書名：Python - 最強入門ChatGPT助攻邁向數據科學之路 - 王者歸來（全彩印刷第四版）

作者簡介

洪錦魁

一位跨越電腦作業系統與科技時代的電腦專家，著作等身的作家。
‰ DOS 時代他的代表作品是 IBM PC 組合語言、C、C++、Pascal、資料結構。
‰ Windows 時代他的代表作品是 Windows Programming 使用 C、Visual Basic。
‰ Internet 時代他的代表作品是網頁設計使用 HTML。
‰ 大數據時代他的代表作品是 R 語言邁向 Big Data 之路。
‰ AI 時代他的代表作品是機器學習 Python 實作。
‰ 通用 AI 時代，國內第 1 本 ChatGPT 作品的作者。
作品曾被翻譯為簡體中文、馬來西亞文，英文，近年來作品則是在北京清華大學
和台灣深智同步發行：
1：C、Java、Python、C#、R 最強入門邁向頂尖高手之路王者歸來
2：OpenCV 影像創意邁向AI 視覺王者歸來
3：Python 網路爬蟲：大數據擷取、清洗、儲存與分析王者歸來
4：演算法邏輯思維 + Python 程式實作王者歸來
5：matplotlib 從2D 到3D 資料視覺化
6：網頁設計HTML+CSS+JavaScript+jQuery+Bootstrap+Google Maps 王者歸來
7：機器學習彩色圖解 + 基礎數學、基礎微積分 + Python 實作王者歸來
8：Excel 完整學習、Excel 函數庫、Excel VBA 應用王者歸來
9：Python 操作Excel 最強入門邁向辦公室自動化之路王者歸來
10：Power BI 最強入門 – AI 視覺化+ 智慧決策+ 雲端分享王者歸來
他的多本著作皆曾登上天瓏、博客來、Momo 電腦書類，各個時期暢銷排行榜第
1 名，他的著作最大的特色是，所有程式語法或是功能解說會依特性分類，同時以實用
的程式範例做解說，不賣弄學問，讓整本書淺顯易懂，讀者可以由他的著作事半功倍
輕鬆掌握相關知識。

書籍目錄

第1章　基本觀念
1-1 認識Python
1-2 Python 的起源
1-3 Python 語言發展史
1-4 Python 的應用範圍
1-5 變數—靜態語言與動態語言
1-6 系統的安裝與執行
1-7 程式註解
1-8 Python 彩蛋(Easter Eggs)
第2章　認識變數與基本數學運算
2-1 用Python 做計算
2-2 認識變數
2-3 認識程式的意義
2-4 認識註解的意義
2-5 變數的命名原則
2-6 基本數學運算
2-7 指派運算子
2-8 Python 等號的多重指定使用
2-9 Python的連接列（Line Continuation)
2-10 專題- 複利計算/ 計算圓面積與圓周長
第3章　Python 的基本資料型態
3-1 type( ) 函數
3-2 數值資料型態
3-3 布林值資料型態
3-4 字串資料型態
3-5 字串與字元
3-6 bytes 資料
3-7 專題- 地球到月球時間計算/ 計算座標軸2點之間距離
第4章　基本輸入與輸出
4-1 Python 的輔助說明help( )
4-2 格式化輸出資料使用print( )
4-3 輸出資料到檔案
4-4 資料輸入input( )
4-5 處理字串的數學運算eval( )
4-6 列出所有內建函數dir( )
4-7 專題- 溫度轉換/ 房貸問題/ 緯度距離/ 雞兔同籠
第5章　程式的流程控制使用if 敘述
5-1 關係運算子
5-2 邏輯運算子
5-3 if 敘述
5-4 if ⋯ else 敘述
5-5 if ⋯ elif ⋯ else 敘述
5-6 專題-BMI/ 猜數字/ 方程式/ 火箭升空/ 閏年
第6 章　串列(List)
6-1 認識串列(list
6-2 Python 物件導向觀念與方法
6-3 串列元素是字串的常用方法
6-4 增加與刪除串列元素
6-5 串列的排序
6-6 進階串列操作
6-7 串列內含串列
6-8 串列的賦值與切片拷貝
6-9 再談字串
6-10 in 和not in 運算式
6-11 is 或is not 運算式
6-12 enumerate 物件
6-13 專題 大型串列/ 認識凱薩密碼
第7章　迴圈設計
7-1 基本for 迴圈
7-2 range( ) 函數
7-3 進階的for 迴圈應用
