本書采用通俗易懂的語言深入淺出地介紹了 Python核心語法結構及程序設計方法。全書貫穿使用單相接地故障分類的具體工程案例，詳細地介紹了 Python機器學習所涉及的基本概念、算法及編程實現。本書采用案例教學，以案例驅動學習，論述具體問題。本書適用范圍廣，既適合零基礎編程經驗的讀者學習，也適合具有高級編程經驗的讀者參考使用。通過對本書的學習可以快速、系統地掌握 Python程序開發方法和機器學習編程技術。全書突出工程應用，理論聯系實際，具有很強的實用性。
本書可作為高等院校物聯網工程、自動化、計算機科學與技術等相關專業的教學用書，也可作為相關工程技術人員的參考用書。 。
華北科技學院副教授、碩導，北京工業大學兼職碩導。北京鼎科遠圖科技有限公司董事長兼總經理，中國創造學會永久會員。擅長噪音中的信號檢測與處理、智能監控技術，作為核心成員參與多項國家級、省部級項目開發。發表國內外EI收錄論文11篇，以第一發明人獲得授權發明專利11項，實用新型專利5項。已公開出版教材1部，專著1部。目前研究領域集中在嵌入式系統、監控檢測智能系統與設備、智能工業4.0、6~66kV配電網狀態監測與數據可視化技術、電力物聯網等新興領域。
第1章 Python概述及使用 1
1.1 Python的特點 2
1.2 下載與安裝Python 4
1.2.1 下載Python 4
1.2.2 安裝Python 5
1.2.3 查看Python版本 6
1.3 Python程序運行 7
1.3.1 在控制臺窗口中運行 7
1.3.2 文件方式運行 8
1.3.3 在終端窗口中運行 9
1.4 CSV文件 10
1.4.1 CSV文件的建立 10
1.4.2 CSV文件的打開 12
1.5 Python包與模塊 12
1.5.1 Python包與模塊簡介 12
1.5.2 模塊的調用 13
1.5.3 Python包與模塊的建立 13
本章小結 14
習題 14
第2章 Python特色數據類型與
常用函數 16
2.1 Python基礎語法 17
2.1.1 標識符與保留字 17
2.1.2 注釋 18
2.2 元組數據類型 19
2.3 列表、字典、集合數據類型 20
2.3.1 列表 20
2.3.2 字典 22
2.3.3 集合 23
2.4 數字、字符串數據類型 24
2.4.1 數字 24
2.4.2 字符串 25
2.5 Python的常用函數 27
2.5.1 range()函數 27
2.5.2 enumerate()函數 28
2.5.3 zip()函數 28
2.5.4 map()函數 29
2.5.5 sorted()函數 29
2.5.6 hash()函數 30
2.5.7 reversed()函數 30
本章小結 30
習題 31
第3章 Python語句控制及函數定義 33
3.1 Python分支結構 34
3.1.1 單分支結構 34
3.1.2 多分支結構 35
3.1.3 多分支選擇結構 36
3.2 Python循環結構 38
3.2.1 for循環結構 39
3.2.2 while循環結構 40
3.2.3 break與continue 40
3.3 Python函數 43
3.3.1 自定義函數 43
3.3.2 函數的參數 44
3.3.3 遞歸函數 47
3.3.4 匿名函數 49
3.3.5 將函數存儲在模塊中 49
3.3.6 Python內置函數 51
本章小結 54
習題 54
第4章 Python類、異常處理、文件 57
4.1 Python類 58
4.1.1 類 58
4.1.2 類私有屬性、公有屬性 61
4.1.3 類方法 65
4.1.4 類的繼承 66
4.1.5 多重繼承 67
4.1.6 Object類 68
4.1.7 封裝、繼承、多態 69
4.1.8 類的淺拷貝與深拷貝 71
4.2 Python異常 74
4.2.1 異常概念 74
4.2.2 異常處理函數 77
4.2.3 trackback模塊 79
4.3 Python文件操作 80
4.3.1 文件的概念 80
4.3.2 文件操作 80
本章小結 85
習題 85
第5章 Python數據處理與繪圖 89
5.1 numpy數組使用 90
5.1.1 numpy生成數組 91
5.1.2 numpy數組屬性 94
5.1.3 數組的索引和切片 96
5.1.4 numpy數組運算 97
5.2 scipy包的使用 101
5.2.1 scipy包中的模塊 101
5.2.2 常數模塊的使用 102
5.2.3 特殊函數模塊的使用 102
5.2.4 信號處理模塊 103
5.2.5 空間結構模塊 108
5.3 pandas包的使用 109
5.3.1 pandas數組 109
5.3.2 查看數據 112
5.3.3 pandas讀取文件 113
5.4 matplotlib包的使用 116
5.5 SQLite數據庫的使用 121
5.5.1 SQLite數據庫 121
5.5.2 SQLite數據庫操作方法 122
5.5.3 SQLite點命令 123
5.5.4 SQLite可視化維護 124
本章小結 126
習題 126
第6章 圖形用戶界面設計、二維碼與
程序打包 130
6.1 圖形用戶界面設計 131
6.1.1 wxPython應用程序框架 132
6.1.2 wx.Frame的使用 134
6.1.3 文本編輯器 135
6.1.4 wxPython操作窗口 138
6.2 Python二維碼設計 145
6.2.1 二維碼概念 145
6.2.2 二維碼設計 146
6.3 程序打包 147
6.3.1 安裝打包工具 147
6.3.2 打包步驟 147
本章小結 150
習題 150
第7章 Anaconda使用、數據分割與
訓練 155
7.1 Anaconda安裝與使用 156
7.1.1 安裝Anaconda 156
7.1.2 使用Anaconda 158
7.2 Jupyter Notebook 160
7.2.1 使用Jupyter Notebook 160
7.2.2 安裝mglearn包 163
7.3 數據構建與分割 164
7.3.1 數據構建 164
7.3.2 測試數據分割 167
7.4 k近鄰分類 169
7.4.1 k近鄰分類算法概述 169
7.4.2 數據模型優良評判 170
7.5 sklearn自帶數據集 171
本章小結 174
習題 174
第8章 有監督機器學習 177
8.1 分類與回歸 178
8.1.1 分類與回歸 178
8.1.2 兩個接地特征的線性回歸
分析 183
8.1.3 兩個接地特征的k近鄰分類與
回歸 191
8.2 決策樹和隨機森林 194
8.2.1 決策樹 194
8.2.2 隨機森林 198
8.3 神經網絡分類 201
8.3.1 神經網絡算法 201
8.3.2 多層前饋網絡結構 201
8.3.3 BP學習算法 202
8.3.4 單相接地神經網絡分類 204
8.3.5 神經網絡分類器主要參數 206
8.4 集成學習 208
8.4.1 核—SVM算法 208
8.4.2 集成學習算法 209
8.4.3 弱學習機分類器算法 212
8.4.4 分類器不確定性估計 214
8.4.5 機器學習算法匯總 214
本章小結 223
習題 223
第9章 無監督學習與模型泛化 226
9.1 無監督學習 227
9.1.1 k-均值聚類算法 227
9.1.2 新型傳染病聚類分析 228
9.1.3 機器學習模型保存 230
9.1.4 高斯混合模型 232
9.1.5 層次聚類 235
9.2 分類模型泛化 236
9.2.1 數據劃分有效性 236
9.2.2 更有效數據劃分 238
9.2.3 模型參數優化 239
9.2.4 主成分分析 242
9.2.5 流形學習 247
本章小結 248
習題 248
附錄A 251
附錄B 252
參考文獻 253
新書資訊