دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Python Data Structures and Algorithms
دانلود کتاب ساختارها و الگوریتم های داده پایتون
مشخصات کتاب
Python Data Structures and Algorithms
ویرایش: نویسندگان: Baka. Benjamin, Julian. David سری: ISBN (شابک) : 9781786467355, 1108054560 ناشر: Packt Publishing, Limited سال نشر: 2017 تعداد صفحات: 0 زبان: English فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 8 مگابایت
قیمت کتاب (تومان) : 50,000
کلمات کلیدی مربوط به کتاب ساختارها و الگوریتم های داده پایتون: پایتون (زبان برنامه کامپیوتری)، کتاب های الکترونیکی
در صورت تبدیل فایل کتاب Python Data Structures and Algorithms به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب ساختارها و الگوریتم های داده پایتون نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
توضیحاتی در مورد کتاب ساختارها و الگوریتم های داده پایتون
با استفاده از PythonAbout This Book، ساختارهای داده و الگوریتم های کلاسیک و کاربردی را پیاده سازی کنید* راهنمای گام به گام، که به شما بحث کاملی را در مورد تجزیه و تحلیل و طراحی ساختارهای داده اساسی پایتون ارائه می دهد.* درک بهتری از مفاهیم پیشرفته Python مانند big -o نمادگذاری، برنامه نویسی پویا، و ساختارهای داده عملکردی.* برای ارائه ساختارهای داده و الگوریتم ها، و همچنین تجزیه و تحلیل آنها، به شیوه ای واضح و بصری، تصاویر را کاوش کنید. این کتاب برای چه کسی است این کتاب برای توسعه دهندگان پایتون جذاب خواهد بود. دانش اولیه پایتون انتظار می رود. آنچه خواهید آموخت* درک کاملی از ساختارهای داده پایتون به دست آورید.* برنامه های کاربردی داده پیچیده بسازید.* الگوهای برنامه نویسی رایج و الگوریتم های مورد استفاده در علم داده پایتون را درک کنید.* کد قوی کارآمد بنویسید. در DetailData ساختارها به شما این امکان را می دهند که داده ها را به روشی خاص به طور موثر سازماندهی کنید. آنها برای هر مشکلی حیاتی هستند، راه حل کاملی ارائه می دهند و مانند کدهای قابل استفاده مجدد عمل می کنند. در این کتاب با ساختارهای داده ضروری پایتون و رایج ترین الگوریتم ها آشنا خواهید شد. با استفاده از این کتاب آسان برای خواندن، می‌توانید قدرت فهرست‌های پیوندی، فهرست‌های پیوندی دوگانه و فهرست‌های پیوندی دایره‌ای را درک کنید. شما قادر به ایجاد ساختارهای داده پیچیده مانند نمودارها، پشته ها و صف ها خواهید بود. ما کاربرد جستجوهای باینری و درختان جستجوی باینری را بررسی خواهیم کرد. شما تکنیک ها و ساختارهای رایج مورد استفاده در کارهایی مانند پیش پردازش، مدل سازی و تبدیل داده ها را خواهید آموخت. همچنین در مورد نحوه سازماندهی کد خود به روشی قابل مدیریت، سازگار و قابل گسترش بحث خواهیم کرد. این کتاب با جزئیات الگوریتم‌های مرتب‌سازی مانند مرتب‌سازی حبابی، مرتب‌سازی انتخابی، مرتب‌سازی درج و مرتب‌سازی ادغام را بررسی می‌کند. در پایان کتاب، یاد خواهید گرفت که چگونه اجزایی بسازید که درک، اشکال زدایی و استفاده در برنامه های مختلف آسان باشد. سبک و رویکرد کتاب آسان خوان با ماهیت سریع خود باعث بهبود بهره وری برنامه نویسان پایتون و بهبود عملکرد برنامه های کاربردی پایتون می شود.
توضیحاتی درمورد کتاب به خارجی
Implement classic and functional data structures and algorithms using PythonAbout This Book* A step by step guide, which will provide you with a thorough discussion on the analysis and design of fundamental Python data structures.* Get a better understanding of advanced Python concepts such as big-o notation, dynamic programming, and functional data structures.* Explore illustrations to present data structures and algorithms, as well as their analysis, in a clear, visual manner. Who This Book Is ForThe book will appeal to Python developers. A basic knowledge of Python is expected. What You Will Learn* Gain a solid understanding of Python data structures.* Build sophisticated data applications.* Understand the common programming patterns and algorithms used in Python data science.* Write efficient robust code. In DetailData structures allow you to organize data in a particular way efficiently. They are critical to any problem, provide a complete solution, and act like reusable code. In this book, you will learn the essential Python data structures and the most common algorithms. With this easy-to-read book, you will be able to understand the power of linked lists, double linked lists, and circular linked lists. You will be able to create complex data structures such as graphs, stacks and queues. We will explore the application of binary searches and binary search trees. You will learn the common techniques and structures used in tasks such as preprocessing, modeling, and transforming data. We will also discuss how to organize your code in a manageable, consistent, and extendable way. The book will explore in detail sorting algorithms such as bubble sort, selection sort, insertion sort, and merge sort. By the end of the book, you will learn how to build components that are easy to understand, debug, and use in different applications. Style and approachThe easy-to-read book with its fast-paced nature will improve the productivity of Python programmers and improve the performance of Python applications.
