本书从 Excel 处理大型数据的缺点开始讲起，逐步讲解了 Excel 和 Power BI 中的 Power Query 组件，并重点介绍了Power Query 的底层 M 语言的应用知识。 本书分为 10 章，主要讲解了 Power Query 的入门知识和数据集成、Power Query 的 M 语法规则系列知识，针对 Power Query 如何实现数据清洗和重构系列知识做了详细的讲解，还重点介绍了目前 Power Query 的各类内置函数的功能， 介绍了如何利用自定义函数实现复杂的数据处理和重构过程。 本书内容通俗易懂，案例丰富，实用性强，特别适合入门级数据分析人员学习，也适合进阶阅读，相信通过阅读本书，读者对数据分析过程中的清洗和重构会有一个新的认识。

本书从 Excel 处理大型数据的缺点开始讲起，逐步讲解了 Excel 和 Power BI 中的 Power Query 组件，并重点介绍了Power Query 的底层 M 语言的应用知识。本书分为 10 章，主要讲解了 Power Query 的入门知识和数据集成、Power Query 的 M 语法规则系列知识，针对 Power Query 如何实现数据清洗和重构系列知识做了详细的讲解，还重点介绍了目前 Power Query 的各类内置函数的功能， 介绍了如何利用自定义函数实现复杂的数据处理和重构过程。 本书内容通俗易懂，案例丰富，实用性强，特别适合入门级数据分析人员学习，也适合进阶阅读，相信通过阅读本书，读者对数据分析过程中的清洗和重构会有一个新的认识。

本书介绍了为什么发现并量化数据模式对空间数据分析重要。你将学会：在数据问题中应用空间关系。使用栅格和矢量图。使用开源工具和公共数据集为地图增加信息量。使用 Python 脚本自动化处理地理数据。理解空间数据科学的图形化表现形式，激发好奇心。

本书从 Excel 处理大型数据的缺点开始讲起，逐步讲解了 Excel 和 Power BI 中的 Power Query 组件，并重点介绍了Power Query 的底层 M 语言的应用知识。本书分为 10 章，主要讲解了 Power Query 的入门知识和数据集成、Power Query 的 M 语法规则系列知识，针对 Power Query 如何实现数据清洗和重构系列知识做了详细的讲解，还重点介绍了目前 Power Query 的各类内置函数的功能， 介绍了如何利用自定义函数实现复杂的数据处理和重构过程。 本书内容通俗易懂，案例丰富，实用性强，特别适合入门级数据分析人员学习，也适合进阶阅读，相信通过阅读本书，读者对数据分析过程中的清洗和重构会有一个新的认识。

本书使用Python 和C++两种编程语言来介绍数据结构。全书内容共15 章。书中首先介绍了抽象与分析、数据的抽象等数据结构的基本原理和知识，然后结合Python 的特点介绍了容器类、链式结构和迭代器、堆栈和队列、递归、树；随后，简单介绍了C++语言的知识，并进一步讲解了C++类、C++的动态内存、C++的链式结构、C++模板、堆、平衡树和散列表、图等内容； 对算法技术进行了总结。每章 给出了一些练习题和编程练习，帮助读者复习巩固所学的知识。本书适合作为高等院校计算机相关专业数据结构课程的教材和参考书，也适合对数据结构知识感兴趣的读者学习参考。

本书结合具体实例由浅入深、从易到难地讲解Python财务应用的精髓。本书按知识结构分为两篇（共11章），篇为基础入门篇，讲解Python基础知识、NumPy数组、财务数据采集、财务数据处理与可视化、财务报表分析；第二篇为案例实战篇，讲解企业利润管理、企业成本管理、企业流动资产管理、企业固定资产管理、企业筹资决策分析、企业投资决策分析。 随书附赠的电子资料包括书中案例素材和源代码、所有实例操作过程以及基础知识的视频教程。 本书适合作为财务数据分析相关人员的学习参考书，也适合作为各学校和培训机构相关专业教师和学生的教学和自学辅导书。

在这本实用指南中，本书介绍了经过验证的架构设计模式，帮助Python开发人员管理应用程序复杂性，并从测试套件中获得最Z大价值。每种模式都用优雅且惯用的Python实例进行了说明。模式包括： 依赖倒置及其与端口和适配器（六边形/整洁架构）的联系。领域驱动设计中的实体、值对象和聚合之间的区分。持久存储的仓储和工作单元模式。事件、命令和消息总线。命令查询责任分离（CQRS）。事件驱动架构和反应式微服务。

本书以人工智能发展为时代背景，通过实际案例应用描述算法，提供了较为详细的实战方案，以便深度学习。 本书内容从算法上分为数学、搜索、回溯、递归、排序、迭代、贪心、分治和动态规划等； 从数据结构上分为字符串、数组、指针、区间、队列、矩阵、堆栈、链表、哈希表、线段树、二叉树、二叉搜索树和图结构等。本书针对经典算法，结合相关的数据结构，将描述问题、问题示例、代码实现以及运行结果相结合，语言简洁，深入浅出，通俗易懂，不仅适合对Python编程有兴趣的科研人员，也适合作为高等院校的参考教材。