python中有哪些简单的算法？

首先谢谢邀请，

python中有的算法还是比较多的？

python之所以火是因为人工智能的发展，人工智能的发展离不开算法！

感觉有本书比较适合你,不过可惜的是这本书没有电子版，只有纸质的。

这本书对于算法从基本的入门到实现，循序渐进的介绍，比如里面就涵盖了数学建模的常用算法。

第 1章　从数学建模到人工智能

1.1　数学建模1.1.1　数学建模与人工智能1.1.2　数学建模中的常见问题1.2　人工智能下的数学1.2.1　统计量1.2.2　矩阵概念及运算1.2.3　概率论与数理统计1.2.4　高等数学——导数、微分、不定积分、定积分

第2章 Python快速入门

2.1　安装Python2.1.1　Python安装步骤2.1.2　IDE的选择2.2　Python基本 *** 作2.2.1　第 一个小程序2.2.2　注释与格式化输出2.2.3　列表、元组、字典2.2.4　条件语句与循环语句2.2.5　break、continue、pass2.3　Python高级 *** 作2.3.1　lambda2.3.2　map2.3.3　filter

第3章　Python科学计算库NumPy

3.1　NumPy简介与安装3.1.1　NumPy简介3.1.2　NumPy安装3.2　基本 *** 作3.2.1　初识NumPy3.2.2　NumPy数组类型3.2.3　NumPy创建数组3.2.4　索引与切片3.2.5　矩阵合并与分割3.2.6　矩阵运算与线性代数3.2.7　NumPy的广播机制3.2.8　NumPy统计函数3.2.9　NumPy排序、搜索3.2.10　NumPy数据的保存

第4章　常用科学计算模块快速入门

4.1　Pandas科学计算库4.1.1　初识Pandas4.1.2　Pandas基本 *** 作4.2　Matplotlib可视化图库4.2.1　初识Matplotlib4.2.2　Matplotlib基本 *** 作4.2.3　Matplotlib绘图案例4.3　SciPy科学计算库4.3.1　初识SciPy4.3.2　SciPy基本 *** 作4.3.3　SciPy图像处理案例第5章　Python网络爬虫5.1　爬虫基础5.1.1　初识爬虫5.1.2　网络爬虫的算法5.2　爬虫入门实战5.2.1　调用API5.2.2　爬虫实战5.3　爬虫进阶—高效率爬虫5.3.1　多进程5.3.2　多线程5.3.3　协程5.3.4　小结

第6章　Python数据存储

6.1　关系型数据库MySQL6.1.1　初识MySQL6.1.2　Python *** 作MySQL6.2　NoSQL之MongoDB6.2.1　初识NoSQL6.2.2　Python *** 作MongoDB6.3　本章小结6.3.1　数据库基本理论6.3.2　数据库结合6.3.3　结束语

第7章　Python数据分析

7.1　数据获取7.1.1　从键盘获取数据7.1.2　文件的读取与写入7.1.3　Pandas读写 *** 作7.2　数据分析案例7.2.1　普查数据统计分析案例7.2.2　小结

第8章　自然语言处理

8.1　Jieba分词基础8.1.1　Jieba中文分词8.1.2　Jieba分词的3种模式8.1.3　标注词性与添加定义词8.2　关键词提取8.2.1　TF-IDF关键词提取8.2.2　TextRank关键词提取8.3　word2vec介绍8.3.1　word2vec基础原理简介8.3.2　word2vec训练模型8.3.3　基于gensim的word2vec实战

第9章　从回归分析到算法基础

9.1　回归分析简介9.1.1　“回归”一词的来源9.1.2　回归与相关9.1.3　回归模型的划分与应用9.2　线性回归分析实战9.2.1　线性回归的建立与求解9.2.2　Python求解回归模型案例9.2.3　检验、预测与控制