7-4 while 迴圈
7-5 enumerate 物件使用for 迴圈解析
7-6 專題 購物車設計/ 圓周率/ 雞兔同籠/ 國王的麥粒/ 電影院劃位
第8章　元組(Tuple)
8-1 元組的定義
8-2 讀取元組元素
8-3 遍歷所有元組元素
8-4 修改元組內容產生錯誤的實例
8-5 可以使用全新定義方式修改元組元素
8-6 元組切片(tuple slices)
8-7 方法與函數
8-8 串列與元組資料互換
8-9 其它常用的元組方法
8-10 enumerate 物件使用在元組
8-11 使用zip( ) 打包多個物件
8-12 生成式(generator)
8-13 製作大型的元組資料
8-14 元組的功能
8-15 專題 認識元組/ 打包與解包/bytes與bytearray
第9章　字典(Dict)
9-1 字典基本操作
9-2 遍歷字典
9-3 建立字典串列
9-4 字典內鍵的值是串列
9-5 字典內鍵的值是字典
9-6 字典常用的函數和方法
9-7 製作大型的字典資料
9-8 專題　文件分析/ 字典生成式/ 星座/ 凱薩密碼/ 摩斯密碼
第10章　集合(Set)
10-1 建立集合
10-2 集合的操作
10-3 適用集合的方法
10-4 適用集合的基本函數操作
10-5 凍結集合frozenset
10-6 專題　夏令營程式/ 程式效率/ 集合生成式/ 雞尾酒實例
第11章　函數設計
11-1 Python 函數基本觀念
11-2 函數的參數設計
11-3 函數傳回值
11-4 呼叫函數時參數是串列
11-5 傳遞任意數量的參數
11-6 進一步認識函數
11-7 遞迴式函數設計recursive
11-8 區域變數與全域變數
11-9 匿名函數lambda
11-10 pass 與函數
11-11 type 關鍵字應用在函數
11-12 設計生成式函數與建立迭代器
11-13 裝飾器(Decorator)
11-14 專題 函數的應用/ 質數
11-15 專題 歐幾里德演算法
第12章　類別– 物件導向的程式設計
12-1 類別的定義與使用
12-2 類別的訪問權限 – 封裝(encapsulation)
12-3 類別的繼承
12-4 多型(polymorphism)
12-5 多重繼承
12-6 type 與instance
12-7 特殊屬性
12-8 類別的特殊方法
12-9 專題：幾何資料的應用
第13章　設計與應用模組
13-1 將自建的函數儲存在模組中
13-2 應用自己建立的函數模組
13-3 將自建的類別儲存在模組內
13-4 應用自己建立的類別模組
13-5 隨機數random 模組
13-6 時間time 模組
13-7 系統sys 模組
13-8 keyword 模組
13-9 日期calendar 模組
13-10 幾個增強Python 功力的模組
13-11 專題設計　賭場遊戲騙局/ 蒙地卡羅模擬/ 文件加密
第14章　檔案輸入/ 輸出與目錄的管理
14-1 資料夾與檔案路徑
14-2 os 模組
14-3 os.path 模組
14-4 獲得特定工作目錄內容glob
14-5 讀取檔案
14-6 寫入檔案
14-7 讀取和寫入二進位檔案
14-8 shutil 模組
14-9 安全刪除檔案或目錄send2trash( )
14-10 檔案壓縮與解壓縮zipfile
14-11 再談編碼格式encoding
14-12 剪貼簿的應用
14-13 專題設計 分析檔案/ 加密檔案
第15章　程式除錯與異常處理
15-1 程式異常
15-2 設計多組異常處理程序
15-3 丟出異常
15-4 紀錄Traceback 字串
15-5 finally
15-6 程式斷言assert
15-7 程式日誌模組logging
15-8 程式除錯的典故
第16章　正則表達式Regular Expression
16-1 使用Python 硬功夫搜尋文字
16-2 正則表達式的基礎
16-3 更多搜尋比對模式
16-4 貪婪與非貪婪搜尋
16-5 正則表達式的特殊字元
16-6 MatchObject 物件
16-7 搶救CIA 情報員-sub( ) 方法
16-8 處理比較複雜的正則表示法
第17章　用Python 處理影像檔案
17-1 認識Pillow 模組的RGBA
17-2 Pillow 模組的盒子元組(Box tuple)
