| 作者 |
| 塞巴斯蒂安·拉施卡 瓦希德·米尔贾利利 道格·赫尔曼 |
| 丛书名 |
| 智能科学与技术丛书 |
| 出版社 |
| 机械工业出版社 |
| ISBN |
| 9782105181423 |
| 简要 |
| 简介 |
| 内容简介书籍计算机书籍 ---------------------------8080772 - Python机器学习（原书第3版）--------------------------- 本书自第1版出版以来，备受广大读者欢迎。与同类书相比，本书除了介绍如何用Python和基于Python的机器学习软件库进行实践外，还对机器学习概念的必要细节进行讨论，同时对机器学习算法的工作原理、使用方法以及如何避免掉入常见的陷阱提供直观且翔实的解释，是Python机器学习入门必读之作。它的内容涵盖了众多高效Python库，包括scikit-learn、Keras和TensorFlow等，系统性地梳理和分析了各种经典算法，并通过Python语言以具体代码示例的方式深入浅出地介绍了各种算法的应用，还给出了从情感分析到神经网络的一些实践技巧，这些内容能使你快速解决你和你的团队面临的一些重要问题。 ---------------------------8052829 - Python 3标准库--------------------------- 在本书中，你会看到用来处理文本、数据类型、算法、数学计算、文件系统、网络通信、Internet、XML、Email、加密、并发性、运行时和语言服务等各个方面的实用代码和解决方案。在内容安排上，每一节都会全面介绍一个模块，并提供一些很有价值的补充资源链接，这使得本书成为一本理想的Python标准库参考手册。 |
| 目录 |
| [套装书具体书目] 8052829 - Python 3标准库 - 9787111608950 - 机械工业出版社 - 定价 199 8080772 - Python机器学习（原书第3版） - 9787111681373 - 机械工业出版社 - 定价 149 ---------------------------8080772 - Python机器学习（原书第3版）--------------------------- 译者序 前言 作者简介 审校者简介 第1章 赋予计算机从数据中学习的能力1 1.1 构建能把数据转换为知识的智能机器1 1.2 三种不同类型的机器学习1 1.2.1 用监督学习预测未来2 1.2.2 用强化学习解决交互问题3 1.2.3 用无监督学习发现隐藏的结构4 1.3 基本术语与符号4 1.3.1 本书中使用的符号和约定5 1.3.2 机器学习的术语6 1.4 构建机器学习系统的路线图6 1.4.1 预处理——整理数据6 1.4.2 训练和选择预测模型7 1.4.3 评估模型并对未曾谋面的数据进行预测8 1.5 将Python用于机器学习8 1.5.1 利用Python Package Index安装Python及其他软件包8 1.5.2 采用Anaconda Python发行版和软件包管理器8 1.5.3 用于科学计算、数据科学和机器学习的软件包9 1.6 本章小结9 第2章 训练简单的机器学习分类算法10 2.1 人工神经元——机器学习的早期历史10 2.1.1 人工神经元的正式定义11 2.1.2 感知器学习规则12 2.2 用Python实现感知器学习算法14 2.2.1 面向对象的感知器API14 2.2.2 在鸢尾花数据集上训练感知器模型16 2.3 自适应线性神经元和学习收敛20 2.3.1 通过梯度下降最小化代价函数21 2.3.2 用Python实现Adaline22 2.3.3 通过特征缩放改善梯度下降26 2.3.4 大规模机器学习与随机梯度下降27 2.4 本章小结31 第3章 scikit-learn机器学习分类器32 3.1 选择分类算法32 3.2 了解scikit-learn的第一步——训练感知器32 3.3 基于逻辑回归的分类概率建模37 3.3.1 逻辑回归与条件概率37 3.3.2 学习逻辑代价函数的权重39 3.3.3 将Adaline实现转换为一个逻辑回归算法41 3.3.4 用scikit-learn训练逻辑回归模型44 3.3.5 通过正则化解决过拟合问题46 3.4 使用支持向量机最大化分类间隔48 3.4.1 对分类间隔最大化的直观认识48 3.4.2 用松弛变量解决非线性可分问题50 3.4.3 其他的scikit-learn实现51 3.5 用核支持向量机求解非线性问题51 3.5.1 处理线性不可分数据的核方法52 3.5.2 利用核技巧发现高维空间的分离超平面53 3.6 决策树学习56 3.6.1 最大化信息增益——获得最大收益56 3.6.2 构建决策树59 3.6.3 多个决策树的随机森林组合62 3.7 k-近邻——一种惰性学习算法64 3.8 本章小结66 第4章 构建良好的训练数据集——数据预处理67 4.1 处理缺失数据67 4.1.1 识别数据中的缺失值67 4.1.2 删除有缺失值的训练样本或特征68 4.1.3 填补缺失值69 4.1.4 了解scikit-learn估计器API69 4.2 处理类别数据70 4.2.1 用pandas实现类别数据的编码70 4.2.2 映射序数特征71 4.2.3 为分类标签编码71 4.2.4 为名义特征做独热编码72 4.3 把数据集划分为独立的训练数据集和测试数据集74 4.4 保持相同的特征缩放76 4.5 选择有意义的特征78 4.5.1 L1和L2正则化对模型复杂度的惩罚78 4.5.2 L2正则化的几何解释78 4.5.3 L1正则化的稀疏解决方案79 4.5.4 序列特征选择算法82 4.6 用随机森林评估特征的重要性86 4.7 本章小结88 第5章 通过降维压缩数据89 5.1 用主成分分析实现无监督降维89 5.1.1 主成分分析的主要步骤89 5.1.2 逐步提取主成分90 5.1.3 总方差和解释方差92 5.1.4 特征变换93 5.1.5 用scikit-learn实现主成分分析95 5.2 基于线性判别分析的监督数据压缩97 5.2.1 主成分分析与线性判别分析97 5.2.2 线性判别分析的内部工作原理98 5.2.3 计算散布矩阵98 5.2.4 为新特征子空间选择线性判别100 5.2.5 将样本投影到新的特征空间102 5.2.6 用scikit-learn实现LDA103 5.3 非线性映射的核主成分分析104 5.3.1 核函数与核技巧104 5.3.2 用Python实现核主成分分析107 5.3.3 投影新的数据点112 5.3.4 scikit-learn的核主成分分析115 5.4 本章小结116 第6章 模型评估和超参数调优的最佳实践117 6.1 用流水线方法简化工作流117 6.1.1 加载威斯康星乳腺癌数据集117 6.1.2 在流水线中集成转换器和估计器118 6.2 使用k折交叉验证评估模型性能120 6.2.1 