第10章 从K-Means聚类看算法调参

10.1　K-Means基本概述10.1.1　K-Means简介10.1.2　目标函数10.1.3　算法流程10.1.4　算法优缺点分析10.2　K-Means实战

第11章 从决策树看算法升级

11.1　决策树基本简介11.2　经典算法介绍11.2.1　信息熵11.2.2　信息增益11.2.3　信息增益率11.2.4　基尼系数11.2.5　小结11.3　决策树实战11.3.1　决策树回归11.3.2　决策树的分类

第12章 从朴素贝叶斯看算法多变　193

12.1　朴素贝叶斯简介12.1.1　认识朴素贝叶斯12.1.2　朴素贝叶斯分类的工作过程12.1.3　朴素贝叶斯算法的优缺点12.2　3种朴素贝叶斯实战

第13章 从推荐系统看算法场景

13.1　推荐系统简介13.1.1　推荐系统的发展13.1.2　协同过滤13.2　基于文本的推荐13.2.1　标签与知识图谱推荐案例13.2.2　小结

第14章 从TensorFlow开启深度学习之旅

14.1　初识TensorFlow14.1.1　什么是TensorFlow14.1.2　安装TensorFlow14.1.3　TensorFlow基本概念与原理14.2　TensorFlow数据结构14.2.1　阶14.2.2　形状14.2.3　数据类型14.3　生成数据十二法14.3.1　生成Tensor14.3.2　生成序列14.3.3　生成随机数14.4　TensorFlow实战

希望对你有帮助！！！

贵在坚持，自己掌握一些，在工作中不断打磨，高薪不是梦！！

计算机的概念：计算机是 根据指令 *** 作数据的设备 。

计算机具有 功能性 和 可编程性。

功能性，指对数据的 *** 作，表现为数据计算、输入输出处理和结果存储等。

可编程性，指根据一系列指令自动地、可预测地、准确地完成 *** 作者的意图。

计算机的发展参照 摩尔定律 ，表现为指数方式。

计算机硬件所依赖的集成电路规模参照摩尔定律发展，计算机运行速度因此也接近几何级数快速增长，计算机高效支撑的各类运算功能不断丰富发展。

摩尔定律 Moore’s Law——计算机发展 历史 上最重要的预测法则

Intel公司创始人之一戈登·摩尔在1965年提出单位面积集成电路上可容纳晶体管的数量约每两年翻一番，CPU/GPU、内存、硬盘、电子产品价格等都遵循摩尔定律。计算机是当今世界，唯一长达50年有效且按照指数发展的技术领域，计算机深刻改变人类 社会 ，甚至可能改变人类本身，可预见的未来30年，摩尔定律还将持续有效。

程序设计

程序设计是计算机可编程性的体现。

程序设计，亦称编程，是深度应用计算机的主要手段，程序设计已经成为当今 社会 需求量最大的职业技能之一，很多岗位都将被计算机程序接管，程序设计将是生存技能。

程序设计语言

程序设计语言是一种用于交互(交流)的人造语言。

程序设计语言，亦称编程语言，是程序设计的具体实现方式，编程语言相比自然语言更简单、更严谨、更精确，编程语言相比自然语言更简单、更严谨、更精确。

编程语言种类很多，但生命力强劲的却不多。编程语言有超过600种，绝大部分都不再被使用。C语言诞生于1972年，它是第一个被广泛使用的编程语言，Python语言诞生于1990年，它是最流行最好用的编程语言。

