本书是享誉全球的Python入门书，影响了超过250万读者。全书分两部分：部分介绍用Python编程所必须了解的基本概念，包括强大的Python库和工具，以及列表、字典、if语句、类、文件和异常、代码测试等内容；第二部分将理论付诸实践，讲解如何开发三个项目，包括简单的2D游戏、利用数据生成交互式的信息图以及创建和定制简单的Web应用，并帮助读者解决常见编程问题和困惑。第3版进行了全面修订：使用了文本编辑器VS Code，新增了介绍removeprefix()方法和removesuffix()方法的内容，并且在项目中利用了Matplotlib和Plotly的特性，等等。

本书是Python数学分析经典畅销书的升级版，由Python pandas项目的创始人Wes McKinney撰写。自2012年第1版出版以来，迅速成为该领域的权威指南，并且为了与时俱进，作者也在对本书内容进行持续更新，以摒弃一些过时、不兼容的工具，添加新的内容，用以介绍一些新特性、新工具及方法。本书第3版针对Python 3.10和pandas 1.4进行了更新，并通过实操讲解和实际案例向读者展示了如何高效解决一系列数据分析问题。读者将在阅读过程中学习新版本的pandas、NumPy、IPython和Jupyter。

●为预训练和微调寻找合适的用例和数据集 ●使用定制的加速器和GPU,为大规模训练做好准备 ●配置AWS和SageMaker环境,最大限度地提高性能 ●根据模型和约束条件选择超参数 ●使用多种并行方式分发模型和数据集 ●利用作业重启、间歇性健康检查等方式避开陷阱 ●定性和定量地评估模型 ●部署模型，在运行时进行改进和监控

大模型的出现让 AI 技术经历了从量变到质变的过程，而 Python 作为 AI 首选语言，一直默默推动着 AI 技术的快速发展。你是否想过，这是为什么呢？答案就藏在 CPython 中！ CPython 是用 C 语言实现的 Python 解释器，它是 Python 的官方实现，并且是使用最广泛的 Python 解释器。其实在谈论 Python 的时候，99% 的情况说的就是 CPython！本书共 16 章，从获取 CPython 源代码开始，手把手带你重新编译 CPython，我们将一起调试代码、升级组件，在这个过程中，你可以详细了解 Python 各类特性的工作原理，成长为一名更棒的Python 程序员。

本书基于广受好评的 Python工匠 系列开源文章。全书从工程实践角度出发，通过剖析核心知识、展示典型案例与总结实用技巧，帮助大家系统进阶Python，写好工程代码，做好实践项目。 本书共计13章，分为五大部分：变量与基础类型、语法结构、函数与装饰器、面向对象编程、总结与延伸，涵盖Python编程的方方面面。本书的写作方式别具一格，核心知识点都会通过三大板块来阐述：基础知识、案例故事、编程建议。其中基础知识帮助大家快速回顾Python基础；案例故事由作者经历的编程项目与案例改编而来，兼具实战性与趣味性；编程建议以大家喜闻乐见的条目式知识点呈现，短小精悍，可直接应用于自己的编程实践中。

磨砺编程技能，平替ChatGPT！Python是一门既简单又强大的编程语言，被广泛应用于数据分析、大数据、网络爬虫、自动化运维、科学计算和人工智能等领域。Python也越来越重要，成为国家计算机等级考试科目，某些中小学也开设了Python编程课程。本书秉承有趣、有料、好玩、好用的理念，通过3个漫画人物的轻松对话、搞笑形象及夸张动作，把复杂的Python技术问题简单化。本书总计16章：第1章介绍Python的历史和特点，并进行开发环境搭建；第2～5章介绍Python的基础知识，包括数据类型、表达式、流程控制等；第6～7章介绍Python常用的容器类型数据和字符串数据；第8～11章介绍Python的进阶内容，包括函数、类与对象、异常处理、常用内置模块等；第12～16章介绍Python实用库的使用方法，包括文件读写、图形用户界面、网络通信、数据库访问和多线程等。本书在每一章中都

