本书从基本的Python概念入手，由浅入深、典型实例剖析讲解、综合实例剖析讲解，一步一步引导初学者掌握Python编程知识。本书共20章，其中第1章到第4章是Python编程基础篇；第5章到第9章是Python编程提高篇；第10章到第13章是Python的GUI程序和图形图像篇；第14章到17章是Python人工智能应用篇；第18章到20章是Python编程高级篇，包括数据库开发、游戏开发和网络爬虫开发。 在讲解过程中既考虑读者的学习习惯，又通过具体实例剖析讲解Python编程中的热点问题、关键问题及种种难题。 本书适用于大中专学校的师生、有编程梦想的初高中生阅读，更适用于培训机构的师生、编程爱好者、初中级程序员、程序测试及维护人员阅读研究。

本书共有23章。第1章说明程序设计语言概念，然后介绍Python的优缺点。第2章介绍Python安装方法，以及Python自带集成开发环境IDLE的使用。第3章到第10章是Python语言基本语法，需要在理解基础上读懂书中例子，仅仅完成书中的习题是不够的，还需在网上寻找习题练习，达到熟练掌握Python语言基本语法的目的。第11章讲解如何使用tkinter库中的组件，创建应用程序的图形界面，实现简单功能，理解事件和事件驱动的概念，以及tkinter窗体的工作机制。 从第12章到第23章，每章一个完整的应用程序，共计12个。每章开始说明应用程序要完成的功能和实现功能的思路。如果涉及新的知识点，用例子加以说明。为使读者更容易读懂程序，对于主程序、每个函数和类的定义，都分别详细说明它们要完成的功能，每个函数的参数的意义，以及各个变量的意义。对于其中的难点给出详细

随着网络技术的迅速发展，如何有效地提取并利用信息，以及如何有效地防止信息被爬取，已成为一个巨大的挑战。本书从零开始系统地介绍了Python网络爬虫与反爬虫的开发与实战技能，全书共分为4篇，具体内容安排如下。 第1篇：基础篇（ ～3章）。系统地讲解了Python爬虫与反爬虫开发环境的搭建、爬虫与反爬虫通用基础知识、Python编程基础。 第2篇：爬虫篇（第4～8章）。这部分讲解了网络爬虫的相关知识与技能，主要包括网络爬虫快速入门、XPath匹配网页数据、re正则匹配数据、WebSocket数据抓取、Scrapy爬虫框架应用与开发等。 第3篇：反爬虫篇（第9～16章）。这部分讲解了网络反爬虫的相关知识与技能，主要包括爬虫与反爬虫的区别与认识、反爬—Header信息校验、反爬—IP限制、反爬—动态渲染页面、反爬—文本混淆、反爬—特征识别、反爬—验证码识

本书是经典畅销图书《Python核心编程（第 二版）》的全新升级版本，总共分为3部分。第 1部分为讲解了Python的一些通用应用，包括正则表达式、网络编程、Internet客户端编程、多线程编程、G

Python是一门以简洁和可读性著称的编程语言，它的易学性使其成为新手和专业人士的 。Python提供了丰富的库和框架，广泛应用于数据科学、人工智能、Web开发等领域。无论你是初学者还是 开发者，Python都能满足你的需求。 本书内容共6章，立足金融场景讲解Python的编程应用，结合利率、汇率、债券、股票、互换、期货等主题演示了Python在金融领域的典型应用，帮助读者探寻一种金融大数据分析的新思路。 本书由 的金融从业者编写，旨在引导读者掌握金融领域的Python编程技巧，适合金融领域和金融科技领域的从业者和高校师生学习参考，也适合对Python的金融应用感兴趣的其他读者阅读。

本书介绍了如何使用 Python语言进行物理建模，包括完成二维和三维图形绘制、动态可视化、蒙特卡罗模拟、常微分方程求解、图像处理等常见任务。本书在第 1版的基础上增加了关于用 SymPy进行符号计算的新内容，介绍了用于数据科学和机器学习的 pandas和 sklearn库、关于 Python类和面向对象编程的入门知识、命令行工具，以及如何使用 Git进行版本控制。 本书适合对科学计算感兴趣、想要使用 Python完成物理建模的学生和研究人员阅读。

Python语言凭借其简洁、易读及可扩展性等特点，已成为程序设计领域备受欢迎的语言之一。丰富的Python第三方包（又称“第三方库”）使得Python可以应用于多个领域，气象研究与应用领域也不例外。由NCL转化来的库很大程度地方便了读者的学习。本书内容由浅入深且针对性强，示例丰富且涉及面广，系统地介绍Python语言的基本语法、 特征以及与气象应用密切相关的工具包。本书从Python和Linux的基础知识开始讲解，无编程基础或需巩固基础的读者也能阅读；然后介绍气象数据的读取、处理等；接着介绍绘图基础知识与常用的气象绘图方案；继而介绍一些常用气象物理量计算以及统计方法与检验等； 介绍简易机器学习入门和几种Python计算加速方案。

本书先介绍预测分析的重要概念和原则，然后给出一系列的代码示例和算法讲解，引导读者了解完整的预测分析流程，进而用Python工具构建高性能的预测分析解决方案。全书所涵盖的内容包括预测分析过程、理解问题和准备数据、理解数据集—探索性数据分析、基于机器学习的数值预测、基于机器学习的类别预测、调整模型和提高性能、基于Dash的模型实现等。本书适合想要学习预测建模并对用Python工具实现预测分析解决方案感兴趣的数据分析师、数据科学家、数据工程师和Python开发人员阅读，也适合对预测分析感兴趣的读者参考。

本书主要介绍Python语言的开发环境（包括Spyder、Jupyter和PyCharm）与交互式工具、语言概述、数据结构、编程范型、库、数据分析、数据可视化及应用案例分析。本书通过融合其他相关知识，重点讨论了Python在网络爬虫、 系统、图像处理和机器学习等多个领域的应用。本书不仅注重基本概念的讲解，还强调问题的分析与求解，并在教辅资源中给出了大量实例、源代码及4个Python实验，以供读者练习，进而帮助读者巩固所学知识。 本书的内容覆盖面广，实用性强，既可作为高等院校计算机、软件工程、人工智能、数据科学与大数据技术、信息和通信工程等专业相关课程的教材，又可供计算机视觉、机器学习等领域的技术人员参考使用。