Python作为编程语言的一种，具有高效率、可移植、可扩展、可嵌入、易于维护等优点；Python语法简洁、代码高度规范、功能强大且简单易学，是程序开发者必学的语言之一。 本书注重基础、内容丰富、结构合理、思路清晰、语言简练流畅、示例翔实，系统地讲述了Python程序设计开发相关基础知识。本书分为11章，主要内容包括：Python与编程环境、Python语法基础、程序基本流程控制、典型序列数据结构、函数与函数式编程、面向对象编程基础、Python文件操作、使用模块和库编程、NumPy数值计算、Pandas数据处理分析、Matplotlib库与数据可视化。 为提升学习效果，书中结合实际应用提供了大量的案例进行说明和训练，并配以完善的学习资料和支持服务，包括教学PPT、教学大纲、源代码、教学视频、配套软件等，为读者带来全方位的学习体验。 本书既可作为高等院校计算机相关专业学生的Python课程的教材，也可作为自学者使用的辅助书，还是一本适用于程序开发初学者的入门级指导书。

李辉，男，博士，研究生导师，中国农业大学计算中心主任兼农业大数据实验室主任，教育部审核评估、合格评估、工程教育专业认证专家组成员，农业农村部全国苹果大数据发展应用协作组专家咨询委员会委员，教育部人工智能领域机器学习知识领域专家协作组专家，北京市大数据教学实践基地负责人，智慧养殖产业研究院负责人，山东省泰山产业（智慧农业）领军团队核心人才，海南省科技专家，北京市重大信息化项目评审专家，中国大数据技术与应用联盟智库专家，世界职业院校技能大赛（人工智能赛道）专家，中国农业大学数据科学与大数据技术辅修、数据分析技术与应用和人工智能基础应用微专业的建设负责人。主要从事数据科学与智能系统研发、高等教育教学改革与创新等方面的研究工作。

目录
第1章 Python与编程环境 1
1.1 计算机程序与编程语言 1
1.1.1 计算机程序 2
1.1.2 计算机编程语言 2
1.1.3 计算机编程语言的编译与解释 2
1.2 Python概述 3
1.2.1 Python的起源与发展 3
1.2.2 Python的特点 3
1.2.3 Python的应用领域与发展趋势 4
1.3 Python、PyCharm的安装与配置 5
1.3.1 常见的Python开发工具 5
1.3.2 Python 3.12.4的下载与安装 6
1.3.3 Python开发环境IDLE及其使用 7
1.3.4 PyCharm的安装与配置 9
本章小结 14
思考与练习 14
第2章 Python语法基础 15
2.1 编码规范 16
2.2 关键字与标识符 17
2.2.1 关键字 17
2.2.2 标识符 17
2.3 变量和赋值 18
2.3.1 变量的定义 19
2.3.2 变量的命名 20
2.3.3 变量值的使用与存储 20
2.4 数据类型 22
2.4.1 常见的数据类型 22
2.4.2 数据类型的判断方法 25
2.4.3 数据类型转换 26
2.5 输入/输出函数 27
2.5.1 input()函数 27
2.5.2 print()函数 28
2.5.3 字符串的格式化输出 28
2.6 运算符和表达式 31
2.6.1 运算符 31
2.6.2 表达式 34
2.7 综合应用实践：模拟农场日常管理系统 35
本章小结 35
思考与练习 36
第3章 程序基本流程控制 37
3.1 选择结构语句 37
3.1.1 单分支结构 38
3.1.2 双分支结构 38
3.1.3 多分支结构 39
3.1.4 嵌套分支结构 40
3.2 循环结构语句 40
3.2.1 while语句 41
3.2.2 for语句 41
3.2.3 嵌套循环 43
3.3 break、continue、else和pass语句 44
3.4 assert语句 46
3.5 结构化模式匹配语句 47
3.6 程序的错误与异常处理 49
3.6.1 程序的错误与处理 49
3.6.2 程序的异常与处理 49
3.7 综合应用实践：构建模拟智能灌溉决策系统 51
本章小结 51
思考与练习 52
