本书全面介绍了Python程序设计语言的语法基础及其在数据分析、可视化、人工智能等场景中的应用。本书强调立德树人，将中国**传统文化、党的二十大精神等德育元素融入Python程序设计课程。全书分为3篇：基础篇、进阶篇、应用篇，主要内容包括Python概述、基本数据类型、程序控制结构、容器数据类型、函数与模块化编程基础、文件、Numpy科学计算库、数据分析与pandas、数据可视化与Matplotlib、人工智能与Sklearn等。 本书以应用型本科学生为主要读者对象，同时上下辐射其他类型的研究生、本科生、专科生等读者对象。本书可作为计算机、软件工程、统计学、大数据、人工智能等相关专业的程序设计课程教材，也可以作为信息技术领域从业人员的参考用书。

【章名目录】 第 1部分 基础篇 第 1章 Python概述 第 2章 基本数据类型 第3章 程序控制结构 第4章 容器数据类型 第5章 函数与模块化编程基础 第6章 文件 第7章 NumPy科学计算库 第8章 数据分析与pandas 第9章 数据可视化与Matplotlib 第 10章 人工智能与Sklearn 【详细目录】 第 1部分 基础篇 第 1章 Python概述 1.1 Python语言简介 2 1.1.1 Python的诞生和发展 2 1.1.2 Python的特点和优势 3 1.2 综合案例：Python开发环境配置 3 1.2.1 案例概述 3 1.2.2 案例详解 3 1.3 Python程序的书写规范 5 1.3.1 语句 5 1.3.2 注释 6 1.3.3 语句块与缩进 7 1.4 综合案例：4种具有代表性的Python程序开发和 运行方式 7 1.4.1 案例概述 7 1.4.2 案例详解 8 1.5 Python输入与输出 14 1.5.1 输出函数print() 14 1.5.2 输入函数input() 14 1.5.3 字符串格式化 15 1.6 综合案例：不忘初心、牢记使命 18 1.6.1 案例概述 18 1.6.2 案例详解 18 ��章小结 19 习题1 19 实训1 19 第 2章 基本数据类型 2.1 字符串类型 20 2.2 数值类型 22 2.3 变量 23 2.3.1 对象和属性 23 2.3.2 关键词和标识符 23 2.3.3 变量 24 2.4 运算符与表达式 25 2.4.1 运算符 25 2.4.2 表达式与运算符优先级 27 2.4.3 数据类型转换 28 2.5 数学运算函数和模块 29 2.5.1 数学运算函数 29 2.5.2 math模块 29 2.5.3 random模块 30 2.6 字符串的基本操作 31 2.6.1 字符串统计 31 2.6.2 字符串转换 31 2.6.3 字符串搜索 32 2.6.4 字符串替换 33 2.6.5 字符串测试 33 2.6.6 字符串拆分合并 34 2.6.7 字符串对齐 35 2.7 综合案例：《数书九章》与三斜求积术 35 2.7.1 案例概述 35 2.7.2 案例详解 36 2.8 综合案例：车牌摇号 37 2.8.1 案例概述 37 2.8.2 车牌号码生成 37 2.8.3 摇号系统登录校验 38 本章小结 38 习题2 38 实训2 39 第3章 程序控制结构 3.1 程序基本结构 40 3.2 分支结构 41 3.2.1 单分支结构 41 3.2.2 二分支结构 42 3.2.3 if/else表达式 42 3.2.4 多分支结构 43 3.2.5 match-case语句 44 3.3 循环结构 44 3.3.1 while语句 44 3.3.2 for语句 45 3.3.3 循环控制语句 46 3.4 复合语句的嵌套 48 3.5 程序的异常处理 49 3.5.1 触发异常 49 3.5.2 捕捉异常 50 3.6 综合案例：依法纳税，利国利民 50 3.6.1 案例概述 50 3.6.2 案例详解 51 3.7 综合案例：《孙子算经》与中国剩余定理 54 3.7.1 案例概述 54 3.7.2 简单问题解法 54 3.7.3 枚举法 56 本章小结 56 习题3 57 实训3 57 第 2部分 进阶篇 第4章 容器数据类型 4.1 