第1章　起步

第2章　Python介绍

2.1　Python的基本元素

2.1.1　对象、表达式和数值类型

2.1.2　变量和赋值

2.1.3　IDLE

2.2　分支程序

2.3　字符串和输出

2.3.1　输入

2.4　循环

第3章　一些简单的数值类程序

3.1　穷举法

3.2　for循环

3.3　近似解和二分查找

3.4　关于浮点数

3.5　牛顿?拉夫逊方法

第4章　函数、作用域和规范抽象

4.1　函数和作用域

4.1.1　函数定义

4.1.2　关键字参数和默认值

4.1.3　作用域

4.2　规范

4.3　递归

4.3.1　斐波那契数

4.3.2　回文和分治

4.4　全局变量

4.5　模块

4.6　文件

第5章　结构化类型、可变性和高阶

　　　　函数

5.1　元组

5.1.1　序列和多重赋值

5.2　列表和可变性

5.2.1　克隆

5.2.2　列表解析

5.3　函数对象

5.4　字符串、元组和列表

5.5　字典

第6章　测试和调试

6.1　测试

6.1.1　黑盒测试

6.1.2　白盒测试

6.1.3　执行测试

6.2　调试

6.2.1　学习调试

6.2.2　设计实验

6.2.3　如果遇到阻碍

6.2.4　找到“目标”错误之后

第7章　异常和断言

7.1　处理异常

7.2　把异常当作控制流来使用

7.3　断言

第8章　类和面向对象编程

8.1　抽象的数据类型和类

8.1.1　使用抽象的数据类型来设计

程序

8.1.2　使用类来记录学生和教师

8.2　继承

8.2.1　多层继承

8.2.2　替代法则

8.3　封装和信息隐藏

8.3.1　生成器

8.4　进阶实例：抵押贷款

第9章　算法复杂度简介

9.1　思考计算复杂度

9.2　渐近表示

9.3　一些重要的复杂度

9.3.1　常数复杂度

9.3.2　对数复杂度

9.3.3　线性复杂度

9.3.4　对数线性复杂度

9.3.5　多项式复杂度

9.3.6　指数复杂度

9.3.7　复杂度对比

第10章　一些简单的算法和数据结构

10.1　搜索算法

10.1.1　线性搜索和间接访问元素

10.1.2　二分查找和利用假设

10.2　排序算法

10.2.1　归并排序

10.2.2　把函数当做参数

10.2.3　Python中的排序

10.3　散列表

第11章　绘图以及类的扩展内容

11.1　使用PyLab绘图

11.2　扩展实例：绘制抵押贷款

第12章　随机算法、概率以及统计

12.1　随机程序

12.2　统计推断和模拟

12.3　分布

12.3.1　正态分布和置信水平

12.3.2　均匀分布

12.3.3　指数分布和几何分布

12.3.4　本福德分布

12.4　强队的获胜概率

12.5　散列和碰撞

第13章　随机游动和数据可视化

13.1　醉汉游动

13.2　有偏随机游动

13.3　危机重重的田地

第14章　蒙特卡罗模拟

14.1　帕斯卡的问题

14.2　过还是不过

14.3　使用查表提高性能

14.4　寻找π

14.5　模拟模型的结束语

第15章　理解实验数据

15.1　弹簧的行为

15.2　弹丸的行为

15.2.1　决定系数

15.2.2　使用计算模型

15.3　拟合指数分布

15.4　当理论缺失时

第16章　谎言和统计

16.1　垃圾输入只能产生垃圾输出

16.2　图表会骗人

16.3　与此谬误

16.4　统计方法并不能代替数据

16.5　抽样偏差

16.6　语境问题

16.7　当心外推法

16.8　得克萨斯神枪手谬误

16.9　百分比会说谎

16.10　小心谨慎

第17章　背包和图的最优化问题

17.1　背包问题

17.1.1　贪婪算法

17.1.2　0/1背包问题的最优解法

17.2　图的最优化问题

17.2.1　一些典型的图论问题

17.2.2　疾病传播和最小割

17.2.3　最短路径、深度优先搜索和广度优先搜索

第18章　动态规划

18.1　斐波那契数列

18.2　动态规划和0/1背包问题

18.3　动态规划和分治

第19章　机器学习简介

19.1　特征向量

19.2　距离度量

19.3　聚类

19.4　类型示例和聚类

19.5　K-means聚类

19.6　人造案例

19.7　稍微真实一些的示例

19.8　小结

附录　Python 2.7快速参考