دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش:
نویسندگان: Christian Mayer
سری:
ISBN (شابک) : 9781718500518, 2020001450
ناشر: No Starch Press
سال نشر: 2020
تعداد صفحات: 0
زبان: English
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 18 مگابایت
در صورت تبدیل فایل کتاب Python One-Liners 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 خطوط یک خط 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.
برنامه نویسان پایتون مهارت های علوم کامپیوتر خود را با این تک خط های مفید بهبود می بخشند. Python One-Liners به شما یاد می دهد که چگونه "one-liners" را بخوانید و بنویسید: عبارت های مختصر از عملکرد مفید که در یک خط کد بسته بندی شده اند. شما یاد خواهید گرفت که چگونه به طور سیستماتیک هر خط کد پایتون را باز کنید و بفهمید، و مانند یک متخصص پایتون شیوا و قدرتمند فشرده بنویسید. پنج فصل کتاب شامل نکات و ترفندها، عبارات منظم، یادگیری ماشینی، موضوعات اصلی علوم داده و الگوریتم های مفید است. توضیحات مفصل تک لاینرها مفاهیم کلیدی علوم کامپیوتر را معرفی می کند و مهارت های کدنویسی و تحلیلی شما را تقویت می کند. شما در مورد ویژگی های پیشرفته پایتون مانند درک لیست، برش، توابع لامبدا، عبارات منظم، توابع نقشه و کاهش، و تکالیف برش خواهید آموخت. همچنین میآموزید که چگونه: • از ساختارهای داده برای حل مشکلات دنیای واقعی استفاده کنید، مانند استفاده از نمایهسازی بولی برای یافتن شهرهایی با آلودگی بالاتر از حد متوسط • استفاده از اصول اولیه NumPy مانند آرایه، شکل، محور، نوع، پخش، نمایهسازی پیشرفته، برش، مرتبسازی، جستجو، تجمیع و آمار • محاسبه آمار اولیه آرایههای داده چند بعدی و الگوریتمهای K-Means برای یادگیری بدون نظارت • ایجاد عبارات منظم پیشرفتهتر با استفاده از گروهبندی و گروههای نامگذاری شده، پیشبینیهای منفی، کاراکترهای فرار، فضاهای خالی، مجموعه کاراکترها ( و مجموعه کاراکترهای منفی)، و عملگرهای حریص/غیر حریص • طیف وسیعی از موضوعات علوم کامپیوتر را درک کنید، از جمله آناگرام ها، پالیندروم ها، ابرمجموعه ها، جایگشت ها، فاکتوریل ها، اعداد اول، اعداد فیبوناچی، مبهم سازی، جستجو، و مرتب سازی الگوریتمی در پایان کتاب، شما میدانید چگونه پایتون را در بهترین حالت آن بنویسید، و تکههای مختصر و زیبای «هنر پایتون» را تنها در یک خط بسازید.
Python programmers will improve their computer science skills with these useful one-liners. Python One-Liners will teach you how to read and write "one-liners": concise statements of useful functionality packed into a single line of code. You'll learn how to systematically unpack and understand any line of Python code, and write eloquent, powerfully compressed Python like an expert. The book's five chapters cover tips and tricks, regular expressions, machine learning, core data science topics, and useful algorithms. Detailed explanations of one-liners introduce key computer science concepts and boost your coding and analytical skills. You'll learn about advanced Python features such as list comprehension, slicing, lambda functions, regular expressions, map and reduce functions, and slice assignments. You'll also learn how to: • Leverage data structures to solve real-world problems, like using Boolean indexing to find cities with above-average pollution • Use NumPy basics such as array, shape, axis, type, broadcasting, advanced indexing, slicing, sorting, searching, aggregating, and statistics • Calculate basic statistics of multidimensional data arrays and the K-Means algorithms for unsupervised learning • Create more advanced regular expressions using grouping and named groups, negative lookaheads, escaped characters, whitespaces, character sets (and negative characters sets), and greedy/nongreedy operators • Understand a wide range of computer science topics, including anagrams, palindromes, supersets, permutations, factorials, prime numbers, Fibonacci numbers, obfuscation, searching, and algorithmic sorting By the end of the book, you'll know how to write Python at its most refined, and create concise, beautiful pieces of "Python art" in merely a single line.