第4章 典型序列数据结构 54
4.1 序列 55
4.1.1 序列概述 55
4.1.2 序列的基本操作 55
4.2 列表的创建与操作 61
4.2.1 创建列表 61
4.2.2 获取列表元素 62
4.2.3 常用的列表操作方法 63
4.3 元组的创建与操作 67
4.3.1 创建元组 67
4.3.2 获取元组元素 68
4.3.3 元组操作 69
4.4 字典的创建与操作 70
4.4.1 创建字典 70
4.4.2 获取元素 71
4.5 集合的创建与操作 74
4.5.1 创建集合 74
4.5.2 集合操作 74
4.6 推导式及其应用 75
4.6.1 列表推导式与应用 75
4.6.2 元组推导式与应用 76
4.6.3 字典推导式与应用 78
4.6.4 集合推导式与应用 78
4.7 序列数据结构的判断与转换 79
4.7.1 列表和元组转换 79
4.7.2 列表、元组和集合的转换 80
4.8 字符串操作与正则表达式应用 80
4.8.1 字符串的常见操作 80
4.8.2 使用正则表达式处理字符串的步骤 82
4.8.3 Python支持的正则表达式语法 83
4.8.4 使用正则表达式处理字符串 85
4.9 综合应用实践：模拟森林火灾风险预测模型 90
本章小结 92
思考与练习 92
第5章 函数与函数式编程 95
5.1 内置函数 96
5.2 自定义函数与调用 96
5.2.1 函数的定义 96
5.2.2 函数的调用 97
5.2.3 函数的返回值 98
5.3 函数参数与参数传递方式 99
5.3.1 固定位置参数传递 101
5.3.2 默认值参数传递 102
5.3.3 未知参数个数（可变）传递 102
5.3.4 关键字参数传递 104
5.4 变量的作用域 105
5.4.1 局部变量 105
5.4.2 全局变量 105
5.4.3 全局变量与局部变量的获取方法 108
5.5 函数的递归与嵌套 110
5.5.1 函数的递归 110
5.5.2 函数的嵌套 111
5.6 函数式编程 112
5.6.1 lambda匿名函数 112
5.6.2 map()函数 114
5.6.3 reduce()函数 114
5.6.4 filter()函数 115
5.6.5 zip()函数 116
5.7 综合应用实践：农作物生长周期数据分析 117
本章小结 118
思考与练习 119
第6章 面向对象编程基础 120
6.1 类与对象 120
6.2 类的定义与实例化 121
6.2.1 类的定义 121
6.2.2 类的实例化 122
6.3 实例与类的对象属性 122
6.3.1 实例对象属性 122
6.3.2 类对象属性 123
6.3.3 类对象属性与实例对象属性的区别和联系 124
6.4 成员属性与成员方法 124
6.4.1 成员属性 124
6.4.2 成员方法 127
6.5 类的继承与多态 132
6.5.1 类的继承与多重继承 132
6.5.2 多态与多态性 136
6.6 综合应用实践：模拟和管理不同农作物的生长过程 139
本章小结 141
思考与练习 142
第7章 Python文件操作 144
7.1 文件数据与文件操作 144
7.1.1 文件数据的组织形式 145
7.1.2 文件的操作方法 145
7.2 CSV文件读取与写入操作 148
7.2.1 读取CSV文件 148
7.2.2 CSV文件写入与关闭 149
7.3 文件操作的应用 150
7.3.1 数据的维度 150
7.3.2 一维和二维数据的读/写 150
7.4 综合应用实践：模拟森林资源管理 153
本章小结 154
思考与练习 155
第8章 使用模块和库编程 157
8.1 模块的使用与创建 158
8.1.1 模块概述 158
8.1.2 模块的导入 159
8.1.3 模块的自定义与使用 160
8.2 包的创建与使用 162
8.2.1 创建包 162
8.2.2 使用包 163
8.3 常见标准库的使用 163
8.3.1 Turtle库的使用 163