holdout方法120 6.2.2 k折交叉验证121 6.3 用学习和验证曲线调试算法123 6.3.1 用学习曲线诊断偏差和方差问题124 6.3.2 用验证曲线解决过拟合和欠拟合问题126 6.4 通过网格搜索调优机器学习模型127 6.4.1 通过网格搜索调优超参数128 6.4.2 通过嵌套式交叉验证选择算法129 6.5 了解不同的性能评估指标130 6.5.1 分析混淆矩阵130 6.5.2 优化分类模型的精度和召回率131 6.5.3 绘制ROC曲线133 6.5.4 多元分类评分指标135 6.5.5 处理类不均衡问题135 6.6 本章小结137 第7章 组合不同模型的集成学习138 7.1 集成学习138 7.2 通过多数票机制组合分类器140 7.2.1 实现一个简单的多数票分类器141 7.2.2 用多数票原则进行预测145 7.2.3 评估和优化集成分类器147 7.3 bagging——基于bootstrap样本构建集成分类器151 7.3.1 bagging简介151 7.3.2 应用bagging对葡萄酒数据集中的样本分类152 7.4 通过自适应boosting提高弱学习机的性能155 7.4.1 boosting的工作原理156 7.4.2 用scikit-learn实现AdaBoost158 7.5 本章小结161 第8章 用机器学习进行情感分析162 8.1 为文本处理预备好IMDb电影评论数据162 8.1.1 获取电影评论数据集162 8.1.2 把电影评论数据集预处理成更方便的格式163 8.2 词袋模型介绍164 8.2.1 把单词转换成特征向量164 8.2.2 通过词频-逆文档频率评估单词相关性166 8.2.3 清洗文本数据167 8.2.4 把文档处理成令牌168 8.3 训练用于文档分类的逻辑回归模型170 8.4 处理更大的数据集——在线算法和核外学习172 8.5 用潜在狄利克雷分配实现主题建模174 8.5.1 使用LDA分解文本文档175 8.5.2 scikit-learn中的LDA175 8.6 本章小结178 第9章 将机器学习模型嵌入Web应用179 9.1 序列化拟合的scikit-learn估计器179 9.2 搭建SQLite数据库存储数据181 9.3 用Flask开发Web应用183 9.3.1 第一个Flask Web应用183 9.3.2 表单验证与渲染185 9.4 将电影评论分类器转换为Web应用189 9.4.1 文件与文件夹——研究树190 9.4.2 实现主应用app.py190 9.4.3 建立评论表单192 9.4.4 创建结果页面模板193 9.5 在公共服务器上部署Web应用195 9.5.1 创建PythonAnywhere账户195 9.5.2 上传电影分类器应用195 9.5.3 更新电影分类器196 9.6 本章小结198 第10章 用回归分析预测连续目标变量199 10.1 线性回归简介199 10.1.1 简单线性回归199 10.1.2 多元线性回归200 10.2 探索住房数据集200 10.2.1 加载住房数据200 10.2.2 可视化数据集的重要特点202 10.2.3 用相关矩阵查看关系203 10.3 普通最小二乘线性回归模型的实现205 10.3.1 用梯度下降方法求解回归参数205 10.3.2 通过scikit-learn估计回归模型的系数207 10.4 利用RANSAC拟合鲁棒回归模型209 10.5 评估线性回归模型的性能211 10.6 用正则化方法进行回归213 10.7 将线性回归模型转换为曲线——多项式回归214 10.7.1 用scikit-learn增加多项式项214 10.7.2 为住房数据集中的非线性关系建模216 10.8 用随机森林处理非线性关系218 10.8.1 决策树回归218 10.8.2 随机森林回归219 10.9 本章小结221 第11章 用聚类分析处理无标签数据223 11.1 用k-均值进行相似性分组223 11.1.1 用scikit-learn实现k-均值聚类223 11.1.2 k-均值++——更聪明地设置初始集群质心的方法226 11.1.3 硬聚类与软聚类227 11.1.4 用肘部方法求解最优集群数228 11.1.5 通过轮廓图量化聚类质量229 11.2 把集群组织成层次树233 11.2.1 以自下而上的方式聚类233 11.2.2 在距离矩阵上进行层次聚类234 11.2.3 热度图附加树状图236 11.2.4 通过scikit-learn进行凝聚聚类238 11.3 通过DBSCAN定位高密度区域238 11.4 本章小结242 第12章 从零开始实现多层人工神经网络243 12.1 用人工神经网络建立复杂函数模型243 12.1.1 单层神经网络回顾244 12.1.2 多层神经网络体系结构简介245 12.1.3 利用正向传播激活神经网络247 12.2 识别手写数字249 12.2.1 获取并准备MNIST数据集249 12.2.2 实现一个多层感知器254 12.3 训练人工神经网络262 12.3.1 逻辑代价函数的计算262 12.3.2 理解反向传播264 12.3.3 通过反向传播训练神经网络265 12.4 关于神经网络的收敛性267 12.5 关于神经网络实现的最后几句话268 12.6 本章小结268 第13章 用TensorFlow并行训练神经网络269 13.1 TensorFlow与模型训练的性能269 13.1.1 性能挑战269 13.1.2 什么是TensorFlow270 13.1.3 如何学习TensorFlow271 13.2 学习TensorFlow的第一步271 13.2.1 安装TensorFlow271 13.2.2 在TensorFlow中创建张量272 13.2.3 对张量形状和数据类型进行操作273 13.2.4 对张量进行数学运算273 13.2.5 拆分、堆叠和连接张量275 13.3 用TensorFlow的Dataset API构建输入流水线276 13.3.1 用现存张量创建TensorFlow的数据集276 13.3.2 把两个张量整合成一个联合数据集277 13.3.3 洗牌、批处理和重复278 13.3.4 从本地磁盘的文件创建数据集280 13.3.5 从tensorflow_datasets获取可用的数据集282 13.4 在TensorFlow中构建神经网络模型286 13.4.1 TensorFlow Keras API（tf.keras）287 13.4.2 构建线性回归模型287 13.4.3 通过.compile()和.fit()方法训练模型291 13.4.4 在鸢尾花数据集上构建多层分类感知器291 13.4.5 在测试数据集上评估训练后的模型294 13.4.6 保存并重新加载训练后的模型294 13.5 选择多层神经网络的激活函数295 13.5.1 关于逻辑函数的回顾295 13.5.2 