Brief Contents Contents in Detail Acknowledgments Introduction Python One-Liner Example A Note on Readability Who Is This Book For? What Will You Learn? Online Resources Chapter 1: Python Refresher Basic Data Structures Numerical Data Types and Structures Booleans Strings The Keyword None Container Data Structures Lists Stacks Sets Dictionaries Membership List and Set Comprehension Control Flow if, else, and elif Loops Functions Lambdas Summary Chapter 2: Python Tricks Using List Comprehension to Find Top Earners The Basics The Code How It Works Using List Comprehension to Find Words with High Information Value The Basics The Code How It Works Reading a File The Basics The Code How It Works Using Lambda and Map Functions The Basics The Code How It Works Using Slicing to Extract Matching Substring Environments The Basics The Code How It Works Combining List Comprehension and Slicing The Basics The Code How It Works Using Slice Assignment to Correct Corrupted Lists The Basics The Code How It Works Analyzing Cardiac Health Data with List Concatenation The Basics The Code How It Works Using Generator Expressions to Find Companies That Pay Below Minimum Wage The Basics The Code How It Works Formatting Databases with the zip() Function The Basics The Code How It Works Summary Chapter 3: Data Science Basic Two-Dimensional Array Arithmetic The Basics The Code How It Works Working with NumPy Arrays: Slicing, Broadcasting, and Array Types The Basics The Code How It Works Conditional Array Search, Filtering, and Broadcasting to Detect Outliers The Basics The Code How It Works Boolean Indexing to Filter Two-Dimensional Arrays The Basics The Code How It Works Broadcasting, Slice Assignment, and Reshaping to Clean Every i-th Array Element The Basics The Code How It Works When to Use the sort() Function and When to Use the argsort() Function in NumPy The Basics The Code How It Works How to Use Lambda Functions and Boolean Indexing to Filter Arrays The Basics The Code How It Works How to Create Advanced Array Filters with Statistics, Math, and Logic The Basics The Code How It Works Simple Association Analysis: People Who Bought X Also Bought Y The Basics The Code How It Works Intermediate Association Analysis to Find Bestseller Bundles The Basics The Code How It Works Summary Chapter 4: Machine Learning The Basics of Supervised Machine Learning Training Phase Inference Phase Linear Regression The Basics The Code How It Works Logistic Regression in One Line The Basics The Code How It Works K-Means Clustering in One Line The Basics The Code How It Works K-Nearest Neighbors in One Line The Basics The Code How It Works Neural Network Analysis in One Line The Basics The Code How It Works Decision-Tree Learning in One Line The Basics The Code How It Works Get Row with Minimal Variance in One Line The Basics The Code How It Works Basic Statistics in One Line The Basics The Code How It Works Classification with Support-Vector Machines in One Line The Basics The Code How It Works Classification with Random Forests in One Line The Basics The Code How It Works Summary Chapter 5: Regular Expressions Finding Basic Textual Patterns in Strings The Basics The Code How It Works Writing Your First Web Scraper with Regular Expressions The Basics The Code How It Works Analyzing Hyperlinks of HTML Documents The Basics The Code How It Works Extracting Dollars from a String The Basics The Code How It Works Finding Nonsecure HTTP URLs The Basics The Code How It Works Validating the Time Format of User Input, Part 1 The Basics The Code How It Works Validating Time Format of User Input, Part 2 The Basics The Code How It Works Duplicate Detection in Strings The Basics The Code How It Works Detecting Word Repetitions The Basics The Code How It Works Modifying Regex Patterns in a Multiline String The Basics The Code How It Works Summary Chapter 6: Algorithms Finding Anagrams with Lambda Functions and Sorting The Basics The Code How It Works Finding Palindromes with Lambda Functions and Negative Slicing The Basics The Code How It Works Counting Permutations with Recursive Factorial Functions The Basics The Code How It Works Finding the Levenshtein Distance The Basics The Code How It Works Calculating the Powerset by Using Functional Programming The Basics The Code How It Works Caesar’s Cipher Encryption Using Advanced Indexing and List Comprehension The Basics The Code How It Works Finding Prime Numbers with the Sieve of Eratosthenes The Basics The Code How It Works Calculating the Fibonacci Series with the reduce() Function The Basics The Code How It Works A Recursive Binary Search Algorithm The Basics The Code How It Works A Recursive Quicksort Algorithm The Basics The Code How It Works Summary Afterword Index