17-3 影像的基本操作
17-4 影像的編輯
17-5 裁切、複製與影像合成
17-6 影像濾鏡
17-7 在影像內繪製圖案
17-8 在影像內填寫文字
17-9 專題 – 建立QR code/ 辨識車牌與建立停車場管理系統
第18章　開發GUI 程式使用tkinter
18-1 建立視窗
18-2 標籤Label
18-3 視窗元件配置管理員Layout Management
18-4 功能鈕Button
18-5 變數類別
18-6 文字方塊Entry
18-7 文字區域Text
18-8 捲軸Scrollbar
18-9 選項鈕Radiobutton
18-10 核取方塊Checkbutton
18-11 對話方塊messagebox
18-12 圖形PhotoImage
18-13 尺度Scale 的控制
18-14 功能表Menu 設計
18-15 專題- 設計小算盤
第19章　詞雲設計
19-1 安裝wordcloud
19-2 我的第一個詞雲程式
19-3 建立含中文字詞雲結果失敗
19-4 建立含中文字的詞雲
19-5 進一步認識jieba 模組的分詞
19-6 建立含圖片背景的詞雲
第20章　數據圖表的設計
20-1 認識matplotlib.pyplot 模組的主要函數
20-2 繪製簡單的折線圖plot( )
20-3 繪製散點圖scatter( )
20-4 Numpy 模組基礎知識
20-5 色彩映射color mapping
20-6 繪製多個圖表
20-7 建立畫布與子圖表物件
20-8 長條圖的製作bar()
20-9 圓餅圖的製作pie( )
20-10 設計2D 動畫
20-11 專題　數學表達式/ 輸出文字/ 圖表註解
第21章　JSON 資料與繪製世界地圖
21-1 JSON 資料格式前言
21-2 認識json 資料格式
21-3 將Python 應用在json 字串形式資料
21-4 將Python 應用在json 檔案
21-5 簡單的json 檔案應用
21-6 世界人口數據的json 檔案
21-7 繪製世界地圖
21-8 環保署空氣品質JSON 檔案實作
第22章　使用Python 處理CSV 文件
22-1 建立一個CSV 文件
22-2 開啟「utf-8」格式CSV 檔案
22-3 csv 模組
22-4 讀取CSV 檔案
22-5 寫入CSV 檔案
22-6 專題- 使用CSV 檔案繪製氣象圖表
22-7 台灣股市數據
22-8 Python 與Microsoft Excel
第23章　Numpy 模組的基礎知識
23-1 陣列ndarray
23-2 Numpy 的資料型態
23-3 建立一維或多維陣列
23-4 一維陣列的四則運算與基礎操作
23-5 用切片提取一維陣列的元素
23-6 多維陣列的索引與切片
23-7 陣列的拷貝與檢視
23-8 更改陣列外形
23-9 陣列分割
23-10 陣列合併與堆疊
第24章　基礎統計與隨機數
24-1 母體與樣本
24-2 數據加總
24-3 數據分佈
24-4 數據中心指標
24-5 數據分散指標
24-6 符號運算規則與驗證
24-7 活用 符號
24-8 迴歸分析
24-9 隨機函數的分佈
第25章　Numpy 的數學運算與3D 繪圖
25-1 基礎數學函數
25-2 三角函數
25-3 指數與對數函數
25-4 陣列處理函數
25-5 陣列資料排序
25-6 向量運算
25-7 矩陣運算
25-8 簡單線性代數運算
25-9 線性插入函數
25-10 Numpy 的廣播功能
25-11 檔案的輸入與輸出
25-12 專題 – 3D 繪圖到3D 動畫
25-13 專題 – 遮罩觀念與數據分類
第26章　Pandas 入門
26-1 Series
26-2 DataFrame
26-3 基本Pandas 資料分析與處理
26-4 讀取與輸出CSV 檔案
26-5 讀取與輸出Excel 檔案
第27章　Pandas 視覺化資料與時間序列
27-1 Pandas 繪圖
27-2 時間序列(Time Series)
27-3 專題：鳶尾花
第28章　網路爬蟲
28-1 上網不再需要瀏覽器了
28-2 下載網頁資訊使用requests 模組
28-3 檢視網頁原始檔
28-4 解析網頁使用BeautifulSoup 模組