在多元分类中调用softmax函数评估分类概率296 13.5.3 利用双曲正切拓宽输出范围297 13.5.4 修正线性单元激活函数299 13.6 本章小结300 第14章 深入探讨TensorFlow的工作原理301 14.1 TensorFlow的主要功能301 14.2 TensorFlow的计算图：迁移到TensorFlow v2302 14.2.1 了解TensorFlow的计算图302 14.2.2 在TensorFlow v1.x中创建计算图302 14.2.3 将计算图迁移到TensorFlow v2303 14.2.4 在TensorFlow v1.x中将输入数据加载到模型304 14.2.5 在TensorFlow v2中将输入数据加载到模型304 14.2.6 通过函数修饰器提高计算性能305 14.3 用于存储和更新模型参数的TensorFlow变量对象306 14.4 通过自动微分和GradientTape计算梯度309 14.4.1 针对可训练变量计算损失的梯度309 14.4.2 针对不可训练张量计算梯度310 14.4.3 保留用于多个梯度计算的资源311 14.5 通过Keras API简化通用体系结构的实现311 14.5.1 解决XOR分类问题313 14.5.2 用Keras的函数式API灵活建模317 14.5.3 基于Keras的Model类建模318 14.5.4 编写自定义Keras层318 14.6 TensorFlow估计器321 14.6.1 使用特征列322 14.6.2 带预制估计器的机器学习325 14.6.3 用估计器进行MNIST手写数字分类328 14.6.4 基于现有Keras模型创建自定义估计器329 14.7 本章小结331 第15章 用深度卷积神经网络为图像分类332 15.1 构成卷积神经网络的模块332 15.1.1 理解CNN与特征层次332 15.1.2 离散卷积计算334 15.1.3 子采样层340 15.2 构建卷积神经网络341 15.2.1 处理多个输入或者颜色通道341 15.2.2 通过dropout正则化神经网络344 15.2.3 分类过程中的损失函数346 15.3 用TensorFlow实现深度卷积神经网络347 15.3.1 多层卷积神经网络的体系结构348 15.3.2 数据加载和预处理348 15.3.3 用TensorFlow的Keras API实现卷积神经网络模型349 15.4 用卷积神经网络根据人脸图像进行性别分类353 15.4.1 加载CelebA数据集354 15.4.2 图像转换和数据扩增354 15.4.3 训练基于卷积神经网络的性别分类器359 15.5 本章小结363 第16章 用循环神经网络为序列数据建模364 16.1 序列数据介绍364 16.1.1 序列数据建模——顺序很重要364 16.1.2 序列数据的表达365 16.1.3 不同类别的序列建模365 16.2 循环神经网络序列建模366 16.2.1 了解循环神经网络的循环机制366 16.2.2 在循环神经网络中计算激活值367 16.2.3 隐藏循环与输出循环369 16.2.4 学习长程交互面临的挑战371 16.2.5 长短期记忆单元372 16.3 用TensorFlow实现循环神经网络序列建模374 16.3.1 项目1：对IMDb电影评论进行情感分析374 16.3.2 项目2：用TensorFlow实现字符级语言建模385 16.4 用转换器模型理解语言394 16.4.1 了解自注意力机制394 16.4.2 多头注意力和转换器块396 16.5 本章小结397 第17章 用生成对抗网络合成新数据398 17.1 生成对抗网络介绍398 17.1.1 自编码器398 17.1.2 用于合成新数据的生成模型400 17.1.3 用GAN生成新样本401 17.1.4 理解GAN模型中生成器和判别器网络的损失函数402 17.2 从零开始实现GAN403 17.2.1 用谷歌Colab训练GAN模型403 17.2.2 实现生成器和判别器网络405 17.2.3 定义训练数据集408 17.2.4 训练GAN模型409 17.3 用卷积和Wasserstein GAN提高合成图像的质量415 17.3.1 转置卷积416 17.3.2 批归一化417 17.3.3 实现生成器和判别器419 17.3.4 两个分布之间相异度的度量423 17.3.5 在GAN实践中使用EM距离426 17.3.6 梯度惩罚426 17.3.7 实现WGAN-GP来训练DCGAN模型427 17.3.8 模式坍塌429 17.4 其他的GAN应用431 17.5 本章小结432 第18章 用于复杂环境决策的强化学习433 18.1 概述——从经验中学习433 18.1.1 了解强化学习433 18.1.2 定义强化学习系统的智能体环境接口434 18.2 RL的理论基础435 18.2.1 马尔可夫决策过程435 18.2.2 马尔可夫决策过程的数学公式436 18.2.3 RL术语：回报、策略和价值函数438 18.2.4 用贝尔曼方程动态编程440 18.3 强化学习算法441 18.3.1 动态编程441 18.3.2 蒙特卡罗强化学习443 18.3.3 时序差分学习444 18.4 实现第一个RL算法446 18.4.1 介绍OpenAI Gym工具包446 18.4.2 用Q学习解决网格世界问题453 18.4.3 深度Q学习概览456 18.5 本章小结462 ---------------------------8052829 - Python 3标准库--------------------------- 译者序 前言 第1章 文本 1 1.1 string：文本常量和模板 1 1.1.1 函数 1 1.1.2 模板 2 1.1.3 高级模板 3 1.1.4 Formatter 5 1.1.5 常量 5 1.2 textwrap：格式化文本段落 6 1.2.1 示例数据 6 1.2.2 填充段落 7 1.2.3 去除现有的缩进 7 1.2.4 结合dedent和fill 8 1.2.5 缩进块 8 1.2.6 悬挂缩进 10 1.2.7 截断长文本 10 1.3 re：正则表达式 11 1.3.1 查找文本中的模式 11 1.3.2 编译表达式 12 1.3.3 多重匹配 13 1.3.4 模式语法 14 1.3.5 限制搜索 22 1.3.6 用组解析匹配 24 1.3.7 搜索选项 29 1.3.8 前向或后向 35 1.3.9 自引用表达式 38 1.3.10 用模式修改字符串 42 1.3.11 利用模式拆分 44 1.4 difflib：比较序列 46 1.4.1 比较文本体 47 1.4.2 无用数据 49 1.4.3 比较任意类型 50 第2章 数据结构 52 2.1 enum：枚举类型 53 2.1.1 创建枚举 53 2.1.2 迭代 53 2.1.3 比较Enum 54 2.1.4 