2018年12月23日14:03:38评论1.5K1

摘要

掌握多种不同的思维方式是每个人在大学时代的必修课。具备使用计算思维解决问题的能力是程序员入门的基本技能。本书基于作者开授的MIT热门MOOC教程编写，旨在培养读者的计算思维，为其日后的IT生涯打下坚实的编程基础。
– 以Python 3为示例，涵盖Python大部分特性，重在介绍编程语言可以做什么
– 如何系统性地组织、编写、调试中等规模的程序
– 理解计算复杂度
– 将模糊的问题描述转化为明确的计算方法，以此解决问题，并深刻理解整个过程
– 掌握有用的算法以及问题简化技术
– 使用随机性和模拟技术清晰阐述很难得到封闭解的问题
– 使用计算工具（包括简单的统计、可视化以及机器学习工具）对数据进行理解与建模

Python编程导论 第2版 内容简介

本书基于MIT 编程思维培训讲义写成，主要目标在于帮助读者掌握并熟练使用各种计算技术，具备用计算思维解决现实问题的能力。书中以Python 3 为例，介绍了对中等规模程序的系统性组织、编写、调试，帮助读者深入理解计算复杂度，还讲解了有用的算法和问题简化技术，并探讨各类计算工具的使用。与本书第1版相比，第2版全面改写了后半部分，且书中所有示例代码都从Python 2 换成了Python 3。