本书以数据分析流程为主线，介绍了金融数据分析的方法，并通过Python加以实现。全书分为三部分，共12章，其中第1～4章是基础部分，主要介绍金融数据分析概览、数据分析流程、Python运行环境搭建以及数据分析的基础Python包；第5～8章是进阶部分，分别介绍了数据分析流程中的金融数据获取、探索性数据分析、特征工程和数据建模分析；第9～12章是应用部分，通过综合案例分别演示了股票行情数据分析、资本资产定价模型分析、股票量化投资多因子模型分析和个人贷款信用风险评估的数据分析操作。 本书适合具备Python语言基础、有金融数据分析学习需求的人群，也可供具备机器学习模型基础知识，但并没有系统地了解数据分析流程的读者参考。

本书Python新手入门经典图书，涵盖了Python编程的方方面面。本书前半部分介绍了基础知识与概念：从安装Python、配置开发环境，到列表、元组、字符串、字典以及各种语句的基础知识，再到抽象、异常、方法、属性、迭代器等核心概念，Python与数据库、网络、C语言等工具结合使用，以及Python程序测试、打包、发布等知识。本书的后半部分，向读者详尽介绍了当下流行的多个Python项目的开发过程。 本次修订，不仅在结构与细节知识上进行了优化和完善，还增加了贴近真实商业环境的案例，并辅以课件PPT和专门针对求职应聘的习题，旨在帮助读者真正掌握Python开发的实战能力。

本书向读者展示如何利用编程来让数学学习变得有意义并且充满乐趣。读者在探索代数学、几何学、三角学、矩阵和元胞自动机等领域的关键数学概念时，将学会在Python语言的帮助下使用代码可视化一系列数学问题的解决方案。读完本书，读者还可以编写自己的程序来快速解方程，自动完成一些烦琐的任务，以及编写函数来绘制和操作形状，等等。

本书是一本面向初学者的Python编程实用指南。本书不仅介绍了Python语言的基础知识，而且通过案例实践教读者如何使用这些知识和技能。本书的*部分介绍了基本的Python编程概念，第二部分介绍了一些不同的任务，通过编写Python程序，可以让计算机自动完成它们。第二部分的每一章都有一些项目程序供读者学习。每章的末尾还提供了一些习题和深入的实践项目，帮助读者巩固所学的知识。附录部分提供了所有习题的解答。

如果你想充分发挥Python的强大作用，如果你想成为一名好的Python工程师，你应该先学好Pandas。 这是一本全面覆盖了Pandas使用者的普遍需求和痛点的著作，基于实用、易学的原则，从功能、使用、原理等多个维度对Pandas做了全方位的详细讲解，既是初学者系统学习Pandas难得的入门书，又是有经验的Python工程师案头必不可少的查询手册。 本书共17章，分为七部分。 部分（第1～2章） Pandas入门 首先介绍了Pandas的功能、使用场景和学习方法，然后详细讲解了Python开发环境的搭建，Z后介绍了Pandas的大量基础功能，旨在引领读者快速入门。 第二部分（第3～5章） Pandas数据分析基础 详细讲解了Pandas读取与输出数据、索引操作、数据类型转换、查询筛选、统计计算、排序、位移、数据修改、数据迭代、函数应用等内容。 第三部分（第6～9章） 数据形式变化 讲解了Pandas的分

本书自第1版出版以来，备受广大读者欢迎。与同类书相比，本书除了介绍如何用Python和基于Python的机器学习软件库进行实践外，还对机器学习概念的必要细节进行讨论，同时对机器学习算法的工作原理、使用方法以及如何避免掉入常见的陷阱提供直观且翔实的解释，是Python机器学习入门之作。它的内容涵盖了众多高效Python库，包括scikit-learn、Keras和TensorFlow等，系统性地梳理和分析了各种经典算法，并通过Python语言以具体代码示例的方式深入浅出地介绍了各种算法的应用，还给出了从情感分析到神经网络的一些实践技巧，这些内容能使你快速解决你和你的团队面临的一些重要问题。

