Python计算思维与问题求解

本教材面向非计算机专业的大学生，旨在提高学生知识交叉融合、求解问题的能力。学科交叉是计算思维真正落地的有效举措，高等教育的本科教学中，各专业的教学培养方案环环相扣。全书分为基础篇和应用篇。基础篇以计算思维为导向，讲解计算求解的基本思维方式、Python的基础语法及数据结构；应用篇则面向实际问题的求解，介绍常见的计算问题及Python中的应对方法。本书内容布局简洁合理、深入浅出，力求达到基础学科知识应用融会贯通的目的。 为便于教学，本书提供了高质量的PPT，上机实验。线上教学配套资源丰富，包括重点章节的微课、程序代码、实例数据，通过二维码扫描即可获取。本书即可作为高等学校工科交叉类课程的教材，也可作为各专业计算类的课程的才考教材，也适合于自学者使用。

第一章 计算思维
1.1 计算思维基本概念及方法
1.1.1 计算思维基本概念
1.1.2 人类行为理解
1.1.3 抽象和分解
1.1.4 约简与结构化设计
1.1.5 面向过程与面向对象
1.2 计算思维案例
1.2.1 梯形积分逼近
1.2.2 插值与离散积分
1.2.3 计算模拟
思考题
第二章 Python语言基础
2.1 Python简介
2.2 Python编程环境
2.2.1 Python资源
2.2.2 运行环境
2.2.3 Python的运算速度
2.2.4 Python程序转换为exe文件
2.3 语言基本要素
2.3.1 基本数据类型
2.3.2 变量及常数
2.3.3 运算符
2.3.4 数据类型转换
2.3.5 输入输出
思考题
第三章 流程自动化
3.1 流程分支
3.2 循环
3.2.1 for循环
3.2.2 while循环
3.2.3 应用实例——二分法求弱酸溶液pH值
思考题
第四章 函数——归纳与抽象
4.1 数学库math
4.2 创建函数
4.2.1 自定义函数
4.2.2 变量的生存周期
4.3 递归函数
4.4 函数应用案例
4.4.1 求解一元二次方程的根
4.4.2 再求弱酸溶液pH值
4.4.3 遗传算法寻找函数极值
思考题
第五章 类——更高层次的抽象
5.1 类分析
5.2 类定义及对象
5.3 对象引用
5.4 类的继承
思考题
第六章 数据结构
6.1 序列：列表与元组
6.1.1 列表与元组定义
6.1.2 通用序列操作
6.1.3 列表操作
6.1.4 列表方法
6.1.5 对象列表与lambda表达式
6.1.6 列表遍历
6.2 字符串
6.2.1 字符串序列操作
6.2.2 字符串对象方法
6.3 序列内建函数
6.4 字典
6.5 案例
6.5.1 信号平滑滤波
6.5.2 K最近邻(KNN)算法
思考题
第七章 存储
7.1 文件
7.1.1 文本文件操作
7.1.2 综合案例——数据分拣
7.1.3 Excel文件
7.2 数据库
7.2.1 创建数据库及表
7.2.2 数据库更新
7.2.3 数据库查询
思考题
第八章 Python与计算求解
8.1 线性回归建模与预测
8.1.1 矩阵与文件的输入和输出
8.1.2 矩阵的初始化与重组
8.1.3 矩阵算术运算
8.1.4 奇异值分解与主成分分解
8.1.5 矩阵奇异值分析的应用
8.1.6 多元线性回归及案例
8.1.7 主成分回归及案例
8.2 数据可视化
8.2.1 制图基础
8.2.2 二维图及其制图要素
8.2.3 三维图制作
8.2.4 实测珠宝拉曼光谱图制作
8.2.5 联用仪器实测数据三维曲面图
8.2.6 色谱-DAD三维曲面的等高线图
8.2.7 鸢尾花分类模式显示
8.3 优化与拟合
8.3.1 科学计算包scipy简介
8.3.2 寻优
8.3.3 代数方程求根及方程组求解
8.3.4 曲线拟合
8.4 机器学习
8.4.1 机器学习的交叉验证策略
8.4.2 支持向量机
8.4.3 贝叶斯分类
8.4.4 决策树与随机森林
8.4.5 变量重要性及变量选择
8.4.6 空间降维及有效特征提取
8.4.7 小麦分类重要变量选择
8.4.8 手写数字识别
思考题
实验
实验一 梯形积分
实验二 编写函数
实验三 类建设及基于类的程序搭建
实验四 文件与对象列表
实验五 矩阵运算——多元线性回归
实验六 制作二维图
实验七 三维曲面及等高线图的制作
实验八 非线性方程组求解
实验九 Python数据库操作
实验十 机器学习与统计模式识别