唯一枚举值 55 2.1.5 通过编程创建枚举 56 2.1.6 非整数成员值 58 2.2 collections：容器数据类型 60 2.2.1 ChainMap：搜索多个字典 60 2.2.2 Counter：统计可散列的对象 63 2.2.3 defaultdict：缺少的键返回一个默认值 66 2.2.4 deque：双端队列 67 2.2.5 namedtuple：带命名字段的元组子类 70 2.2.6 OrderedDict：记住向字典中增加键的顺序 74 2.2.7 collections.abc：容器的抽象基类 76 2.3 数组：固定类型数据序列 78 2.3.1 初始化 78 2.3.2 处理数组 79 2.3.3 数组和文件 79 2.3.4 候选字节顺序 80 2.4 heapq：堆排序算法 81 2.4.1 示例数据 81 2.4.2 创建堆 82 2.4.3 访问堆的内容 83 2.4.4 堆的数据极值 85 2.4.5 高效合并有序序列 85 2.5 bisect：维护有序列表 86 2.5.1 有序插入 86 2.5.2 处理重复 87 2.6 queue：线程安全的FIFO实现 88 2.6.1 基本FIFO队列 88 2.6.2 LIFO队列 89 2.6.3 优先队列 89 2.6.4 构建一个多线程播客客户程序 90 2.7 struct：二进制数据结构 93 2.7.1 函数与Struct类 93 2.7.2 打包和解包 93 2.7.3 字节序 94 2.7.4 缓冲区 95 2.8 weakref：对象的非永久引用 96 2.8.1 引用 96 2.8.2 引用回调 97 2.8.3 最终化对象 98 2.8.4 代理 100 2.8.5 缓存对象 101 2.9 copy：复制对象 103 2.9.1 浅副本 103 2.9.2 深副本 104 2.9.3 定制复制行为 105 2.9.4 深副本中的递归 106 2.10 pprint：美观打印数据结构 107 2.10.1 打印 108 2.10.2 格式化 108 2.10.3 任意类 109 2.10.4 递归 110 2.10.5 限制嵌套输出 110 2.10.6 控制输出宽度 111 第3章 算法 113 3.1 functools：管理函数的工具 113 3.1.1 修饰符 113 3.1.2 比较 119 3.1.3 缓存 122 3.1.4 缩减数据集 125 3.1.5 泛型函数 127 3.2 itertools：迭代器函数 129 3.2.1 合并和分解迭代器 129 3.2.2 转换输入 132 3.2.3 生成新值 133 3.2.4 过滤 135 3.2.5 数据分组 138 3.2.6 合并输入 139 3.3 operator：内置操作符的函数接口 144 3.3.1 逻辑操作 144 3.3.2 比较操作符 145 3.3.3 算术操作符 145 3.3.4 序列操作符 146 3.3.5 原地操作符 148 3.3.6 属性和元素“获取方法” 148 3.3.7 结合操作符和定制类 150 3.4 contextlib：上下文管理器工具 151 3.4.1 上下文管理器API 151 3.4.2 上下文管理器作为函数修饰符 153 3.4.3 从生成器到上下文管理器 154 3.4.4 关闭打开的句柄 156 3.4.5 忽略异常 157 3.4.6 重定向输出流 158 3.4.7 动态上下文管理器栈 159 第4章 日期和时间 166 4.1 time：时钟时间 166 4.1.1 比较时钟 166 4.1.2 墙上时钟时间 167 4.1.3 单调时钟 168 4.1.4 处理器时钟时间 169 4.1.5 性能计数器 170 4.1.6 时间组成 170 4.1.7 处理时区 171 4.1.8 解析和格式化时间 172 4.2 datetime：日期和时间值管理 174 4.2.1 时间 174 4.2.2 日期 175 4.2.3 timedelta 177 4.2.4 日期算术运算 178 4.2.5 比较值 179 4.2.6 结合日期和时间 179 4.2.7 格式化和解析 180 4.2.8 时区 182 4.3 calendar：处理日期 183 4.3.1 格式化示例 183 4.3.2 本地化环境 185 4.3.3 计算日期 186 第5章 数学运算 188 5.1 decimal：定点数和浮点数的数学运算 188 5.1.1 Decimal 188 5.1.2 格式化 189 5.1.3 算术运算 190 5.1.4 特殊值 191 5.1.5 上下文 192 5.2 fractions：有理数 196 5.2.1 创建Fraction实例 197 5.2.2 算术运算 198 5.2.3 近似值 199 5.3 random：伪随机数生成器 199 5.3.1 生成随机数 200 5.3.2 指定种子 200 5.3.3 保存状态 201 5.3.4 随机整数 202 5.3.5 选择随机元素 203 5.3.6 排列 203 5.3.7 采样 205 5.3.8 多个并发生成器 205 5.3.9 SystemRandom 206 5.3.10 非均匀分布 207 5.4 math：数学函数 208 5.4.1 特殊常量 208 5.4.2 测试异常值 208 5.4.3 比较 210 5.4.4 将浮点值转换为整数 212 5.4.5 浮点值的其他表示 213 5.4.6 正号和负号 214 5.4.7 常用计算 215 5.4.8 指数和对数 218 5.4.9 角 222 5.4.10 三角函数 224 5.4.11 双曲函数 226 5.4.12 特殊函数 227 5.5 statistics：统计计算 228 5.5.1 平均值 228 5.5.2 方差 230 第6章 文件系统 232 6.1 os.path：平台独立的文件名管理 233 6.1.1 解析路径 233 6.1.2 建立路径 236 6.1.3 规范化路径 237 6.1.4 文件时间 238 6.1.5 测试文件 238 6.2 pathlib：文件系统路径作为对象 240 6.2.1 路径表示 240 6.2.2 建立路径 240 6.2.3 解析路径 242 6.2.4 创建具体路径 243 6.2.5 内容 244 6.2.6 读写文件 246 6.2.7 管理和符号链接 246 6.2.8 文件类型 247 6.2.9 文件属性 248 6.2.10 权限 250 6.2.11 删除 250 6.3 glob：文件名模式匹配 252 6.3.1 示例数据 252 6.3.2 通配符 252 6.3.3 单字符通配符 253 6.3.4 字符区间 253 6.3.5 转义元字符 254 6.4 fnmatch：UNIX式glob模式匹配 254 6.4.1 简单匹配 254 6.4.2 过滤 255 6.4.3 转换模式 256 6.5 