DA-Python入门与实战文档

作者：李翔宇 丁俊杰 梁远心 张博仕

指导老师：白玉琦

CopyRight @ 自动化学生科协

---

提示

PDF 下载：DA-Python入门与实战文档

前言

本文档提供了从Python基础到实战的完整学习路径：

1. Python下载与配置: Say Hello to Python
2. Python基础: 从环境配置到语法掌握，为后续学习打下坚实基础
3. 数据处理与可视化: 使用pandas进行数据分析和处理，掌握数据科学基础技能
4. Torch库 学习PyTorch张量操作，为深度学习模型实现做准备
5. 手写经典架构: 详细讲解RNN，Transformer等经典架构
6. 实战演练: 通过实战学习项目，让读者体验到完成某类特定任务所需要的步骤

通过系统学习本文档，读者可以从Python零基础成长为一位能基本使用Python的开发者。每个部分都包含了理论讲解、代码实现和实战案例，确保理论与实践相结合，为进一步的研究和应用打下坚实基础。

希望这份文档能够帮助更多的DAer熟练掌握Python！

CopyRight @ 自动化学生科协

目录

• DA-Python入门与实战文档
  • 前言
  • 目录
• L1-Python下载与配置
  • 教程内容
  • 1. 下载并安装 Python
  • 2. 配置环境变量（如果安装时忘记勾选 PATH ，或下载后版本显示存在问题）
  • 3. 安装 VS Code 并配置 Python 插件
  • 4. 在 VS Code 中运行 Python 程序
• L2-Python语法基础
  • 预备知识
  • 1. 常见数据类型
    • 1.1 数值运算
    • 1.2 比较操作
    • 1.3 字符串
    • 1.4 索引和切片
    • 1.5 列表
    • 1.6 元组
    • 1.7 字典
      • 基本操作
      • 字典方法
    • 1.8 集合
  • 2. 流程控制
    • 2.1 if
    • 2.2 while
    • 2.3 for 和 range / zip / enumerate
      • 列表推导式
      • zip
      • enumerate
  • 3. 函数
    • 设定参数默认值
    • 接收不定长参数
    • 返回多个值
  • 4. 输入输出
  • 5. 文件操作
  • 6. 包
  • 7. 类
  • 8. 异常处理
• L3-数据处理及可视化
  • 1. pandas库是什么？
  • 2. pandas库的安装与导入
  • 3. pandas库中的数据结构
    • 3.1 Series：类似一维数组，由一组数据和相应的索引组成
    • 3.2 DataFrame：类似二维表格，由多组数据和相应的索引值组成（由多个Series组成）
  • 4. 查看与操作数据
    • 4.1 查看数据
      • 1. df.head() —— 查看前几行数据
      • 2. df.tail() —— 查看后几行数据
      • 3. df.info() —— 显示 DataFrame 的基本信息
      • 4. df.describe() —— 显示数值列的统计信息
    • 4.2 选择数据
      • 1. 选择单列数据
      • 2. 选择多列数据
      • 3. 选择单行数据
      • 4. 选择多行数据
      • 5. 根据条件选择数据
    • 4.3 添加与删除与更改数据
      • 1. 添加列数据
      • 2. 添加行数据
      • 3. 删除列数据
      • 4. 删除行数据
      • 5. 修改数据
    • 4.4 数据清洗
      • 1. 处理重复数据
      • 2. 处理缺失值
      • 3. 处理异常值
      • 4. 计算统计量
      • 5. 数据类型转换
      • 6. 重置索引
    • 4.5 数据分析
      • 1. 数据分组统计
      • 2. 数据提取转换
      • 3. 数据合并连接
  • 5. 读取文件
    • 1. 读取CSV文件
    • 2. 读取Excel文件
    • 3. 读取JSON文件
    • 4. 读取SQL数据库
    • 5. 读取HTML表格
  • 总结
    • 核心功能：
      • 数据结构创建
      • 数据查看
      • 数据选择
      • 数据操作
      • 数据分析
      • 文件读写
      • 数据合并
• L4-Torch使用
  • 1. Torch库是什么？
  • 2. 安装Torch库
    • 2.1 Anaconda安装
    • 2.2 CUDA与cuDNN安装
    • 2.3 Pytorch安装
      • （1）配置torch环境
      • （2）pytorch的安装
  • 3. Torch库简介
    • 3.1 张量tensor的创建
    • 3.2 张量tensor的形状操作
    • 3.3 数学运算
    • 3.4 索引与切片
    • 3.5 类型与设备转换
    • 3.6 广播机制
    • 3.7 张量拼接与分割
    • 3.8 其他使用操作
  • 总结
    • 核心功能
      • 张量创建
      • 形状操作
      • 数学运算
      • 索引切片
      • 类型设备转换
      • 广播机制
      • 张量操作
      • 高级操作
      • GPU支持
• L5-手写RNN、CNN、Transformer等经典架构
  • RNN
    • 例子：基于 RNN 的正弦波序列预测实现
    • Setup
    • 1、定义简单的RNN模型
    • 2、生成测试数据
    • 3、训练模型
    • 4、运行训练
  • CNN
    • 例子：用CNN实现MNIST手写数字分类
    • Setup
    • 1、数据加载与预处理
    • 2、定义CNN模型
    • 3、训练模型并记录损失
    • 4、可视化训练损失曲线
    • 5、测试集准确率
    • 6、可视化部分测试样本及预测结果
  • Transformer
    • Setup
    • 1、PositionalEncoding
    • 2、Multi-Head Attention
    • 3、EncoderLayer
    • 4、Encoder
  • 总结
• L6-实战训练
  • 1. 数据准备
    • 1.1 文件结构
    • 1.2 数据来源
  • 2. 环境配置
  • 3. 训练代码
  • 4. 推理代码
  • 5. 模型评估与可视化
    • 5.1 混淆矩阵
    • 5.2 可视化预测结果
  • 6. 进阶挑战