编程语言的执行方式

计算机执行源程序的两种方式：编译和解释。

源代码：采用某种编程语言编写的计算机程序，人类可读。

例如：result = 2 + 3

目标代码：计算机可直接执行，人类不可读 (专家除外)。

例如：11010010 00111011

编译

将源代码一次性转换成目标代码的过程。

执行编译过程的程序叫作编译器（compiler）。

解释

将源代码逐条转换成目标代码同时逐条运行的过程

执行解释过程的程序叫做解释器（interpreter）。

编译和解释

编译：一次性翻译，之后不再需要源代码（类似英文翻译）。

解释：每次程序运行时随翻译随执行（类似实时的同声传译）。

静态语言和脚本语言

根据执行方式不同，编程语言分为两类。

静态语言：使用编译执行的编程语言，如C/C++语言、Java语言。

脚本语言：使用解释执行的编程语言，如Python语言、JavaScript语言、PHP语言。

执行方式不同，优势也各有不同。

静态语言：编译器一次性生成目标代码，优化更充分，程序运行速度更快。

脚本语言：执行程序时需要源代码，维护更灵活，源代码在维护灵活、跨多个 *** 作系统平台。

IPO

程序的基本编写方法。

I：Input 输入，程序的输入。

P：Process 处理，是程序的主要逻辑。

O：Output 输出，程序的输出。

理解IPO

输入 ，程序的输入 文件输入、网络输入、控制台输入、交互界面输入、内部参数输入等，输入是一个程序的开始。

输出 ，程序的输出，控制台输出、图形输出、文件输出、网络输出、 *** 作系统内部变量输出等，输出是程序展示运算结果的方式。

处理 ，处理是程序对输入数据进行计算产生输出结果的过程，处理方法统称为 算法 ，它是程序最重要的部分，算法是一个程序的灵魂。

问题的计算部分

一个待解决的问题中，可以用程序辅助完成的部分。

计算机只能解决计算问题，即问题的计算部分，一个问题可能有多种角度理解，产生不同的计算部分，问题的计算部分一般都有输入、处理和输出过程。

编程解决问题的步骤

6个步骤 (1-6)