序列类型：列表、元组和字符串 60 4.1.1 序列类型概述 60 4.1.2 创建列表和元组 61 4.1.3 序列通用操作 62 4.1.4 列表的常用方法 69 4.1.5 元组和字符串 74 4.2 字典 75 4.2.1 字典的创建 75 4.2.2 字典元素的访问 76 4.2.3 字典的常用方法 77 4.2.4 字典的基本操作 79 4.3 集合 80 4.3.1 创建集合 80 4.3.2 集合的基本操作 81 4.3.3 集合的常用方法 81 4.3.4 集合运算 83 4.4 容器类型进阶 84 4.4.1 可变数据类型和不可变数据类型 84 4.4.2 浅复制和深复制 85 4.4.3 列表生成式 88 4.5 常用函数 89 4.5.1 range()函数 89 4.5.2 zip()函数 89 4.5.3 map()函数 90 4.5.4 filter()函数 91 4.6 综合案例：社会主义核心价值观 91 4.6.1 案例概述 91 4.6.2 案例详解 92 4.7 综合案例：线性代数的中国根源 93 4.7.1 案例概述 93 4.7.2 案例详解 94 本章小结 96 习题4 97 实训4 97 第5章 函数与模块化编程基础 5.1 函数的定义和调用 98 5.1.1 函数的基本用法 98 5.1.2 函数返回值 99 5.1.3 函数的递归调用 100 5.1.4 常用的内置函数 101 5.2 函数的参数传递 102 5.2.1 参数的传递模式 102 5.2.2 参数的匹配 103 5.2.3 参数的默认值 104 5.2.4 不定长参数 106 5.2.5 实参序列解包 107 5.3 函数变量的作用域 108 5.3.1 局部变量 108 5.3.2 全局变量 109 5.4 函数进阶 110 5.4.1 函数的嵌套定义 110 5.4.2 修饰器 110 5.4.3 lambda表达式 111 5.4.4 生成器函数 112 5.5 模块化编程基础 113 5.5.1 模块概述 113 5.5.2 模块的导入 114 5.5.3 Python库及用法举例 116 5.6 综合案例：五星红旗迎风飘扬 119 5.6.1 案例概述 119 5.6.2 案例详解 119 5.7 综合案例：伏羲八卦与二进制 120 5.7.1 案例概述 120 5.7.2 案例详解 121 本章小结 124 习题5 124 实训5 124 第6章 文件 6.1 文件基本操作 126 6.1.1 文件操作的基本流程 126 6.1.2 open()函数和文件对象 127 6.1.3 字符编码 130 6.1.4 文件路径 131 6.2 文件操作的相关模块 132 6.2.1 pickle模块 132 6.2.2 os和shutil模块 133 6.2.3 Python-docx模块 134 6.2.4 openpyxl模块 136 6.2.5 CSV模块 137 6.2.6 JSON模块 138 6.3 综合案例：文件搜索和批量重命名 138 6.3.1 案例概述 138 6.3.2 案例详解 139 6.4 综合案例：《论语》二十篇 140 6.4.1 案例概述 140 6.4.2 案例详解 140 本章小结 141 习题6 141 实训6 142 第7章 NumPy科学计算库 7.1 NumPy基础 143 7.1.1 NumPy数组概述 143 7.1.2 创建NumPy数组 145 7.1.3 NumPy数组的属性 146 7.1.4 创建特殊数组 148 7.2 数组元素访问 150 7.2.1 索引、切片和迭代 150 7.2.2 布尔索引 151 7.3 数组常用函数 151 7.3.1 统计函数 152 7.3.2 集合函数 154 7.3.3 多项式 154 7.3.4 数组排序 155 7.3.5 增加与删除数组元素 157 7.4 数组基本运算 157 7.4.1 数组形状相同时的运算 157 7.4.2 数组形状不同时的运算 159 7.4.3 数组和单个数据的运算 160 7.5 NumPy进阶 161 7.5.1 改变数组的形状 161 7.5.2 引用、视图和复制 165 