linecache：高效读取文本文件 257 6.5.1 测试数据 257 6.5.2 读取特定行 257 6.5.3 处理空行 258 6.5.4 错误处理 258 6.5.5 读取Python源文件 259 6.6 tempfile：临时文件系统对象 260 6.6.1 临时文件 260 6.6.2 命名文件 262 6.6.3 假脱机文件 262 6.6.4 临时 263 6.6.5 预测名 264 6.6.6 临时文件位置 264 6.7 shutil：高层文件操作 265 6.7.1 复制文件 265 6.7.2 复制文件元数据 268 6.7.3 处理树 269 6.7.4 查找文件 271 6.7.5 归档 272 6.7.6 文件系统空间 275 6.8 filecmp：比较文件 276 6.8.1 示例数据 276 6.8.2 比较文件 278 6.8.3 比较 279 6.8.4 在程序中使用差异 280 6.9 mmap：内存映射文件 283 6.9.1 读文件 284 6.9.2 写文件 285 6.9.3 正则表达式 286 6.10 codecs：字符串编码和解码 287 6.10.1 Unicode入门 287 6.10.2 处理文件 289 6.10.3 字节序 291 6.10.4 错误处理 293 6.10.5 编码转换 295 6.10.6 非Unicode编码 296 6.10.7 增量编码 297 6.10.8 Unicode数据和网络通信 299 6.10.9 定义定制编码 301 6.11 io：文本、十进制和原始流I/O工具 307 6.11.1 内存中的流 307 6.11.2 为文本数据包装字节流 308 第7章 数据持久存储与交换 310 7.1 pickle：对象串行化 311 7.1.1 编码和解码字符串中的数据 311 7.1.2 处理流 312 7.1.3 重构对象的问题 313 7.1.4 不可腌制的对象 314 7.1.5 循环引用 316 7.2 shelve：对象的持久存储 318 7.2.1 创建一个新shelf 318 7.2.2 写回 319 7.2.3 特定shelf类型 320 7.3 dbm：UNIX键-值数据库 320 7.3.1 数据库类型 321 7.3.2 创建一个新数据库 321 7.3.3 打开一个现有数据库 322 7.3.4 错误情况 322 7.4 sqlite3：嵌入式关系数据库 323 7.4.1 创建数据库 323 7.4.2 获取数据 326 7.4.3 查询元数据 327 7.4.4 行对象 328 7.4.5 在查询中使用变量 329 7.4.6 批量加载 331 7.4.7 定义新的列类型 331 7.4.8 确定列类型 334 7.4.9 事务 336 7.4.10 隔离级别 338 7.4.11 内存中的数据库 341 7.4.12 导出数据库内容 341 7.4.13 在SQL中使用Python函数 342 7.4.14 带正则表达式的查询 344 7.4.15 定制聚集 345 7.4.16 线程和连接共享 346 7.4.17 限制对数据的访问 347 7.5 xml.etree.ElementTree：XML操纵API 349 7.5.1 解析XML文档 349 7.5.2 遍历解析树 350 7.5.3 查找文档中的节点 351 7.5.4 解析节点属性 352 7.5.5 解析时监视事件 354 7.5.6 创建一个定制树构造器 356 7.5.7 解析串 357 7.5.8 用元素节点构造文档 359 7.5.9 美观打印XML 359 7.5.10 设置元素属性 360 7.5.11 由节点列表构造树 362 7.5.12 将XML串行化至一个流 364 7.6 csv：逗号分隔值文件 366 7.6.1 读文件 366 7.6.2 写文件 367 7.6.3 方言 368 7.6.4 使用字段名 373 第8章 数据压缩与归档 375 8.1 zlib：GNU zlib压缩 375 8.1.1 处理内存中的数据 375 8.1.2 增量压缩与解压缩 377 8.1.3 混合内容流 378 8.1.4 校验和 378 8.1.5 压缩网络数据 379 8.2 gzip：读写GNU zip文件 382 8.2.1 写压缩文件 382 8.2.2 读压缩数据 384 8.2.3 处理流 385 8.3 bz2：bzip2压缩 386 8.3.1 内存中的一次性操作 386 8.3.2 增量压缩和解压缩 388 8.3.3 混合内容流 388 8.3.4 写压缩文件 389 8.3.5 读压缩文件 390 8.3.6 读写Unicode数据 391 8.3.7 压缩网络数据 392 8.4 tarfile：tar归档访问 395 8.4.1 测试tar文件 396 8.4.2 从归档读取元数据 396 8.4.3 从归档抽取文件 397 8.4.4 创建新归档 399 8.4.5 使用候选归档成员名 399 8.4.6 从非文件源写数据 400 8.4.7 追加到归档 400 8.4.8 处理压缩归档 401 8.5 zipfile：ZIP归档访问 402 8.5.1 测试ZIP文件 402 8.5.2 从归档读取元数据 402 8.5.3 从归档抽取归档文件 404 8.5.4 创建新归档 404 8.5.5 使用候选归档成员名 406 8.5.6 从非文件源写数据 406 8.5.7 利用ZipInfo实例写数据 407 8.5.8 追加到文件 407 8.5.9 Python ZIP归档 408 8.5.10 限制 410 第9章 加密 411 9.1 hashlib：密码散列 411 9.1.1 散列算法 411 9.1.2 示例数据 412 9.1.3 MD5示例 412 9.1.4 SHA1示例 412 9.1.5 按名创建散列 413 9.1.6 增量更新 413 9.2 hmac：密码消息签名与验证 414 9.2.1 消息签名 415 9.2.2 候选摘要类型 415 9.2.3 二进制摘要 416 9.2.4 消息签名的应用 416 第 10 章 使用进程、线程和协程提供并发性 420 10.1 subprocess：创建附加进程 420 10.1.1 运行外部命令 421 10.1.2 直接处理管道 425 10.1.3 连接管道段 427 10.1.4 与其他命令交互 428 10.1.5 进程间传递信号 430 10.2 signal：异步系统事件 434 10.2.1 接收信号 434 10.2.2 获取已注册的处理器 435 10.2.3 发送信号 436 10.2.4 闹铃 436 10.2.5 忽略信号 437 10.2.6 信号和线程 438 10.3 threading：进程中管理并发操作 440 10.3.1 Thread对象 440 10.3.2 确定当前线程 441 10.3.3 守护与非守护线程 442 10.3.4 枚举所有线程 444 