ویرایش دوم کتاب مقدمه ای بر محاسبات و برنامه نویسی با استفاده از پایتون، دانشجویان کم تجربه و یا بدون تجربه برنامه نویسی را به هنر حل مسائل محاسباتی با استفاده از پایتون و کتابخانه‌های مختلف پایتون از جمله PyLab، معرفی می‌کند. این کتاب مهارت‌های را در اختیار دانشجویان قرار می‌دهد که آنها را قادر می‌سازد تا از تکنیک‌های محاسباتی، از جمله برخی از ابزارها و تکنیک‌های علم داده برای استفاده از محاسبات برای مدل سازی و تفسیر داده ها، استفاده عملی کنند.

این کتاب بر اساس یک دوره MIT (محبوب‌ترین دوره ارائه شده از طریق MIT's OpenCourseWare) بوده و برای استفاده نه تنها در یک کلاس معمولی بلکه در یک دوره آنلاین فراگیر (MOOC) تهیه شده است. ویرایش جدید این کتاب برای پایتون 3 به روز شده است، مجدداً سازماندهی شده است تا استفاده از آن برای دوره هایی که فقط زیرمجموعه ای از مطالب را پوشش می‌دهند، آسانتر باشد و مطالب اضافی‌تر در پنج فصل جدید ارائه شده اند.

Table of Contents
Chapter 1 Getting Started
Chapter 2 Introduction To Python
Chapter 3 Some Simple Numerical Programs
Chapter 4 Functions, Scoping, And Abstraction
Chapter 5 Structured Types, Mutability, And Higher-Order Functions
Chapter 6 Testing And Debugging
Chapter 7 Exceptions And Assertions
Chapter 8 Classes And Object-Oriented Programming
Chapter 9 A Simplistic Introduction To Algorithmic Complexity
Chapter 10 Some Simple Algorithms And Data Structures
Chapter 11 Plotting And More About Classes
Chapter 12 Knapsack And Graph Optimization Problems
Chapter 13 Dynamic Programming
Chapter 14 Random Walks And More About Data Visualization
Chapter 15 Stochastic Programs, Probability, And Distributions
Chapter 16 Monte Carlo Simulation
Chapter 17 Sampling And Confidence Intervals
Chapter 18 Understanding Experimental Data
Chapter 19 Randomized Trials And Hypothesis Checking
Chapter 20 Conditional Probability And Bayesian Statistics
Chapter 21 Lies, Damned Lies, And Statistics
Chapter 22 A Quick Look At Machine Learning
Chapter 23 Clustering
Chapter 24 Classification Methods