28-5 網路爬蟲實戰
第29章　用Python 操作台灣股市
29-1 Stock( ) 建構元
29-2 Stock 物件屬性
29-3 Stock 物件方法
29-4 取得單一股票之即時資料realtime.get( )
第30章　Sympy 模組與符號運算
30-1 定義符號
30-2 解方程式
30-3 解聯立方程式
30-4 微分與Sympy
30-5 積分與Sympy
30-6 Sympy 模組的繪圖功能
第31章　人工智慧破冰之旅-KNN 演算法
31-1 將畢氏定理應用在性向測試
31-2 電影分類
31-3 選舉造勢與銷售烤香腸
第32章　機器學習使用scikit-learn 入門
32-1 網路購物數據調查
32-2 使用scikit-learn 模組計算決定係數
32-3 預測未來值
32-4 人工智慧、機器學習、深度學習
32-5 認識scikit-learn 數據模組datasets
32-6 監督學習 – 線性迴歸
32-7 scikit-learn 產生數據
32-8 常見的監督學習分類器
32-9 無監督學習 – 群集分析
第33章　動畫與遊戲(電子書)
33-1 繪圖功能
33-2 尺度控制畫布背景顏色
33-3 動畫設計
33-4 反彈球遊戲設計
33-5 專題- 使用tkinter 處理謝爾賓斯基三角形
第34章　機器學習專題 – 波士頓房屋
34-1 從線性迴歸到多元線性迴歸
34-2 簡單資料測試
34-3 波士頓房屋數據集
第35章　機器學習專題 – 葡萄酒數據
35-1 認識葡萄酒數據
35-2 使用KNN 演算法執行葡萄酒分類
35-3 使用邏輯迴歸演算法執行葡萄酒分類
第36章　機器學習專題 – 鐵達尼號
36-1 程式設計必備知識one-hot 編碼
36-2 認識鐵達尼號Titanic 數據集
36-3 鐵達尼號專題實作 – 邏輯回歸
36-4 鐵達尼號專題實作 – 決策樹
第37章　機器學習專題 – 糖尿病
37-1 認識糖尿病數據集
37-2 多元線性迴歸處理糖尿病數據
第38章　機器學習專題 – 乳癌數據
38-1 認識乳癌數據集
38-2 支援向量機處理乳癌數據
第39章　機器學習專題 – 手寫數字
39-1 認識手寫數字數據集
39-2 隨機森林樹處理手寫數字數據集
39-3 PCA 主成份分析
附錄A 安裝Python (電子書)
附錄B Anaconda、Spider 和Jupyter Notebook (電子書)
附錄C Google Colab 雲端開發環境 (電子書)
附錄D 指令、函數、方法與專有名詞索引
附錄E 安裝第三方模組 (電子書)
附錄F RGB 色彩表 (電子書)
附錄G 本書是非題/ 選擇題解答與實作題的執行結果 (電子書)
附錄H ASCII 碼 (電子書)
附錄I ChatGPT 協助學習Python (電子書)

推薦序/導讀/自序

相較於第3 版，第4 版更加強數據科學與機器學習的內容，與相關模組的操作，
同時使用更細緻的實例，增加下列知識：
‰ ChatGPT 助攻學習
‰ 中文編碼與 ANSI 編碼，Code Page 950(cp950) 的意義
‰ 使用 locals( ) 和 isinstance( ) 了解變數的資料類型
‰ 深度解析 sort( ) 和 sorted( )
‰ 深度解析迭代器 (iterator)、yield 關鍵字
‰ 解說「utf-8」與「含 BOM 的 utf -8」，對於 txt 檔案與 csv 檔案的差異
‰ 講解使用 Excel 開啟「utf -8」格式的 csv 檔案的方法
‰ 「理論」+「實作」機器學習專題
‰ 波士頓房價
‰ 葡萄酒數據集
‰ 鐵達尼號
‰ 糖尿病數據集
‰ 乳癌數據集
‰ 手寫數字數據集
‰ PCA 主成份分析
‰ 其他修訂小細節超過 100 處
多次與教育界的朋友相聚，談到電腦語言的發展趨勢，大家一致公認Python 已經
是當今最重要的電腦語言了，幾乎所有知名公司，例如：Google、Facebook、⋯等皆
已經將此語言列為必備電腦語言。了解許多人想學Python，市面上的書也不少了，但
是許多人買了許多書，但是學習Python 路上仍感障礙重重，原因是沒有選到好的書籍，
市面上許多書籍的缺點是：
‰ Python 語法講解不完整
‰ 用 C、C++、Java 觀念撰寫實例