10.3.5 派生线程 445 10.3.6 定时器线程 447 10.3.7 线程间传送信号 447 10.3.8 控制资源访问 449 10.3.9 同步线程 453 10.3.10 限制资源的并发访问 456 10.3.11 线程特定的数据 457 10.4 multiprocessing：像线程一样管理进程 459 10.4.1 multiprocessing基础 460 10.4.2 可导入的目标函数 461 10.4.3 确定当前进程 461 10.4.4 守护进程 462 10.4.5 等待进程 463 10.4.6 终止进程 465 10.4.7 进程退出状态 466 10.4.8 日志 467 10.4.9 派生进程 469 10.4.10 向进程传递消息 469 10.4.11 进程间信号传输 472 10.4.12 控制资源访问 473 10.4.13 同步操作 474 10.4.14 控制资源的并发访问 475 10.4.15 管理共享状态 476 10.4.16 共享命名空间 477 10.4.17 进程池 479 10.4.18 实现MapReduce 480 10.5 asyncio：异步I/O、事件循环和并发工具 484 10.5.1 异步并发概念 484 10.5.2 利用协程合作完成多任务 485 10.5.3 调度常规函数调用 488 10.5.4 异步地生成结果 490 10.5.5 并发地执行任务 492 10.5.6 组合协程和控制结构 495 10.5.7 同步原语 499 10.5.8 提供协议类抽象的异步I/O 505 10.5.9 使用协程和流的异步I/O 510 10.5.10 使用SSL 514 10.5.11 与域名服务交互 516 10.5.12 使用子进程 518 10.5.13 接收UNIX信号 523 10.5.14 结合使用协程、线程与进程 525 10.5.15 用asyncio调试 527 10.6 concurrent.futures：管理并发任务池 530 10.6.1 利用基本线程池使用map() 531 10.6.2 调度单个任务 532 10.6.3 按任意顺序等待任务 532 10.6.4 Future回调 533 10.6.5 撤销任务 534 10.6.6 任务中的异常 535 10.6.7 上下文管理器 536 10.6.8 进程池 537 第 11 章 网络通信 539 11.1 ipaddress：Internet地址 539 11.1.1 地址 539 11.1.2 网络 540 11.1.3 接口 543 11.2 socket：网络通信 544 11.2.1 寻址、协议簇和套接字类型 544 11.2.2 TCP/IP客户和服务器 552 11.2.3 用户数据报客户和服务器 558 11.2.4 UNIX域套接字 560 11.2.5 组播 563 11.2.6 发送二进制数据 566 11.2.7 非阻塞通信和超时 568 11.3 selectors：I/O多路复用抽象 568 11.3.1 操作模型 569 11.3.2 回送服务器 569 11.3.3 回送客户 570 11.3.4 服务器和客户 571 11.4 select：高效等待I/O 572 11.4.1 使用select() 572 11.4.2 带超时的非阻塞I/O 577 11.4.3 使用poll() 579 11.4.4 平台特定的选项 582 11.5 socketserver：创建网络服务器 583 11.5.1 服务器类型 583 11.5.2 服务器对象 583 11.5.3 实现服务器 584 11.5.4 请求处理器 584 11.5.5 回送示例 584 11.5.6 线程和进程 588 第 12 章 互联网 592 12.1 urllib.parse：分解URL 592 12.1.1 解析 593 12.1.2 反解析 595 12.1.3 连接 596 12.1.4 解码查询参数 597 12.2 urllib.request：网络资源访问 599 12.2.1 HTTP GET 599 12.2.2 编码参数 600 12.2.3 HTTP POST 601 12.2.4 添加发出首部 602 12.2.5 从请求提交表单数据 602 12.2.6 上传文件 603 12.2.7 创建定制协议处理器 606 12.3 urllib.robotparser: Internet蜘蛛访问控制 608 12.3.1 robots.txt 608 12.3.2 测试访问权限 609 12.3.3 长寿命蜘蛛 610 12.4 base64：用ASCII编码二进制数据 611 12.4.1 Base64编码 611 12.4.2 Base64解码 612 12.4.3 URL安全的变种 612 12.4.4 其他编码 613 12.5 http.server：实现Web服务器的基类 615 12.5.1 HTTP GET 615 12.5.2 HTTP POST 616 12.5.3 线程和进程 618 12.5.4 处理错误 619 12.5.5 设置首部 620 12.5.6 命令行用法 621 12.6 http.cookies：HTTP cookie 622 12.6.1 创建和设置cookie 622 12.6.2 Morsel 622 12.6.3 编码的值 624 12.6.4 接收和解析Cookie首部 624 12.6.5 候选输出格式 625 12.7 webbrowser：显示Web页面 626 12.7.1 简单示例 626 12.7.2 窗口与标签页 626 12.7.3 使用特定浏览器 627 12.7.4 BROWSER变量 627 12.7.5 命令行接口 627 12.8 uuid：全局唯一标识符 628 12.8.1 UUID 1：IEEE 802 MAC地址 628 12.8.2 UUID 3和5：基于名字的值 630 12.8.3 UUID 4：随机值 631 12.8.4 处理UUID对象 631 12.9 json：JavaScript对象记法 632 12.9.1 编码和解码简单数据类型 633 12.9.2 人类可读和紧凑输出 633 12.9.3 编码字典 635 12.9.4 处理定制类型 636 12.9.5 编码器和解码器类 638 12.9.6 处理流和文件 640 12.9.7 混合数据流 641 12.9.8 命令行上处理JSON 641 12.10 xmlrpc.client：XML-RPC的客户库 642 12.10.1 连接服务器 643 12.10.2 数据类型 645 12.10.3 传递对象 648 12.10.4 二进制数据 648 12.10.5 异常处理 650 12.10.6 将调用组合在一个消息中 650 12.11 xmlrpc.server：一个XML-RPC服务器 652 12.11.1 一个简单的服务器 652 12.11.2 