本书以一个计算机教师的教学过程为场景，讲解数据结构和相关算法的知识。全书以趣味方式来叙述，大量引用各种各样的生活知识来类比，并充分运用全彩色图形语言来解读抽象内容，对数据结构所涉及的一些经典算法做出逐行分析、多算法比较。与同类图书相比，本书内容有趣易读，算法讲解细致深入，是一本非常适合自学的读物。对于学习数据结构来说，难点之一是对相关算法的理解。本书创新性地采用全彩印刷，图表、流程、代码等内容结合色彩来重新进行约定和归纳，使得对一些难以理解的知识点的解析更加清晰顺畅，极大提升了阅读体验。本书主要内容包含：数据结构介绍、算法推导大O阶的方法；顺序结构与链式结构差异、栈与队列的应用；串的朴素模式匹配、KMP模式匹配算法；二叉树前中后序遍历、哈夫曼树及应用；图的深度、广度遍历；最小生成

本书图文并茂、示例丰富，结合136段代码和213幅图表，直观易懂地介绍了算法与数据结构的基础知识，包括数组、查找、栈和队列、递归算法、排序、字符串查找、线性列表、树结构和二分查找树等。本书并非单纯地对算法与数据结构进行介绍，而是致力于让读者掌握编写实用程序的技术。为此，本书提供的示例代码都是实际可运行的程序，理解这些示例程序之后，相信读者的Python编程能力也会有很大的提升。本书各章节末设置有练习题，并在书末给出了答案，据此读者可检测自己对知识的掌握情况，加深理解。

7大数据陷阱的干货总结与避坑锦囊，教会数据工作者如何在数据陷阱中迅速恢复，避免踩雷。 数据陷阱无处不在，任何处理过数据的人都会在不知不觉中多次陷入其中。我们大多数人都还没有学会如何使用现代工具和所掌握的数据类型，从而导致了一些本可以轻易避免的常见的错误。 在本书中，作者为我们展示了以下七种在数据处理过程中常见的数据陷阱： 陷阱 1：认知误差——我们如何看待数据； 陷阱 2：技术陷阱——我们如何对数据进行处理； 陷阱 3：数学失误——我们如何对数据进行计算； 陷阱 4：统计疏忽——我们如何对数据进行比较； 陷阱 5：分析偏差——我们如何对数据进行分析； 陷阱 6：绘图乌龙——我们如何对数据进行可视化； 陷阱 7：设计风险——我们如何对数据进行修饰。 同时也向我们展示了这些数据陷阱是如何产生、如何变得如此常见的

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、泰勒图