8.3.2 Random库的使用 166
8.3.3 时间和日期库的使用 168
8.4 常见的第三方库 170
8.4.1 第三方库的安装 170
8.4.2 中文处理相关库 172
8.4.3 网络爬虫相关库 175
8.4.4 其他第三方库简介 179
8.5 综合应用实践：模拟农作物生长周期中的数据 183
本章小结 185
思考与练习 185
第9章 NumPy数值计算 187
9.1 数组的创建与访问 187
9.1.1 创建数组 188
9.1.2 查看数组属性 191
9.1.3 访问数组 191
9.1.4 修改数组 193
9.2 数组的运算 196
9.2.1 数组的转置 196
9.2.2 数组的算术运算 197
9.2.3 数组的布尔运算 200
9.2.4 数组的点积运算 201
9.2.5 数组的统计运算 202
9.3 数组的操作 204
9.3.1 数组的排序 204
9.3.2 数组的合并 206
9.4 综合应用实践：模拟农作物对土壤养分需求评价 208
本章小结 211
思考与练习 211
第10章 Pandas数据处理分析 213
10.1 Pandas基本数据结构 214
10.1.1 Series数据结构定义与操作 214
10.1.2 DataFrame数据结构定义与操作 217
10.1.3 访问DataFrame数据元素 220
10.1.4 修改与删除DataFrame数据元素 223
10.1.5 DataFrame数据元素的排序 225
10.2 数据分析的基本流程 228
10.3 数据的导入与导出 229
10.3.1 数据的导入 229
10.3.2 数据的导出 232
10.4 数据预处理 233
10.4.1 缺失值处理 233
10.4.2 异常值处理 235
10.4.3 重复值处理 239
10.4.4 其他处理 241
10.5 数据分析方法 246
10.5.1 基本统计分析 246
10.5.2 分组分析 248
10.5.3 分布分析 251
10.5.4 交叉分析 253
10.5.5 结构分析 255
10.5.6 相关分析 256
10.6 DataFrame的合并与连接 258
10.6.1 DataFrame的合并 258
10.6.2 DataFrame的连接 259
10.7 综合应用实践：玉米生长数据综合分析 260
本章小结 266
思考与练习 266
第11章 Matplotlib库与数据可视化 268
11.1 数据可视化概述 269
11.1.1 常见的可视化图表类型 269
11.1.2 可视化图表的基本构成 271
11.1.3 数据可视化方式选择依据 273
11.1.4 常见的数据可视化库 274
11.2 Matplotlib库的概述 274
11.2.1 Matplotlib库的使用导入与设置 274
11.2.2 Matplotlib库绘图的层次结构 275
11.3 Matplotlib库绘图的基本流程 276
11.3.1 创建简单图表的基本流程 276
11.3.2 绘制子图的基本流程 278
11.4 图表辅助元素的设置 280
11.4.1 设置坐标轴的标签、刻度范围和刻度标签 280
11.4.2 添加标题和图例 281
11.4.3 显示网格 283
11.4.4 添加参考线和参考区域 283
11.4.5 添加注释文本 284
11.4.6 添加表格 285
11.4.7 图表辅助元素设置综合应用 285
11.5 使用Matplotlib库绘制常用图表 287
11.5.1 绘制直方图 287
11.5.2 绘制散点图 288
11.5.3 绘制柱形图 290
11.5.4 绘制折线图 291
11.5.5 绘制饼形图 292
11.5.6 绘制面积图 295
11.5.7 绘制热力图 296
11.5.8 绘制箱线图 297
11.5.9 绘制雷达图 299
11.5.10 绘制3D图形 301
11.6 综合应用实践：土壤养分含量数据分析与可视化 301
本章小结 304
思考与练习 305
参考文献