防詐3要訣：不聽信、不操作、掛斷電話 
內容簡介
|
內容介紹: ✧✦ AI 加持！初學 Python 的最佳教材，第一次寫程式就上手！ ✦✧
✧✦ 從基礎語法到資料科學應用，培養大數據分析的關鍵能力 ✦✧
身處在資料無所不在的世代，大量程式應用、科學運算、網路爬蟲、機器學習的需求應運而生，Python 就是目前處理大數據的最強工具。
大家都想學 Python，不過很多人完全沒有程式基礎，或者曾經半途而廢。本書以淺顯易懂的筆觸與大量的實例演練，引導你在動手寫程式的過程中學會 Python 的語法和程式邏輯，跨越初學者經常遇到的障礙，進入資料科學、機器學習與大數據分析的領域，再搭配 ChatGPT、Colab AI 等 AI 助理的輔助，讓寫程式變得更有效率！
☛ 清楚明瞭的語法教學，搭配 ChatGPT 輔助寫程式！ ☛ 豐富滿點的實作範例，自己動手反覆練習最有感！ ☛ 無縫接軌四大套件 NumPy、matplotlib、SciPy、pandas，資料處理、分析、運算，快人一等！ ☛ 紮穩資料科學基礎，銜接機器學習最強套件 – scikit-learn ☛ 網路爬蟲必備套件 – Requests、Beautiful Soup 本書特色: ✯最易學習✯ 沒學過程式設計或學到一半就放棄的都沒關係，本書從基礎的語法和程式邏輯開始，以淺顯文字及簡明程式，帶你快速學會 Python 在不同領域的應用。
✯豐富範例✯ 本書提供豐富實用的範例，搭配各小節的隨堂練習和章末的學習評量，立即驗證學習成果，自學或課堂教學都適合。
✯最強應用✯ 本書內容包含下列幾個資料科學與機器學習最強套件，有了這些基礎，日後你就可以進一步往資料科學、大數據分析、人工智慧等專業的領域發展： ▪︎ NumPy → 資料運算 ▪︎ matplotlib → 資料視覺化 ▪︎ SciPy → 科學計算 ▪︎ pandas → 資料處理與分析 ▪︎ Requests + Beautiful Soup → 網路爬蟲抓資料 ▪︎ scikit-learn → 機器學習 |
產品目錄
▌Part1 基礎篇
第 1 章 開始撰寫 Python 程式
1-1 認識 Python
1-2 使用 Anaconda 開發環境
1-3 使用 Google Colab 雲端開發環境
1-4 Python 程式碼撰寫風格
1-5 程式設計錯誤
第 2 章 型別、變數與運算子
2-1 型別
2-2 變數
2-3 常數
2-4 運算子
2-5 輸出
2-6 輸入
第 3 章 數值與字串處理
3-1 數值處理函式
3-2 字串與字元
3-3 字串處理方法
3-4 數值與字串格式化
3-5 f-string 格式化字串實字
第 4 章 流程控制
4-1 認識流程控制
4-2 if
4-3 for
4-4 while
4-5 break 與 continue 敘述
第 5 章 函式
5-1 認識函式
5-2 定義函式
5-3 呼叫函式
5-4 函式的參數
5-5 函式的傳回值
5-6 全域變數與區域變數
5-7 遞迴函式
5-8 lambda 運算式
5-9 日期時間函式
第 6 章 list、tuple、set 與 dict
6-1 list (串列)
6-2 tuple (序對)
6-3 set (集合)
6-4 dict (字典)
第 7 章 檔案存取
7-1 認識檔案路徑
7-2 寫入檔案
7-3 讀取檔案
7-4 with 敘述
7-5 管理檔案與資料夾
第 8 章 例外處理
8-1 認識例外
8-2 try⋯except
第 9 章 物件導向
9-1 認識物件導向
9-2 使用類別與物件
9-3 繼承
9-4 多型
第 10 章 模組與套件
10-1 模組
10-2 套件
10-3 第三方套件
▌Part2 實戰篇
第 11 章 圖片處理與 QR 碼 – pillow、qrcode
11-1 使用 pillow 套件處理圖片
11-2 使用 qrcode 套件產生 QR code
第 12 章 陣列與資料運算 – NumPy
12-1 認識 NumPy
12-2 NumPy 的資料型別
12-3 一維陣列運算
12-4 二維陣列運算
12-5 通用函式
12-6 廣播
12-7 視點 (view) 與複本 (copy)
12-8 數學函式
12-9 隨機取樣函式