‰ Python 語法的精神與內涵未做說明
‰ Python 進階語法未做解說
‰ 基礎實例太少，沒經驗的讀者無法舉一反三
‰ 模組介紹不足，應用範圍有限
許多讀者因此買了一些書，讀完了，好像學會了，但到了網路看專家撰寫的程式
往往看不懂。
就這樣我決定撰寫一本用豐富、實用、有趣實例完整且深入講解Python 語法的
入門書籍。其實這本書也是目前市面上講解Python 書籍中語法最完整，當讀者學會
Python 後，本書將逐步帶領讀者邁向數據科學、機器學習之路。
Python 以簡潔著名，語法非常活，同時擁有非常多豐富、實用的模組，本書筆者
嘗試將Python 語法的各種用法用實例解說，同時穿插使用各種模組，以協助讀者未來
可以更靈活使用Python，以奠定讀者邁向更高深學習的紮實基礎。
本書以約995 個程式實例和約270 個一般實例，講解紮實的Python 語法，同時
輔助約210 道是非題、210 道選擇題與約295 道程式實作題。讀者研讀完此書，相信
可以學會下列知識：
‰ 內容穿插說明PEP 8風格，讀者可由此養成設計符合PEP 8風格的Python程式，
這樣撰寫的程式可以方便自己與他人閱讀。
‰ 拋棄 C、C++、Java 語法思維，將 Python 語法、精神功能火力全開
‰ 人工智慧基礎知識融入章節內容
‰ 從bytes說起、編碼(encode)、解碼(decoding)，到精通串列(list)、元組(tuple)、
字典(dict)、集合(set)
‰ 完整解說 Unicode 字符集和 utf-8 依據 Unicode 字符集的中文編碼方式
‰ 徹底解說 utf-8 和 Code Page 950(cp950) 之 ANSI 中文資料
‰ 從小型串列、元組、字典到大型數據資料的建立
‰ 生成式 (generator) 建立 Python 資料結構，串列 (list)、字典 (dict)、集合 (set)
‰ 經緯度計算地球任 2 城市之間的距離，學習取得地球任意位置的經緯度
‰ 萊布尼茲公式、尼拉卡莎、蒙地卡羅模擬計算圓週率
‰ 從大型資料深度解說 sort( ) 和 sorted( )
‰ 徹底解說讀者常混淆的遞迴式呼叫
‰ 基礎函數觀念，也深入到嵌套、lambda、Decorator 等高階應用
‰ Google 有一篇大數據領域著名的論文，MapReduce:Simplified Data Processing
on Large Clusters，重要觀念是MapReduce，筆者將對map( ) 和reduce( ) 完
整解說，更進一步配合lambda 觀念解說高階應用
‰ 徹底解說 iterator 和 yield
‰ 設計與應用自己設計的模組、活用外部模組 (module)
‰ 設計加密與解密程式
‰ Python 處理文字檔案 / 二元檔案的輸入與輸出
‰ 檔案壓縮與解壓縮
‰ 程式除錯 (debug) 與異常 (excep􀆟on) 處理
‰ 檔案讀寫與目錄管理
‰ 剪貼簿 (clipboard) 處理
‰ 正則表達式 (Regular Expression)
‰ 遞?式觀念與碎形 (Fractal)
‰ 影像處理與文字辨識，更進一步說明電腦儲存影像的方法與觀念
‰ 認識中文分詞 jieba 與建立詞雲 (wordcloud) 設計
‰ GUI 設計 - 實作小算盤
‰ 實作動畫與遊戲 ( 電子書呈現 )
‰ Matplotlib 中英文靜態與動態 2D ~ 3D 圖表繪製
‰ 說明 csv 和 json 檔案
‰ 繪製世界地圖
‰ 台灣股市資料擷取與圖表製作
‰ Python 解線性代數
‰ Python 解聯立方程式
‰ Python 執行數據分析
‰ 科學計算與數據分析 Numpy、Pandas
‰ 網路爬蟲
‰ 人工智慧破冰之旅 – KNN 演算法
‰ 機器學習 – 線性迴歸
‰ 機器學習 – scikit-learn
‰ KNN 演算法、邏輯迴歸、線性與非線性支援向量機
‰ 決策樹
‰ 隨機森林樹
‰ 完整解說波士頓房價、葡萄酒、鐵達尼號、糖尿病、乳癌、手寫數字數據集
‰ 完整函數索引，未來可以隨時查閱
寫過許多的電腦書著作，本書沿襲筆者著作的特色，程式實例豐富，相信讀者只
要遵循本書內容必定可以在最短時間精通Python 設計，編著本書雖力求完美，但是學
經歷不足，謬誤難免，尚祈讀者不吝指正。

洪錦魁2023-05-15