本书分为上、下两大部分，共计22章。部分（第1~11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（第12~22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。

本书将程序设计和数学巧妙地结合起来，从简单的项目开始，应用Python解决高中和大学低年级的数学问题，比如几何、概率、统计以及微积分等，为进一步学习更复杂的数学内容以及Python编程语言打下坚实的基础。本书也可作为Python初学者的入门读物，通过学习书中的示例程序和完成那些编程挑战，读者可以提高自己的编程能力和技巧。

本书是一本在PyTorch环境下学习机器学习和深度学习的综合指南，可以作为初学者的入门教程，也可以作为读者开发机器学习项目时的参考书。 本书讲解清晰、示例生动，深入介绍了机器学习方法的基础知识，不仅提供了构建机器学习模型的说明，而且提供了构建机器学习模型和解决实际问题的基本准则。 本书添加了基于PyTorch的深度学习内容，介绍了新版Scikit-Learn。本书涵盖了多种用于文本和图像分类的机器学习与深度学习方法，介绍了用于生成新数据的生成对抗网络（GAN）和用于训练智能体的强化学习。后，本书还介绍了深度学习的新动态，包括图神经网络和用于自然语言处理（NLP）的大型transformer。 无论是机器学习入门新手，还是计划跟踪机器学习进展的研发人员，都可以将本书作为使用Python进行机器学习的不二之选。 学完本书，你将能够： 探索机器从数

本书将帮助你使用Python编写出高质量、高效的并且易于与其他语言和工具集成的代码。本书根据Python专家Mark Lutz的著名培训课程编写而成，是易于掌握和自学的Python教程。 本书每一章都对Python语言的关键内容做单独讲解，并且配有章后习题、编程练习及详尽的解答，还配有大量注释的示例以及图表，便于你学习新的技能并巩固加深自己的理解。第5版基于Python2.7和3.3版本，同时也适用于其他Python版本。无论你是编程新手还是其他编程语言的资深开发者，本书都会是你学习Python的理想选择。 本书主要内容： * 学习Python的主要内置对象类型，如数字、列表和字典。 * 使用Python语句创建和处理对象，并学习Python的通用语法模型。 * 使用函数减少代码冗余，使用包代码结构实现代码重用。 * 学习Python模块，从而封装语句、函数和其他工具，以便构建大型组件。 *

《Python编程实战：妙趣横生的项目之旅》基于Python语言，通过项目展示Python的奇妙应用，适合Python初学者学习。在本书中，你将使用Python编程语言模拟探索火星、木星以及银河系遥远的地方，体验诗人的意境，了解高级的金融知识等。你还会学到各种各样的技术，如马尔可夫链分析技术、蒙特卡罗模拟、图像叠加技术、基因遗传算法等。与此同时，你还会学习一些模块的使用方法，例如pygame、Pylint、pydocstyle、Tkinter、python-docx、Matplotlib和pillow等。 《Python编程实战：妙趣横生的项目之旅》基于一些有趣的项目进行讲解，能够让读者在新奇的项目案例中体验学习Python的乐趣。此外，读者还能将自己所学的知识与实际的应用程序开发、数据库设计和解决实际问题联系起来，提升自己的项目实践能力。

本书教你如何从基于时间的数据（如日志、客户分析和其他事件流）中获得即时、有意义的预测。在这本通俗易懂的书中，作者通过带有注释的Python代码进行全面演示，你将学习用于时间序列预测的统计和深度学习方法。通过跟随书中的实例锻炼你的技能，你很快就会准备好建立自己的准确、有洞察力的预测。