候选API名 653 12.11.3 加点的API名 654 12.11.4 任意API名 655 12.11.5 公布对象的方法 656 12.11.6 分派调用 657 12.11.7 自省API 659 第 13 章 email 662 13.1 smtplib：简单邮件传输协议客户 662 13.1.1 发送email消息 662 13.1.2 认证和加密 663 13.1.3 验证email地址 666 13.2 smtpd：示例邮件服务器 667 13.2.1 邮件服务器基类 667 13.2.2 调试服务器 669 13.2.3 代理服务器 670 13.3 mailbox：管理email归档 670 13.3.1 mbox 671 13.3.2 Maildir 673 13.3.3 消息标志 678 13.3.4 其他格式 680 13.4 imaplib：IMAP4客户库 680 13.4.1 变种 680 13.4.2 连接服务器 681 13.4.3 示例配置 682 13.4.4 列出邮箱 682 13.4.5 邮箱状态 684 13.4.6 选择邮箱 686 13.4.7 搜索消息 686 13.4.8 搜索规则 687 13.4.9 获取消息 689 13.4.10 完整消息 693 13.4.11 上传消息 694 13.4.12 移动和复制消息 695 13.4.13 删除消息 696 第 14 章 应用构建模块 699 14.1 argparse：命令行选项和参数解析 700 14.1.1 建立解析器 700 14.1.2 定义参数 700 14.1.3 解析命令行 700 14.1.4 简单示例 701 14.1.5 帮助输出 707 14.1.6 解析器组织 711 14.1.7 高级参数处理 716 14.2 getopt：命令行选项解析 722 14.2.1 函数参数 722 14.2.2 短格式选项 723 14.2.3 长格式选项 723 14.2.4 一个完整的例子 723 14.2.5 缩写长格式选项 725 14.2.6 GNU式选项解析 725 14.2.7 结束参数处理 726 14.3 readline：GNU readline库 727 14.3.1 配置readline 727 14.3.2 完成文本 728 14.3.3 访问完成缓冲区 731 14.3.4 输入历史 733 14.3.5 hook 736 14.4 getpass：安全密码提示 737 14.4.1 示例 737 14.4.2 无终端使用getpass 738 14.5 cmd：面向行的命令处理器 739 14.5.1 处理命令 739 14.5.2 命令参数 740 14.5.3 现场帮助 741 14.5.4 自动完成 742 14.5.5 覆盖基类方法 744 14.5.6 通过属性配置Cmd 745 14.5.7 运行shell命令 746 14.5.8 候选输入 747 14.5.9 sys.argv的命令 748 14.6 shlex：解析shell类语法 749 14.6.1 解析加引号的字符串 749 14.6.2 为shell建立安全的字符串 751 14.6.3 嵌入注释 751 14.6.4 将字符串分解为token 752 14.6.5 包含其他token源 752 14.6.6 控制解析器 753 14.6.7 错误处理 755 14.6.8 POSIX与非POSIX解析 756 14.7 configparser：处理配置文件 757 14.7.1 配置文件格式 757 14.7.2 读取配置文件 758 14.7.3 访问配置设置 759 14.7.4 修改设置 765 14.7.5 保存配置文件 766 14.7.6 选项搜索路径 767 14.7.7 用拼接合并值 768 14.8 logging：报告状态、错误和信息消息 772 14.8.1 日志系统的组成 773 14.8.2 应用与库中的日志记录 773 14.8.3 记入文件 773 14.8.4 旋转日志文件 774 14.8.5 详细级别 774 14.8.6 命名日志记录器实例 776 14.8.7 日志树 776 14.8.8 与warnings模块集成 777 14.9 fileinput：命令行过滤器框架 778 14.9.1 将m3u文件转换为RSS 778 14.9.2 进度元数据 779 14.9.3 原地过滤 781 14.10 atexit：程序关闭回调 782 14.10.1 注册退出回调 782 14.10.2 修饰符语法 783 14.10.3 撤销回调 784 14.10.4 什么情况下不调用atexit函数 785 14.10.5 处理异常 786 14.11 sched：定时事件调度器 787 14.11.1 有延迟地运行事件 788 14.11.2 重叠事件 788 14.11.3 事件优先级 789 14.11.4 取消事件 790 第 15 章 国际化和本地化 791 15.1 gettext：消息编目 791 15.1.1 转换工作流概述 791 15.1.2 由源代码创建消息编目 792 15.1.3 运行时查找消息编目 794 15.1.4 复数值 795 15.1.5 应用与模块本地化 797 15.1.6 切换转换 798 15.2 locale：文化本地化API 798 15.2.1 探查当前本地化环境 799 15.2.2 货币 803 15.2.3 格式化数字 804 15.2.4 解析数字 805 15.2.5 日期和时间 806 第 16 章 开发工具 807 16.1 pydoc：模块的联机帮助 808 16.1.1 纯文本帮助 808 16.1.2 HTML帮助 809 16.1.3 交互式帮助 809 16.2 doctest：通过文档完成测试 810 16.2.1 起步 810 16.2.2 处理不可预测的输出 811 16.2.3 traceback 814 16.2.4 避开空白符 815 16.2.5 测试位置 819 16.2.6 外部文档 822 16.2.7 运行测试 824 16.2.8 测试上下文 827 16.3 unittest：自动测试框架 829 16.3.1 基本测试结构 829 16.3.2 运行测试 829 16.3.3 测试结果 830 16.3.4 断言真值 831 16.3.5 测试相等性 832 16.3.6 几乎相等？ 