فهرست مطالب
Cover Title Page Copyright Credits About the Author About the Reviewer www.PacktPub.com Customer Feedback Table of Contents Preface Chapter 1: Python Objects, Types, and Expressions Understanding data structures and algorithms Python for data The Python environment Variables and expressions Variable scope Flow control and iteration Overview of data types and objects Strings Lists Functions as first class objects Higher order functions Recursive functions Generators and co-routines Classes and object programming Special methods Inheritance Data encapsulation and properties Summary Chapter 2: Python Data Types and Structures Operations and expressions Boolean operations Comparison and Arithmetic operators Membership, identity, and logical operations Built-in data types None type Numeric Types Representation error Sequences Tuples Dictionaries Sorting dictionaries Dictionaries for text analysis Sets Immutable sets Modules for data structures and algorithms Collections Deques ChainMaps Counter objects Ordered dictionaries defaultdict Named tuples Arrays Summary Chapter 3: Principles of Algorithm Design Algorithm design paradigms Recursion and backtracking Backtracking Divide and conquer - long multiplication Can we do better? A recursive approach Runtime analysis Asymptotic analysis Big O notation Composing complexity classes Omega notation (Ω) Theta notation (ϴ) Amortized analysis Summary Chapter 4: Lists and Pointer Structures Arrays Pointer structures Nodes Finding endpoints Node Other node types Singly linked lists Singly linked list class Append operation A faster append operation Getting the size of the list Improving list traversal Deleting nodes List search Clearing a list Doubly linked lists A doubly linked list node Doubly linked list Append operation Delete operation List search Circular lists Appending elements Deleting an element Iterating through a circular list Summary Chapter 5: Stacks and Queues Stacks Stack implementation Push operation Pop operation Peek Bracket-matching application Queues List-based queue Enqueue operation Dequeue operation Stack-based queue Enqueue operation Dequeue operation Node-based queue Queue class Enqueue operation Dequeue operation Application of queues Media player queue Summary Chapter 6: Trees Terminology Tree nodes Binary trees Binary search trees Binary search tree implementation Binary search tree operations Finding the minimum and maximum nodes Inserting nodes Deleting nodes Searching the tree Tree traversal Depth-first traversal In-order traversal and infix notation Pre-order traversal and prefix notation Post-order traversal and postfix notation. Breadth-first traversal Benefits of a binary search tree Expression trees Parsing a reverse Polish expression Balancing trees Heaps Summary Chapter 7: Hashing and Symbol Tables Hashing Perfect hashing functions Hash table Putting elements Getting elements Testing the hash table Using [] with the hash table Non-string keys Growing a hash table Open addressing Chaining Symbol tables Summary Chapter 8: Graphs and Other Algorithms Graphs Directed and undirected graphs Weighted graphs Graph representation Adjacency list Adjacency matrix Graph traversal Breadth-first search Depth-first search Other useful graph methods Priority queues and heaps Inserting Pop Testing the heap Selection algorithms Summary Chapter 9: Searching Linear Search Unordered linear search Ordered linear search Binary search Interpolation search Choosing a search algorithm Summary Chapter 10: Sorting Sorting algorithms Bubble sort Insertion sort Selection sort Quick sort List partitioning Pivot selection Implementation Heap sort Summary Chapter 11: Selection Algorithms Selection by sorting Randomized selection Quick select Partition step Deterministic selection Pivot selection Median of medians Partitioning step Summary Chapter 12: Design Techniques and Strategies Classification of algorithms Classification by implementation Recursion Logical Serial or parallel Deterministic versus nondeterministic algorithms Classification by complexity Complexity curves Classification by design Divide and conquer Dynamic programming Greedy algorithms Technical implementation Dynamic programming Memoization Tabulation The Fibonacci series The Memoization technique The tabulation technique Divide and conquer Divide Conquer Merge Merge sort Greedy algorithms Coin-counting problem Dijkstra\'s shortest path algorithm Complexity classes P versus NP NP-Hard NP-Complete Summary Chapter 13: Implementations, Applications, and Tools Tools of the trade Data preprocessing Why process raw data? Missing data Feature scaling Min-max scalar Standard scalar Binarizing data Machine learning Types of machine learning Hello classifier A supervised learning example Gathering data Bag of words Prediction An unsupervised learning example K-means algorithm Prediction Data visualization Bar chart Multiple bar charts Box plot Pie chart Bubble chart Summary Index