Python是一种解释型、面向对象、动态数据类型的高级程序设计语言，通过Python编程能够解决现实生活中的很多问题。本书并不介绍Python语言的基础知识，而是通过一系列有趣的项目，展示如何用Python解决各种实际问题，以及如何使用一些流行的Python库。 本书共15章，每章讲解一个有趣的Python项目，这些项目可以分成5个部分：第一部分是热身，包括科赫雪花、繁花曲线；第二部分是模拟生命，包括康威生命游戏、使用Karplus-Strong算法生成泛音、群体行为模拟；第三部分是好玩的图形，包括文本图形、照片马赛克、裸眼立体画；第四部分是走进三维，包括理解OpenGL、圆环面上的康威生命游戏、体渲染；第五部分是玩转硬件，包括在树莓派Pico上实现Karplus-Strong算法、树莓派激光音乐秀、物联网花园、树莓派音频机器学习。此外，本书还通过附录介绍如何安装Python和设置

集Python、Excel、数据分析为一体是本书的一大特色。本书围绕整个数据分析的常规流程:工具熟悉-获取数据-数据熟悉-数据处理-数据分析-分析结果进行Excel 和Python 对比实现，告诉你每一个过程中都会用到什么？过程与过程之间有什么联系。这样一本书既可以作为系统学习数据分析流程操作的说明书，也可以作为一本数据分析师案头的实操工具书，随时备查。本书通过对比Excel 功能操作去学习Python 的实现代码，而不是直接上来就学习Python代码，大大降低了学习门槛，消除了读者对代码的恐惧心理。适合刚入行的数据分析师，也适合对Excel 比较熟练的数据分析师，或从事其他岗位想提高工作效率的职场人。

Array

本书主要从实战角度讲述了如何处理、分析和可视化数据，如何用数据建立各种统计学或机器学习模型。本书首先介绍如何使用Python代码获取、转换和分析数据；接着讲述如何使用Python中的数据结构和第三方库；然后展示如何以各种格式加载数据，如何对数据进行分组与汇总，如何创建图表和可视化数据；最后讨论如何解决实际的问题。 本书适合希望使用Python处理和分析数据的开发人员阅读，也可供计算机相关专业的师生参考。

全书分为 8 章， 主要内容如下：第1章介绍学术论文插图绘制的规范性和基本原则以及学术论文插图的配色基础；第2章介绍绘制学术论文插图的主要工具，并重点介绍 Matplotlib、Seaborn、ProPlot 以及 SciencePlots 工具包的语法及其重要特征；第3章介绍学术论文中常见的单变量图及其绘制方法，包括直方图、密度图、Q-Q 图等；第4章介绍学术论文中常见的双变量图及其绘制方法， 具体包括误差线、柱形图、箱线图、相关性散 点图以及矩阵热力图等；第5 章介绍学术论文中常见的多变量图及其绘制方法，包括等高线图、点图系列、 三元相图、 3D 图系列以及 RadViz 图等；第 6 章介绍学术论文中常见的空间数据型图及其绘制方法，包括分 级统计地图、连接线地图、等值线地图以及子地图等；第 7 章介绍学术论文中常见的可视化图及其绘制方法，包括配对图系列、韦恩图、泰勒

作为一本面向物联网和人工智能方向的实践应用书，本书从《义务教育信息科技课程标准（2022年版）》的内容要求出发，围绕 物联网实践与探索 和 人工智能与智能社会 模块，设计了智能家居、智能交通、智能游戏等方向的趣味实践项目共计50余个。本书强调项目式学习和知识点相结合，提供了从简单到复杂的项目案例，通过趣味主题引起读者兴趣，每个主题包括若干项目，同时在每个项目中嵌入不同的知识点，让读者能够快速上手实践物联网和人工智能应用，同时也能轻松获取软硬件知识，在动手制作中发现乐趣，学习知识。 本书可作为信息科技、科创教育和STEM/STEAM课程项目参考书，读者可通过实践项目学习物联网和人工智能技术原理、Python编程和开源硬件基础。