833 16.3.7 容器 833 16.3.8 测试异常 837 16.3.9 测试固件 838 16.3.10 用不同输入重复测试 840 16.3.11 跳过测试 842 16.3.12 忽略失败测试 842 16.4 trace：执行程序流 843 16.4.1 示例程序 843 16.4.2 跟踪执行 844 16.4.3 代码覆盖 845 16.4.4 调用关系 847 16.4.5 编程接口 848 16.4.6 保存结果数据 849 16.4.7 选项 850 16.5 traceback：异常和栈轨迹 850 16.5.1 支持函数 851 16.5.2 检查栈 851 16.5.3 traceback异常 853 16.5.4 底层异常API 854 16.5.5 底层栈API 857 16.6 cgitb：详细的traceback报告 859 16.6.1 标准traceback转储 859 16.6.2 启用详细的traceback 860 16.6.3 traceback中的局部变量 862 16.6.4 异常属性 864 16.6.5 HTML输出 866 16.6.6 记录traceback 866 16.7 pdb：交互式调试工具 868 16.7.1 启动调试工具 869 16.7.2 控制调试工具 871 16.7.3 断点 881 16.7.4 改变执行流 890 16.7.5 用别名定制调试工具 895 16.7.6 保存配置设置 897 16.8 profile和pstats：性能分析 898 16.8.1 运行性能分析工具 898 16.8.2 在上下文中运行 901 16.8.3 pstats：保存和处理统计信息 901 16.8.4 限制报告内容 903 16.8.5 调用者/被调用者图 903 16.9 timeit：测量小段Python代码执行的时间 905 16.9.1 模块内容 905 16.9.2 基本示例 905 16.9.3 将值存储在字典中 906 16.9.4 从命令行执行 908 16.10 tabnanny：缩进验证工具 909 16.11 compileall：字节编译源文件 910 16.11.1 编译一个 910 16.11.2 忽略文件 911 16.11.3 编译sys.path 912 16.11.4 编译单个文件 912 16.11.5 从命令行运行 913 16.12 pyclbr：类浏览器 914 16.12.1 扫描类 915 16.12.2 扫描函数 916 16.13 venv：创建虚拟环境 917 16.13.1 创建环境 917 16.13.2 虚拟环境的内容 917 16.13.3 使用虚拟环境 918 16.14 ensurepip：安装Python包安装工具 920 第 17 章 运行时特性 922 17.1 site：全站点配置 922 17.1.1 导入路径 922 17.1.2 用户 923 17.1.3 路径配置文件 924 17.1.4 定制站点配置 926 17.1.5 定制用户配置 927 17.1.6 禁用site模块 929 17.2 sys：系统特定配置 929 17.2.1 解释器设置 929 17.2.2 运行时环境 935 17.2.3 内存管理和限制 937 17.2.4 异常处理 942 17.2.5 底层线程支持 944 17.2.6 模块和导入 947 17.2.7 跟踪程序运行情况 963 17.3 os：可移植访问操作系统特定特性 968 17.3.1 检查文件系统内容 968 17.3.2 管理文件系统权限 971 17.3.3 创建和删除 973 17.3.4 处理符号链接 973 17.3.5 安全地替换现有文件 974 17.3.6 检测和改变进程所有者 975 17.3.7 管理进程环境 976 17.3.8 管理进程工作 977 17.3.9 运行外部命令 977 17.3.10 用os.fork()创建进程 979 17.3.11 等待子进程 980 17.3.12 Spawn创建新进程 982 17.3.13 操作系统错误码 982 17.4 platform：系统版本信息 983 17.4.1 解释器 983 17.4.2 平台 984 17.4.3 操作系统和硬件信息 985 17.4.4 可执行程序体系结构 986 17.5 resource：系统资源管理 987 17.5.1 当前使用情况 987 17.5.2 资源限制 988 17.6 gc：垃圾回收器 990 17.6.1 跟踪引用 990 17.6.2 强制垃圾回收 992 17.6.3 查找无法回收的对象引用 993 17.6.4 回收阈值和代 995 17.6.5 调试 998 17.7 sysconfig：解释器编译时配置 1002 17.7.1 配置变量 1002 17.7.2 安装路径 1004 17.7.3 Python版本和平台 1007 第 18 章 语言工具 1009 18.1 warnings：非致命警告 1009 18.1.1 分类和过滤 1010 18.1.2 生成警告 1010 18.1.3 用模式过滤 1011 18.1.4 重复的警告 1013 18.1.5 候选消息传送函数 1013 18.1.6 格式化 1014 18.1.7 警告中的栈层次 1014 18.2 abc：抽象基类 1015 18.2.1 ABC如何工作 1015 18.2.2 注册一个具体类 1016 18.2.3 通过派生实现 1017 18.2.4 辅助基类 1017 18.2.5 不完整的实现 1018 18.2.6 ABC中的具体方法 1019 18.2.7 抽象属性 1020 18.2.8 抽象类和静态方法 1022 18.3 dis：Python字节码反汇编工具 1023 18.3.1 基本反汇编 1023 18.3.2 反汇编函数 1024 18.3.3 类 1025 18.3.4 源代码 1026 18.3.5 使用反汇编调试 1027 18.3.6 循环的性能分析 1028 18.3.7 编译器优化 1033 18.4 inspect：检查现场对象 1035 18.4.1 示例模块 1035 18.4.2 检查模块 1035 18.4.3 检查类 1036 18.4.4 检查实例 1038 18.4.5 文档串 1038 18.4.6 获取源代码 1039 18.4.7 方法和函数签名 1041 18.4.8 类层次体系 1043 18.4.9 方法解析顺序 1044 18.4.10 栈与帧 1045 18.4.11 命令行接口 1047 第 19 章 模块和包 1048 19.1 importlib：Python的导入机制 1048 19.1.1 示例包 1048 19.1.2 模块类型 1049 19.1.3 导入模块 1049 19.1.4 加载工具 1051 19.2 pkgutil：包工具 1052 19.2.1 包导入路径 1052 19.2.2 包的开发版本 1054 19.2.3 用PKG文件管理路径 1055 19.2.4 嵌套包 1056 19.2.5 包数据 1058 19.3 zipimport：从ZIP归档加载Python代码 1060 19.3.1 示例 1060 19.3.2 查找模块 1061 19.3.3 访问代码 1061 19.3.4 源代码 1062 19.3.5 包 1063 19.3.6 数据 1063 附录A 移植说明 1066 附录B 标准库之外 1081 |