7 2.1.1 對象、表達式和數值類型 8 2.1.2 變量和賦值 9 2.1.3 IDLE 11 2.2 分支程序 12 2.3 字符串和輸出 14 2.3.1 輸入 16 2.4 循環 16 第3章 一些簡單的數值類程序 19 3.1 窮舉法 19 3.2 for循環 21 3.3 近似解和二分查找 23 3.4 關于浮點數 26 3.5 牛頓?拉夫遜方法 28 第4章 函數、作用域和規范抽象 30 4.1 函數和作用域 31 4.1.1 函數定義 31 4.1.2 關鍵字參數和默認值 32 4.1.3 作用域 33 4.2 規范 36 4.3 遞歸 39 4.3.1 斐波那契數 40 4.3.2 回文和分治 42 4.4 全局變量 44 4.5 模塊 45 4.6 文件 47 第5章 結構化類型、可變性和高階 函數 49 5.1 元組 49 5.1.1 序列和多重賦值 50 5.2 列表和可變性 51 5.2.1 克隆 55 5.2.2 列表解析 56 5.3 函數對象 57 5.4 字符串、元組和列表 58 5.5 字典 59 第6章 測試和調試 63 6.1 測試 63 6.1.1 黑盒測試 64 6.1.2 白盒測試 66 6.1.3 執行測試 67 6.2 調試 68 6.2.1 學習調試 70 6.2.2 設計實驗 71 6.2.3 如果遇到阻礙 73 6.2.4 找到“目標”錯誤之后 74 第7章 異常和斷言 75 7.1 處理異常 75 7.2 把異常當作控制流來使用 78 7.3 斷言 81 第8章 類和面向對象編程 82 8.1 抽象的數據類型和類 82 8.1.1 使用抽象的數據類型來設計 程序 86 8.1.2 使用類來記錄學生和教師 86 8.2 繼承 88 8.2.1 多層繼承 90 8.2.2 替代法則 92 8.3 封裝和信息隱藏 92 8.3.1 生成器 95 8.4 進階實例:抵押貸款 97 第9章 算法復雜度簡介 101 9.1 思考計算復雜度 101 9.2 漸近表示 104 9.3 一些重要的復雜度 105 9.3.1 常數復雜度 105 9.3.2 對數復雜度 106 9.3.3 線性復雜度 106 9.3.4 對數線性復雜度 107 9.3.5 多項式復雜度 107 9.3.6 指數復雜度 108 9.3.7 復雜度對比 110 第10章 一些簡單的算法和數據結構 112 10.1 搜索算法 113 10.1.1 線性搜索和間接訪問元素 113 10.1.2 二分查找和利用假設 114 10.2 排序算法 117 10.2.1 歸并排序 118 10.2.2 把函數當做參數 121 10.2.3 Python中的排序 121 10.3 散列表 122 第11章 繪圖以及類的擴展內容 126 11.1 使用PyLab繪圖 126 11.2 擴展實例:繪制抵押貸款 131 第12章 隨機算法、概率以及統計 137 12.1 隨機程序 138 12.2 統計推斷和模擬 139 12.3 分布 149 12.3.1 正態分布和置信水平 151 12.3.2 均勻分布 154 12.3.3 指數分布和幾何分布 154 12.3.4 本福德分布 156 12.4 強隊的獲勝概率 157 12.5 散列和碰撞 160 第13章 隨機游動和數據可視化 163 13.1 醉漢游動 163 13.2 有偏隨機游動 169 13.3 危機重重的田地 175 第14章 蒙特卡羅模擬 177 14.1 帕斯卡的問題 178 14.2 過還是不過 179 14.3 使用查表提高性能 182 14.4 尋找π 183 14.5 模擬模型的結束語 187 第15章 理解實驗數據 189 15.1 彈簧的行為 189 15.2 彈丸的行為 196 15.2.1 決定系數 198 15.2.2 使用計算模型 199 15.3 擬合指數分布 200 15.4 當理論缺失時 203 第16章 謊言和統計 205 16.1 垃圾輸入只能產生垃圾輸出 205 16.2 圖表會騙人 206 16.3 與此謬誤 208 16.4 統計方法并不能代替數據 209 16.5 抽樣偏差 210 16.6 語境問題 211 16.7 當心外推法 212 16.8 得克薩斯神槍手謬誤 213 16.9 百分比會說謊 215 16.10 小心謹慎 215 第17章 背包和圖的最優化問題 216 17.1 背包問題 216 17.1.1 貪婪算法 217 17.1.2 0/1背包問題的最優解法 219 17.2 圖的最優化問題 222 17.2.1 一些典型的圖論問題 226 17.2.2 疾病傳播和最小割 227 17.2.3 最短路徑、深度優先搜索和廣度優先搜索 227 第18章 動態規劃 233 18.1 斐波那契數列 233 18.2 動態規劃和0/1背包問題 235 18.3 動態規劃和分治 241 第19章 機器學習簡介 242 19.1 特征向量 244 19.2 距離度量 245 19.3 聚類 249 19.4 類型示例和聚類 250 19.5 K-means聚類 253 19.6 人造案例 255 19.7 稍微真實一些的示例 259 19.8 小結 265 附錄 Python 2.7快速參考 266 |
序: |
|