7.5.3 数组组合 168 7.5.4 数组拆分 170 7.5.5 数组存储和读取 172 7.6 综合案例：《九章算术》与高斯消元法 173 7.6.1 案例概述 173 7.6.2 《九章算术》中的方程组 174 7.6.3 高斯消元法 174 7.7 综合案例：矩阵分析实践 175 7.7.1 案例概述 175 7.7.2 矩阵表示和基本运算 176 7.7.3 矩阵特征值和特征向量 177 7.7.4 矩阵分解 178 7.7.5 解方程组和求逆矩阵 181 本章小结 183 习题7 183 实训7 183 第3部分 应用篇 第8章 数据分析与pandas 8.1 概述 186 8.1.1 数据分析 186 8.1.2 pandas简介 186 8.2 pandas的基本数据结构 187 8.2.1 创建Series对象 187 8.2.2 访问Series对象 189 8.2.3 创建DataFrame对象 190 8.2.4 访问DataFrame对象 191 8.3 读/写数据文件 195 8.3.1 读/写Excel文件 195 8.3.2 读/写CSV文件 197 8.3.3 读/写HDF5文件 198 8.4 综合案例：使用pandas进行概要分析 199 8.4.1 案例概述 199 8.4.2 案例实施 199 8.5 数据整理和清洗 205 8.5.1 索引整理 205 8.5.2 缺失值处理 208 8.5.3 添加行或列 210 8.5.4 删除行或列 212 8.5.5 处理重复记录 213 8.6 综合案例：使用pandas进行数据预处理操作 214 8.6.1 案例概述 214 8.6.2 案例实施 214 8.7 数据分析处理基础 217 8.7.1 基本运算 217 8.7.2 通用函数 218 8.7.3 自定义函数 219 8.7.4 排序 219 8.8 数据分析处理进阶 221 8.8.1 数据合并 221 8.8.2 数据分段 222 8.8.3 分组统计 223 8.8.4 数据透视表 225 8.9 综合案例：数据处理和数据分析技巧的综合应用 225 8.9.1 案例概述 226 8.9.2 案例实施 226 本章小结 230 习题8 230 实训8 231 第9章 数据可视化与Matplotlib 9.1 概述 232 9.1.1 数据可视化 232 9.1.2 可视化工具 232 9.2 Matplotlib基础 233 9.2.1 Matplotlib安装 233 9.2.2 plot()函数 233 9.2.3 绘图装饰 235 9.2.4 子图绘制 237 9.2.5 视觉差异问题 239 9.2.6 中文和负号的显示问题 240 9.3 常见图形的绘制 241 9.3.1 柱状图绘制函数bar() 241 9.3.2 水平柱状图绘制函数barh() 243 9.3.3 饼图绘制函数pie() 244 9.3.4 散点图绘制函数scatter() 246 9.3.5 直方图绘制函数hist() 247 9.3.6 箱形图绘制函数boxplot() 248 9.4 综合案例：葡萄酒数据集可视化分析 249 9.4.1 案例概述 249 9.4.2 概要分析 250 9.4.3 对比分析 254 9.4.4 高维数据分析 255 本章小结 257 习题9 258 实训9 258 第 10章 人工智能与Sklearn 10.1 概述 259 10.1.1 人工智能 259 10.1.2 机器学习 260 10.2 Sklearn基础 262 10.2.1 数据准备 263 10.2.2 模型选择 264 10.2.3 模型训练 266 10.2.4 模型评价 266 10.3 综合案例：分类问题综合应用实践 268 10.3.1 案例概述 268 10.3.2 案例详解 268 10.4 综合案例：回归问题综合应用实践 271 10.4.1 案例概述 271 10.4.2 案例详解 271 10.5 综合案例：聚类问题综合应用实践 274 10.5.1 案例概述 274 10.5.2 案例详解 275 本章小结 278 习题10 278 实训10 278