本书适合对编程知之甚少但想要使用计算方法解决问题的读者。

Python编程导论 第2版 目录

第1章　启程 1

第2章　Python简介 6

2．1　Python基本元素 7

2．1．1　对象、表达式和数值类型 8

2．1．2　变量与赋值 9

2．1．3　Python IDE 11

2．2　程序分支 12

2．3　字符串和输入 14

2．3．1　输入 15

2．3．2　杂谈字符编码 16

2．4　迭代 17

第3章　一些简单的数值程序 20

3．1　穷举法 20

3．2　for循环 22

3．3　近似解和二分查找 24

3．4　关于浮点数 27

3．5　牛顿 拉弗森法 29

第4章　函数、作用域与抽象 31

4．1　函数与作用域 32

4．1．1　函数定义 32

4．1．2　关键字参数和默认值 33

4．1．3　作用域 34

4．2　规范 37

4．3　递归 39

4．3．1　斐波那契数列 40

4．3．2　回文 42

4．4　全局变量 45

4．5　模块 46

4．6　文件 47

第5章　结构化类型、可变性与 高阶函数 50

5．1　元组 50

5．2　范围 52

5．3　列表与可变性 52

5．3．1　克隆 57

5．3．2　列表推导 57

5．4　函数对象 58

5．5　字符串、元组、范围与列表 60

5．6　字典 61

第6章　测试与调试 65

6．1　测试 65

6．1．1　黑盒测试 66

6．1．2　白盒测试 68

6．1．3　执行测试 69

6．2　调试 70

6．2．1　学习调试 72

6．2．2　设计实验 72

6．2．3　遇到麻烦时 75

6．2．4　找到“目标”错误之后 76

第7章　异常与断言 77

7．1　处理异常 77

7．2　将异常用作控制流 80

7．3　断言 82

第8章　类与面向对象编程 83

8．1　抽象数据类型与类 83

8．1．1　使用抽象数据类型设计程序 87

8．1．2　使用类记录学生与教师 87

8．2　继承 90

8．2．1　多重继承 92

8．2．2　替换原则 93

8．3　封装与信息隐藏 94

8．4　进阶示例：抵押贷款 99

第9章　算法复杂度简介 103

9．1　思考计算复杂度 103

9．2　渐近表示法 106

9．3　一些重要的复杂度 107

9．3．1　常数复杂度 107

9．3．2　对数复杂度 108

9．3．3　线性复杂度 108

9．3．4　对数线性复杂度 109

9．3．5　多项式复杂度 109

9．3．6　指数复杂度 111

9．3．7　复杂度对比 112

第10章　一些简单算法和数据结构 114

10．1　搜索算法 115

10．1．1　线性搜索与间接引用元素 115

10．1．2　二分查找和利用假设 116

10．2　排序算法 119

10．2．1　归并排序 120

10．2．2　将函数用作参数 122

10．2．3　Python中的排序 123

10．3　散列表 124

第11章　绘图以及类的进一步扩展 128

11．1　使用PyLab绘图 128

11．2　进阶示例：绘制抵押贷款 133

第12章　背包与图的* 优化问题 139

12．1　背包问题 139

12．1．1　贪婪算法 140

12．1．2　0/1背包问题的最优解 143

12．2　图的最优化问题 145

12．2．1　一些典型的图论问题 149

12．2．2　最短路径：深度优先搜索和广度优先搜索 149

第13章　动态规划 155

13．1　又见斐波那契数列 155

13．2　动态规划与0/1背包问题 157

13．3　动态规划与分治算法 162

第14章　随机游走与数据可视化 163

14．1　随机游走 163

14．2　醉汉游走 164

14．3　有偏随机游走 170

14．4　变幻莫测的田地 175

第15章　随机程序、概率与分布 178

15．1　随机程序 178

15．2　计算简单概率 180

15．3　统计推断 180

15．4　分布 192

15．4．1　概率分布 194

15．4．2　正态分布 195

15．4．3　连续型和离散型均匀分布 199

15．4．4　二项式分布与多项式分布 200

15．4．5　指数分布和几何分布 200

15．4．6　本福德分布 203

15．5　散列与碰撞 204

15．6　强队的获胜概率 206

第16章　蒙特卡罗模拟 208

16．1　帕斯卡的问题 209

16．2　过线还是不过线 210

16．3　使用查表法提高性能 213

16．4　求π的值 214

16．5　模拟模型结束语 218

第17章　抽样与置信区间 220

17．1　对波士顿马拉松比赛进行抽样 220

17．2　中心极限定理 225

17．3　均值的标准误差 228

第18章　理解实验数据 231

18．1　弹簧的行为 231

18．2　弹丸的行为 238

18．2．1　可决系数 240

18．2．2　使用计算模型 241

18．3　拟合指数分布数据 242

18．4　当理论缺失时 245

第19章　随机试验与假设检验 247

19．1　检验显著性 248

19．2　当心P-值 252

19．3　单尾单样本检验 254

19．4　是否显著 255

19．5　哪个N 257

19．6　多重假设 258

第20章　条件概率与贝叶斯统计 261

20．1　条件概率 262

20．2　贝叶斯定理 263

20．3　贝叶斯更新 264

第21章　谎言、该死的谎言与统计学 267

21．1　垃圾输入，垃圾输出 267

21．2　检验是有缺陷的 268

21．3　图形会骗人 268

21．4　Cum Hoc Ergo Propter Hoc 270

21．5　统计测量不能说明所有问题 271

21．6　抽样偏差 272

21．7　上下文很重要 273

21．8　慎用外推法 273

21．9　得克萨斯神枪手谬误 274

21．10　莫名其妙的百分比 276

21．11　不显著的显著统计差别 276

21．12　回归假象 277

21．13　小心为上 278

第22章　机器学习简介 279

22．1　特征向量 281

22．2　距离度量 283

第23章　聚类 288

23．1　Cluster类 289

23．2　K-均值聚类 291

23．3　虚构示例 292

23．4　更真实的示例 297

第24章　分类方法 303

24．1　分类器评价 303

24．2　预测跑步者的性别 306

24．3　K最邻近方法 308

24．4　基于回归的分类器 312

24．5　从“泰坦尼克”号生还 320

24．6　总结 325

Python　3．5速查表 326

Python编程导论 第2版 精彩文摘

计算机能且只能做两件事，执行计算与保存计算结果，但它把这两件事都做到了极致。常见的台式机或笔记本电脑每秒钟大概可以执行10亿次计算，快得难以置信。想象一下，让一个离地面1米高的球自由落体到地面上，这么短暂的时间，你的计算机已经执行了超过10亿条指令。至于存储，一台普通计算机可以有几千亿字节的存储空间。这是什么概念呢？打个比方，如果1字节（byte，表示一个字符所需的位数，通常是8位）的重量是1克（实际上当然不是），那么100 GB的重量就相当于10 000吨，这几乎是15 000头非洲象的重量。

在人类历史的大部分时间里，计算受限于人类大脑的计算速度以及人类双手记录计算结果的能力，这意味着通过计算只能解决一些最简单的问题。即使现代计算机具备如此快的速度，它在很多问题上依然无能为力（例如，搞清楚气候变化），但越来越多的问题已经被证明可以通过计算解决。我们希望你学习完本书之后，可以熟练地将计算思维应用到解决工作、学习、生活问题的过程中。