# PythonTutor

**Repository Path**: sijc/PythonTutor

## Basic Information

- **Project Name**: PythonTutor
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 3
- **Forks**: 2
- **Created**: 2020-09-14
- **Last Updated**: 2025-07-19

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# PythonTutor

主要用于Python教学。

**版权所有，请勿散播、抄袭。**

结构如下：

* [Errors.ipynb](Errors.ipynb)：本教程常见报错；

## Python基础

* [Begin.ipynb](Begin.ipynb)： Python的安装、开发环境等，以及Git（Hub）入门；
* [Basic.ipynb](Basic.ipynb)： Python入门：数据类型和控制语句；
* [Func_and_module.ipynb](Func_and_module.ipynb)： 函数和模块；
* [Class.ipynb](Class.ipynb)： 面向对象编程；

## 字符串专题

* [String_and_file.ipynb](String_and_file.ipynb)： 字符串和文件；
* [Regex.ipynb](Regex.ipynb)： 正则表达式；

## 数据库与爬虫

* [SQL.ipynb](SQL.ipynb)： Python与数据库交互、sqlite简介；
* [HTML_bs.ipynb](HTML_bs.ipynb)： HTML语言简介、BeautifulSoup解析HTML；
* [Flask_request_selenium.ipynb](Flask_request_selenium.ipynb)： 爬虫；

## 数值计算与数据管理

* [Numpy_scipy_matplotlib.ipynb](Numpy_scipy_matplotlib.ipynb)：科学计算： Numpy+SciPy+Pandas+Matplotlib；
* [Pandas.ipynb](Pandas.ipynb)：数据管理：Pandas；

## 统计方法（待补充）

* [Random.ipynb](Random.ipynb)：随机数生成（待补充）；
* [Optimize.ipynb](Optimize.ipynb)：最优化方法（待补充）；
* [Estimation.ipynb](Estimation.ipynb)：矩估计与极大似然估计（待补充）；
* [Hypo_test.ipynb](Hypo_test.ipynb)：常用的假设检验（待补充）；
* [Bayesian.ipynb](Bayesian.ipynb)：贝叶斯统计（待补充）；
* [MCMC.ipynb](MCMC.ipynb)：马尔可夫链蒙特卡洛（待补充）；
* [Linear_and_quantile_regression.ipynb](Linear_and_quantile_regression.ipynb)：线性回归（待补充）；
* [Probit_logit_count.ipynb](Probit_logit_count.ipynb)：离散选择模型及计数模型（待补充）；
* [Duration_survival.ipynb](Duration_survival.ipynb)：生存分析（待补充）；
* [Stationary_time_series.ipynb](Stationary_time_series.ipynb)：平稳时间序列（待补充）；
* [ARCH_GARCH.ipynb](ARCH_GARCH.ipynb)：条件异方差模型（待补充）；
* [Nonstationary.ipynb](Nonstationary.ipynb)：非平稳时间序列（待补充）；
* [Factor_pricing.ipynb](Factor_pricing.ipynb)：因子定价模型（待补充）；
* [Factor.ipynb](Factor.ipynb)：因子模型（待补充）；
* [Nonparametric.ipynb](Nonparametric.ipynb)：非参数统计模型（待补充）；

## 机器学习

* [Scikit_learn.ipynb](Scikit_learn.ipynb)：机器学习简介：scikit-learn；
* [Clustering.ipynb](Clustering.ipynb)：聚类分析；
* [PCA_Manifold.ipynb](PCA_Manifold.ipynb)：主成分与流形学习
* [Regression_lasso.ipynb](Regression_lasso.ipynb)：回归与正则化；
* [Logistic_regression.ipynb](Logistic_regression.ipynb)： Logistic回归；
* [Tree_and_forest.ipynb](Tree_and_forest.ipynb)： 决策树与随机森林；
* [Torch.ipynb](Torch.ipynb)：PyTorch入门；
* [NN.ipynb](NN.ipynb)神经网络与PyTorch；
* [RNN.ipynb](RNN.ipynb)循环神经网络；
* [Text_analytics.ipynb](Text_analytics.ipynb)： 文本分析入门；
* [Reinforcement.ipynb](Reinforcement.ipynb)： 增强学习（待补充）；

## 常用数据集

这里列举了一些数据源，练习时可以使用。

* [UCI 提供的机器学习数据集](https://archive.ics.uci.edu/ml/datasets.php)；
* [GitHub上的一个数据集汇总](https://github.com/awesomedata/awesome-public-datasets)；
* [亚马逊数据集](https://registry.opendata.aws)；
* [微软数据集](https://msropendata.com)；
* [Google的数据集搜索](https://toolbox.google.com/datasetsearch)；
* [Kaggle数据集](https://www.kaggle.com/datasets)；
* [阿里天池数据集](https://tianchi.aliyun.com/dataset)；
* [和鲸社区数据集](https://www.kesci.com/home/dataset)；
* [欧盟数据集](https://data.europa.eu/euodp/data/dataset)。