《15天快速上手Python》是由人民邮电出版社出版的一本关于Python方面的书籍，作者是中岛省吾，主要介绍了关于Python、Python上手方面的知识内容，目前在Python类书籍综合评分为：9.1分。
书籍介绍
编辑推荐
·从零开始，循序渐进
本书介绍了Python语言的基础知识和操作技巧，内容由浅入深，循序渐进，适合零基础读者快速入门。
·系统丰富，易学易用
本书构建了面向实际应用的知识体系，体现了理论的适度性、实践的指导性和应用的实际性，对难点和重点做了详细讲解和特别提示。
·紧贴实际，案例导航
提供精彩案例，读者可边学边练，既可系统了解Python语言开发的各种方案，又可快速掌握基于实际应用的项目和任务。
·全程注解，快速上手
本书采用全程注解方式，对代码做了大量注解，对插图做了标注处理，信息丰富，阅读体验轻松，上手容易。
内容简介
Python作为一门功能强大且利于理解和使用的编程语言，非常适合编程初学者入门。本书详细阐述了Python编程的基础知识，同时介绍了Python在网络爬虫和AI编程方面的应用。本书还通过丰富的实用案例介绍了掌握Python编程的知识，并针对学习过程中的重点和难点进行了深入剖析。本书采用师生互答的形式讲解，共有三篇，每一篇5天学完，每一天均有详细的学习说明，以帮助读者快速掌握Python基础知识，并用其解决工作中遇到的问题。
本书内容丰富，语言风趣幽默，适合对Python编程感兴趣的初学者参考。
目录
- Python基础篇
- 第 1天 初识Python 003
- 第 1部分 开始使用Python 003
- 第 2部分 计算 008
- 第3部分 数值和字符串 014
- 第4部分 输入 017
- 第 2天 控制语句和函数 021
- 第 1部分 if语句和比较运算符 021
- 第 2部分 逻辑运算符 026
- 第3部分 while语句 029
- 第4部分 函数的创建 033
- 第3天 Python数据类型 042
- 第 1部分 列表 042
- 第 2部分 列表的便捷功能 047
- 第3部分 元组和集合 050
- 第4部分 字典 054
- 第4天 类和模块 058
- 第 1部分 面向对象 058
- 第 2部分 类和继承 061
- 第3部分 异常 067
- 第4部分 模块 072
- 第5天 网络通信 076
- 第 1部分 电子邮件基础与要做的准备工作 076
- 第 2部分 使用Python发送邮件 079
- 第3部分 Web服务器和通信 084
- 第4部分 使用外部库 087
- Python网络爬虫篇
- 第 1天 Web基础 095
- 第 1部分 启动Web服务器 096
- 第 2部分 Web服务器与HTML的关系 100
- 第3部分 HTML基础 103
- 第4部分 标签 108
- 第 2天 CSS和JavaScript 112
- 第 1部分 CSS是什么 113
- 第 2部分 CSS选择器 117
- 第3部分 JavaScript是什么 121
- 第4部分 函数和事件 126
- 第3天 表单和正则表达式 130
- 第 1部分 表单 131
- 第 2部分 用Python程序接收表单输入 137
- 第3部分 用正则表达式检查输入 142
- 第4天 Selenium自动化 147
- 第 1部分 Selenium是什么 148
- 第 2部分 Selenium IDE 152
- 第3部分 在Python中使用Selenium 157
- 第5天 Python网络爬虫 162
- 第 1部分 使用正则表达式进行数据采集 163
- 第 2部分 使用beautifulsoup4和XPath进行数据采集 168
- 第3部分 使用Selenium进行数据采集 172
- Python AI编程篇
- 第 1天 AI编程准备 177
- 第 1部分 引言 178
- 第 2部分 安装Anaconda 180
- 第3部分 Jupyter Notebook 182
- 第4部分 NumPy 185
- 第5部分 Pandas 190
- 第6部分 matplotlib 194
- 第 2天 scikit-learn 198
- 第１部分 了解scikit-learn 199
- 第 2部分 回归分析 202
- 第3部分 机器学习数据集 206
- 第3天 监督学习（k最近邻算法） 212
- 第 1部分 了解 k最近邻算法 213
- 第 2部分 数据划分 215
- 第3部分 绘制散点图 217
- 第4部分 构建机器学习模型 220
- 第4天 监督学习（其他相关的机器学习算法） 223
- 第 1部分 感知机 224
- 第 2部分 scikit-learn感知机 229
- 第3部分 逻辑斯谛回归 232
- 第4部分 支持向量机 237
- 第5天 神经网络和聚类 240
- 第 1部分 神经网络 241
- 第 2部分 MLPClassifier分类器 247
- 第3部分 无监督学习 251
- 第4部分 尝试k均值算法 254