12-10 統計函式
12-11 檔案資料輸入/輸出
第 13 章 繪製圖表 – matplotlib
13-1 認識 matplotlib
13-2 繪製線條或標記
13-3 繪製長條圖
13-4 繪製直方圖
13-5 繪製圓形圖
13-6 繪製散佈圖
第 14 章 科學計算 – SciPy
14-1 認識 SciPy
14-2 統計子套件 scipy.stats
14-3 最佳化子套件 scipy.optimize
14-4 插值子套件 scipy.interpolate
第 15 章 資料分析 – pandas
15-1 認識 pandas
15-2 pandas 的資料結構
15-3 pandas 的基本功能
第 16 章 機器學習 – scikit-learn
16-1 認識機器學習
16-2 線性迴歸
16-3 邏輯迴歸
16-4 K-近鄰演算法
16-5 決策樹
16-6 隨機森林
第 17 章 網路爬蟲 – Requests、Beautiful Soup
17-1 認識網路爬蟲
17-2 使用 Requests 抓取網頁資料
17-3 使用 Beautiful Soup 解析網頁資料
第 18 章 AI 輔助寫碼 – ChatGPT
18-1 開始使用 ChatGPT
18-2 查詢 Python 語法與技術建議
18-3 撰寫 Python 程式、除錯與註解
18-4 與其它程式語言互相轉換
18-5 【實例演練】統一發票兌獎程式
規格
退貨說明
退貨須知：
- 依照消費者保護法的規定，您享有商品貨到次日起七天猶豫期(含例假日)的權益(請注意！猶豫期非試用期)，辦理退貨之商品必須是全新狀態(不得有刮傷、破損、受潮)且需完整(包含全部商品、配件、原廠內外包裝、贈品及所有附隨文件或資料的完整性等)。
- 請您以送貨廠商使用之包裝紙箱將退貨商品包裝妥當，若原紙箱已遺失，請另使用其他紙箱包覆於商品原廠包裝之外，切勿直接於原廠包裝上黏貼紙張或書寫文字。若原廠包裝損毀將可能被認定為已逾越檢查商品之必要程度，本公司得依毀損程度扣除回復原狀必要費用(整新費)後退費；請您先確認商品正確、外觀可接受，再行拆封，以免影響您的權利；若為產品瑕疵，本公司接受退貨。
依「通訊交易解除權合理例外情事適用準則」，下列商品不適用七日猶豫期，除產品本身有瑕疵外，不接受退貨：
- 易於腐敗、保存期限較短或解約時即將逾期。(如:生鮮蔬果、乳製品、冷凍冷藏食材、蛋糕)
- 依消費者要求所為之客製化給付。(如:客製印章、鋼筆刻字)
- 報紙、期刊或雜誌。
- 經消費者拆封之影音商品或電腦軟體。
- 非以有形媒介提供之數位內容或一經提供即為完成之線上服務，經消費者事先同意始提供。(如:電子書)
- 已拆封之個人衛生用品。(如:內衣褲、襪類、褲襪、刮鬍刀、除毛刀等貼身用品)
- 國際航空客運服務。
若您退貨時有下列情形，可能被認定已逾越檢查商品之必要程度而須負擔為回復原狀必要費用(整新費)，或影響您的退貨權利，請您在拆封前決定是否要退貨：
- 以數位或電磁紀錄形式儲存或著作權相關之商品(包含但不限於CD、VCD、DVD、電腦軟體等) 包裝已拆封者(除運送用之包裝以外)。
- 耗材(包含但不限於墨水匣、碳粉匣、紙張、筆類墨水、清潔劑補充包等)之商品包裝已拆封者(除運送用之包裝以外)。
- 衣飾鞋類/寢具/織品(包含但不限於衣褲、鞋子、襪子、泳裝、床單、被套、填充玩具)或之商品缺件(含購買商品、附件、內外包裝、贈品等)或經剪標或下水或商品有不可回復之髒污或磨損痕跡。
- 食品、美容/保養用品、內衣褲等消耗性或個人衛生用品、商品銷售頁面上特別載明之商品已拆封者(除運送用之包裝外一切包裝、包括但不限於瓶蓋、封口、封膜等接觸商品內容之包裝部分)或已非全新狀態(外觀有刮傷、破損、受潮等)與包裝不完整(缺少商品、附件、原廠外盒、保護袋、配件紙箱、保麗龍、隨貨文件、贈品等)。
- 家電、3C、畫作、電子閱讀器等商品，除商品本身有瑕疵外，退回之商品已拆封(除運送用之包裝外一切包裝、包括但不限於封膜等接觸商品內容之包裝部分、移除封條、拆除吊牌、拆除貼膠或標籤等情形)或已非全新狀態(外觀有刮傷、破損、受潮等)與包裝不完整(缺少商品、附件、原廠外盒、保護袋、配件紙箱、保麗龍、隨貨文件、贈品等)。
- 退貨程序請參閱【客服專區→常見問題→誠品線上退貨退款】之說明。
