内容简介

本书基于MIT（麻省理工学院）的一门课程写成，主要目标是帮助读者掌握并熟练使用各种计算技术。本书涵盖了Python的大部分特性，重点介绍如何使用Python 这门语言，共包含编程基础、Python程序设计语言、理解计算的关键概念、计算问题的解决技术等四个方面。本书将Python语言特性和编程方法贯穿全书，目的是帮助读者在学习Python的同时掌握如何使用计算来解决有趣的问题。

作品目录

第1章　起步1

第2章　Python介绍6

2.1　Python的基本元素7

2.1.1　对象、表达式和数值类型8

2.1.2　变量和赋值9

2.1.3　IDLE11

2.2　分支程序12

2.3　字符串和输出14

2.4　循环16

第3章　一些简单的数值类程序19

3.1　穷举法19

3.2　for循环21

3.3　近似解和二分查找23

3.4　关于浮点数26

3.5　牛顿拉夫逊方法28

第4章　函数、作用域和规范抽象30

4.1　函数和作用域31

4.1.1　函数定义31

4.1.2　关键字参数和默认值32

4.1.3　作用域33

4.2　规范36

4.3　递归39

4.3.1　斐波那契数40

4.3.2　回文和分治42

4.4　全局变量44

4.5　模块45

4.6　文件47

第5章　结构化类型、可变性和高阶函数49

5.1　元组49

5.2　列表和可变性51

5.2.1　克隆55

5.2.2　列表解析56

5.3　函数对象57

5.4　字符串、元组和列表58

5.5　字典59

第6章　测试和调试63

6.1　测试63

6.1.1　黑盒测试64

6.1.2　白盒测试66

6.1.3　执行测试67

6.2　调试68

6.2.1　学习调试70

6.2.2　设计实验71

6.2.3　如果遇到阻碍73

6.2.4　找到“目标”错误之后74

第7章　异常和断言75

7.1　处理异常75

7.2　把异常当作控制流来使用78

7.3　断言81

第8章　类和面向对象编程82

8.1　抽象的数据类型和类82

8.1.1　使用抽象的数据类型来设计程序86

8.1.2　使用类来记录学生和教师86

8.2　继承88

8.2.1　多层继承90

8.2.2　替代法则92

8.3　封装和信息隐藏92

8.4　进阶实例：抵押贷款97

第9章　算法复杂度简介101

9.1　思考计算复杂度101

9.2　渐近表示104

9.3　一些重要的复杂度105

9.3.1　常数复杂度105

9.3.2　对数复杂度106

9.3.3　线性复杂度106

9.3.4　对数线性复杂度107

9.3.5　多项式复杂度107

9.3.6　指数复杂度108

9.3.7　复杂度对比110

第10章　一些简单的算法和数据结构112

10.1　搜索算法113

10.1.1　线性搜索和间接访问元素113

10.1.2　二分查找和利用假设114

10.2　排序算法117

10.2.1　归并排序118

10.2.2　把函数当做参数120

10.2.3　Python中的排序121

10.3　散列表122

第11章　绘图以及类的扩展内容126

11.1　使用PyLab绘图126

11.2　扩展实例：绘制抵押贷款131

第12章　随机算法、概率以及统计137

12.1　随机程序138

12.2　统计推断和模拟139

12.3　分布149

12.3.1　正态分布和置信水平151

12.3.2　均匀分布154

12.3.3　指数分布和几何分布154

12.3.4　本福德分布156

12.4　强队的获胜概率157

12.5　散列和碰撞160

第13章　随机游动和数据可视化163

13.1　醉汉游动163

13.2　有偏随机游动169

13.3　危机重重的田地175

第14章　蒙特卡罗模拟177

14.1　帕斯卡的问题178

14.2　过还是不过179

14.3　使用查表提高性能182

14.4　寻找π183

14.5　模拟模型的结束语187

第15章　理解实验数据189

15.1　弹簧的行为189

15.2　弹丸的行为196

15.2.1　决定系数198

15.2.2　使用计算模型199

15.3　拟合指数分布200

15.4　当理论缺失时203

第16章　谎言和统计205

16.1　垃圾输入只能产生垃圾输出205

16.2　图表会骗人206

16.3　与此谬误208

16.4　统计方法并不能代替数据209

16.5　抽样偏差210

16.6　语境问题211

16.7　当心外推法212

16.8　得克萨斯神枪手谬误213

16.9　百分比会说谎215

16.10　小心谨慎215

第17章　背包和图的最优化问题216

17.1　背包问题216

17.1.1　贪婪算法217

17.1.2　0/1背包问题的最优解法219

17.2　图的最优化问题222

17.2.1　一些典型的图论问题226

17.2.2　疾病传播和最小割227

17.2.3　最短路径、深度优先搜索和广度优先搜索227

第18章　动态规划233

18.1　斐波那契数列233

18.2　动态规划和0/1背包问题235

18.3　动态规划和分治241

第19章　机器学习简介242

19.1　特征向量244

19.2　距离度量245

19.3　聚类249

19.4　类型示例和聚类250

19.5　K-means聚类253

19.6　人造案例255

19.7　稍微真实一些的示例259

19.8　小结265

附录　Python 2.7快速参考266