分析问题 ：分析问题的计算部分，想清楚。

划分边界 ：划分问题的功能边界，规划IPO。

编写程序 ：编写问题的计算机程序，编程序。

调试测试 ：调试程序是正确运行的，运行调试。

升级维护 ：适应问题的升级维护，更新完善。

求解计算问题的精简步骤

3个精简步骤

确定IPO ：明确计算部分及功能边界。

编写程序 ：将计算求解的设计变成现实。

调试程序 ：确保程序按照正确逻辑能够正确运行。

编程能够训练思维

编程体现了一种抽象交互关系、自动化执行的思维模式。计算思维：区别逻辑思维和实证思维的第三种思维模式。能够促进人类思考，增进观察力和深化对交互关系的理解。

编程能够增进认识

编程不单纯是求解计算问题。不仅要思考解决方法，还要思考用户体验、执行效率等方面。能够帮助程序员加深对用户行为以及 社会 和文化的认识。

编程能够带来乐趣

编程能够提供展示自身思想和能力的舞台。让世界增加新的颜色、让自己变得更酷、提升心理满足感。在信息空间里思考创新、将创新变为现实。

编程能够提高效率

能够更好地利用计算机解决问题。显著提高工作、生活和学习效率。为个人理想实现提供一种借助计算机的高效手段。

编程带来就业机会

程序员是信息时代最重要的工作岗位之一。国内外对程序员岗位的缺口都在百万以上规模。计算机已经渗透于各个行业， 就业前景非常广阔。

学习编程的误区

Q：编程很难学吗？ A：掌握方法就很容易！

首先，掌握编程语言的语法，熟悉基本概念和逻辑。其次，结合计算问题思考程序结构，会使用编程套路。最后，参照案例多练习多实践，学会举一反三次。

基于以下三个原因，我们选择Python作为实现机器学习算法的编程语言：(一) Python的语法清晰；(二) 易于 *** 作纯文本文件；(三) 使用广泛，存在大量的开发文档。 可执行伪代码 Python具有清晰的语法结构，大家也把它称作可执行伪代码（executable pseudo-code）。默认安装的Python开发环境已经附带了很多高级数据类型，如列表、元组、字典、集合、队列等，无需进一步编程就可以使用这些数据类型的 *** 作。使用这些数据类型使得实现抽象的数学概念非常简单。此外，读者还可以使用自己熟悉的编程风格，如面向对象编程、面向过程编程、或者函数式编程。不熟悉Python的读者可以参阅附录A，该附录详细介绍了Python语言、Python使用的数据类型以及安装指南。 Python语言处理和 *** 作文本文件非常简单，非常易于处理非数值型数据。Python语言提供了丰富的正则表达式函数以及很多访问Web页面的函数库，使得从HTML中提取数据变得非常简单直观。 Python比较流行 Python语言使用广泛，代码范例也很多，便于读者快速学习和掌握。此外，在开发实际应用程序时，也可以利用丰富的模块库缩短开发周期。 在科学和金融领域，Python语言得到了广泛应用。SciPy和NumPy等许多科学函数库都实现了向量和矩阵 *** 作，这些函数库增加了代码的可读性，学过线性代数的人都可以看懂代码的实际功能。另外，科学函数库SciPy和NumPy使用底层语言（C和Fortran）编写，提高了相关应用程序的计算性能。本书将大量使用Python的NumPy。 Python的科学工具可以与绘图工具Matplotlib协同工作。Matplotlib可以绘制二D、三D图形，也可以处理科学研究中经常使用到的图形，所以本书也将大量使用Matplotlib。 Python开发环境还提供了交互式shell环境，允许用户开发程序时查看和检测程序内容。 Python开发环境将来还会集成Pylab模块，它将NumPy、SciPy和Matplotlib合并为一个开发环境。在本书写作时，Pylab还没有并入Python环境，但是不远的将来我们肯定可以在Python开发环境找到它。 Python语言的特色 诸如MATLAB和Mathematica等高级程序语言也允许用户执行矩阵 *** 作，MATLAB甚至还有许多内嵌的特征可以轻松地构造机器学习应用，而且MATLAB的运算速度也很快。然而MATLAB的不足之处是软件费用太高，单个软件授权就要花费数千美元。虽然也有适合MATLAB的第三方插件，但是没有一个有影响力的大型开源项目。 Java和C等强类型程序设计语言也有矩阵数学库，然而对于这些程序设计语言来说，最大的问题是即使完成简单的 *** 作也要编写大量的代码。程序员首先需要定义变量的类型，对于Java来说，每次封装属性时还需要实现getter和setter方法。另外还要记着实现子类，即使并不想使用子类，也必须实现子类方法。为了完成一个简单的工作，我们必须花费大量时间编写了很多无用冗长的代码。Python语言则与Java和C完全不同，它清晰简练，而且易于理解，即使不是编程人员也能够理解程序的含义，而Java和C对于非编程人员则像天书一样难于理解。 所有人在小学二年级已经学会了写作，然而大多数人必须从事其他更重要的工作。 ——鲍比·奈特 也许某一天，我们可以在这句话中将“写作”替代为“编写代码”，虽然有些人对于编写代码很感兴趣，但是对于大多数人来说，编程仅是完成其他任务的工具而已。Python语言是高级编程语言，我们可以花费更多的时间处理数据的内在含义，而无须花费太多精力解决计算机如何得到数据结果。Python语言使得我们很容易表达自己的目的。 Python语言的缺点 Python语言唯一的不足是性能问题。Python程序运行的效率不如Java或者C代码高，但是我们可以使用Python调用C编译的代码。这样，我们就可以同时利用C和Python的优点，逐步地开发机器学习应用程序。我们可以首先使用Python编写实验程序，如果进一步想要在产品中实现机器学习，转换成C代码也不困难。如果程序是按照模块化原则组织的，我们可以先构造可运行的Python程序，然后再逐步使用C代码替换核心代码以改进程序的性能。C++ Boost库就适合完成这个任务，其他类似于Cython和PyPy的工具也可以编写强类型的Python代码，改进一般Python程序的性能。 如果程序的算法或者思想有缺陷，则无论程序的性能如何，都无法得到正确的结果。如果解决问题的思想存在问题，那么单纯通过提高程序的运行效率，扩展用户规模都无法解决这个核心问题。从这个角度来看，Python快速实现系统的优势就更加明显了，我们可以快速地检验算法或者思想是否正确，如果需要，再进一步优化代码

---