本书主要包括揭秘 Python 程序设计之谜、控制程序的结构、优化程序的性能、Python 与办公自动化、Python 数据分析与可视化、Python 与会计、Python 与电子商务七大情景，共 23 个任务。希望通过本书的学习，使学生具备解题的思维方式和程序设计的基本功，并培养学生通过Python 编程来解决实际问题的能力。

《Python数据科学手册》是对以数据深度需求为中心的科学、研究以及针对计算和统计方法的参考书。本书共五章，每章介绍一到两个Python数据科学中的重点工具包。首先从IPython和Jupyter开始，它们提供了数据科学家需要的计算环境；第 2章讲解能提供ndarray对象的NumPy，它可以用Python高效地存储和操作大型数组；第3章主要涉及提供DataFrame对象的Pandas，它可以用Python高效地存储和操作带标签的/列式数据；第4章的主角是Matplotlib，它为Python提供了许多数据可视化功能；第5章以Scikit-Learn为主，这个程序库为重要的机器学习算法提供了高效整洁的Python版实现。《Python数据科学手册》适合有编程背景，并打算将开源Python工具用作分析、操作、可视化以及学习数据的数据科学研究人员。

《利用Python调试机器学习模型》详细阐述了利用Python调试机器学习模型的基本解决方案，主要包括代码调试、机器学习生命周期、为实现负责任的人工智能而进行调试、检测机器学习模型中的性能和效率问题、提高机器学习模型的性能、机器学习建模中的可解释性和可理解性、减少偏差并实现公平性、使用测试驱动开发以控制风险、生产测试和调试、版本控制和可再现的机器学习建模、避免数据漂移和概念漂移、通过深度学习机器学习调试、高级深度学习技术、机器学习进展简介、相关性与因果关系、机器学习中的安全性和隐私、人机回圈机器学习等内容。此外，本书还提供了相应的示例、代码，以帮助读者进一步理解相关方案的实现过程。 本书可作为高等院校计算机及相关专业的教材和教学参考用书，也可作为相关开发人员的自学用书和参考手册。

金融量化分析不仅需要掌握金融领域的知识，还需要掌握相关的计算机编程技术。《Python金融量化分析》全面、系统地介绍金融量化分析所需要掌握的技能。无论是具有丰富的编程经验的读者，还是普通的投资爱好者，均可参照本书内容开发自己的量化交易策略回测代码，实现金融量化分析辅助投资的目的。 《Python金融量化分析》共9章，涵盖的主要内容有金融量化交易策略分析概述，Python的基础语法，Pandas模块基础，NumPy基础，数据获取与清洗，金融量化交易策略实战，TA-Lib、Empyrical与Mplfinance模块的使用方法，金融数据回归分析，ARIMA与VAR模型在金融量化领域的应用，开源金融量化交易策略回测框架Backtrader的使用方法等。掌握这些内容，可以解决金融量化分析涉及的编程语言基础、数据获取、量化交易策略构建、统计学与金融学理论在金融量化领域的高级应用，

本书面向具备Python一级能力的初学者，基于虚构人物形象山羊博士和二叶草的教学现场，带领读者体验Python数据分析。本书内容以教学对话和场景插图呈现，讲解数据分析的概念、预处理方法，以及如何查看数据集群、如何创建易于阅读的图表、如何查看数据分布以及如何进行预测。本书可作为以PAAT全国青少年编程能力等级考试、中国自动化学会青少年人工智能核心素养为代表的各类Python编程能力认定的参考书，也可供Python初学者自学入门。

本书以Python知识脉络为线索，结合Python生态系统，通过融合传统文化、历史人文等元素的实践案例，力求在轻松的氛围中培养学习者的程序设计能力和计算思维能力。 全书共分10章，主要内容包括搭建编程环境、基础语法、流程控制语句、字符串、列表元组与字典、函数、访问文件、处理异常、模块与包、面向对象编程等。本书各章采用模块化组织，除了具体知识细节的梳理铺陈，每章都会介绍相关的Python库，并提供多个案例对全章所学知识做综合演练，通过拓展实践进一步提升读者的实操能力。

本书分为上、下两大部分，共计22章。部分（~11章）由浅入深地介绍Python的基础知识，包括变量、数值、条件语句、文本字符串、循环语句、元组、列表、字典、集合、函数、对象、类、模块、库，等等。掌握这些基础知识将为运用Python奠定牢固的基础。第二部分（2~22章）介绍Python的应用，所涉及的领域包括Web应用、数据库、网络和机器学习。你将学会用Python处理时间、进行网络通信、完成数据科学任务等，还会了解并发的相关知识。

Go语言"入门易，精通难”。想要用Go语言写出优质的软件，不仅要了解Go语言的语法，还需要对Go语言的特性、软件的通用编写方法、软件项目的组织方法、并发程序设计、软件测试、软件性能优化等方面都有的了解。 本书既聚焦于Go语言，又不限于Go语言，介绍了开发者在使用Go语言时经常犯的100个经典错误，内容侧重于语言核心和标准库。对大多数错误的讨论都提供了具体的示例，以说明在什么时候容易犯这样的错误。这不是一本教条主义的图书，每个解决方案都详细传达了它应该适用的上下文。

《Python数据分析快速上手》通过通俗易懂的语言、丰富多彩的实例，详细介绍了使用Python进行数据分析应该掌握的各方面技术。本书内容包括Python基础，用NumPy进行数据计算，用Pandas进行数据分析，用SciPy进行数据分析，用Scikit-learn进行数据分析、数据预处理、数据可视化，用Matplotlib进行可视化等内容。本书示例丰富，所有涉及的程序代码都给出了详细的注释，读者可以轻松学习，快速提升开发技能。除此之外，本书还附配了教学视频、PPT课件和全书示例源码。 《Python数据分析快速上手》适合数据分析的初学者、职场人士和所有对数据分析感兴趣的人员阅读，也适合作为大中专院校相关专业的教学用书。

本书案例主要以进销存数据为基础进行逐步完善，结合学生前期财务专业基础知识，以项目案例的形式，贯穿始终并逐步完善， 终形成针对不同企业规模的完善的数据系统，包括凭证系统、日记账系统、分类账系统、会计报表系统、财务分析体系，以及SOL数据库下典型的进销存数据管理系统（包括数据表、商品信息管理、采购单管理、销售单管理、商品库存管理、报表计算管理等）。案例贯穿于教学中，使学生 容易理解所学内容，大量真实的、汇集了 多非财务信息的综合案例，使学生 全面、 深入理解大体量财务数据分析的内容及其应用，有利于学生财务数据处理技术思维的形成，进而提高学生的综合分析和解决问题的能力。

本书提供了23种经过验证的的、可视化、示例驱动的模式，涉及抽象类、多重继承、GUI编程和小部件、图形类、绘图和绘图、数学、数据库、Python装饰器、图像、线程、迭代器、创建可执行代码等，从而编写更加健壮、高效、可维护和优雅的Python代码，生成功能强大、灵活的程序。