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。

本书从Python主流框架Scrapy的简介及网络爬虫知识讲起，逐步深入到Scrapy进阶实战。本书从实战出发，根据不同需求，有针对性地讲解了静态网页、动态网页、App应用是如何爬取所需数据，以及Scrapy是如何部署分布式爬取， 还介绍了用Scrapy + Pandas是如何进行数据分析及数据展示，让读者不但可以系统地学习Scrapy编程的相关知识，而且还能对Scrapy应用开发有 为深入的理解。 本书分为12章，涵盖的主要内容有Scrapy框架简介；Scrapy网络爬虫知识介绍；Scrapy开发环境的搭建；Scrapy架构及编程；Scrapy进阶；实战项目：Scrapy静态网页的爬取；实战项目：Scrapy动态网页的爬取；实战项目：Scrapy爬取App应用数据；Scrapy的分布式部署与爬取；分布式的实战项目；用Selenium框架测试网站；用Scrapy + Pandas进行数据分析。 本书内容通俗易懂，实例典型，实用性强，特别适合学习Python主流

本书主要介绍了Django编程开发与运维过程中涉及的方法、技巧和实战经验，共分5篇。“第1篇 基础”介绍用Django开发Web应用的基础知识；“第2篇 后台项目实战”通过开发一个商城系统的后台来融合前面章的知识点；“第3篇 进阶”通过Django Rest Framework框架来设计和实现RESTful风格的接口，以及分层的自动化测试和基于Redis的缓存技术；“第4篇 前台项目实战”使用前后端分离的方式开发商城系统前台，涉及Vue.js、Axios、Vue Router、Vuex、RESTful接口等技术。“第5篇 部署运维”涉及Django的传统部署，Django的Docker部署，持续集成，持续交付和持续部署，运维监控。本书通过完整的商城系统实例，融合了Django开发中涉及的知识点；通过大量实例手把手带领读者从需求、开发、集成、代码安全检测、测试、部署上线等环节践行“软件开发运维一体化”的理念。

本书主要介绍了Django编程开发与运维过程中涉及的方法、技巧和实战经验，共分5篇。“第1篇 基础”介绍用Django开发Web应用的基础知识；“第2篇 后台项目实战”通过开发一个商城系统的后台来融合前面章的知识点；“第3篇 进阶”通过Django Rest Framework框架来设计和实现RESTful风格的接口，以及分层的自动化测试和基于Redis的缓存技术；“第4篇 前台项目实战”使用前后端分离的方式开发商城系统前台，涉及Vue.js、Axios、Vue Router、Vuex、RESTful接口等技术。“第5篇 部署运维”涉及Django的传统部署，Django的Docker部署，持续集成，持续交付和持续部署，运维监控。本书通过完整的商城系统实例，融合了Django开发中涉及的知识点；通过大量实例手把手带领读者从需求、开发、集成、代码安全检测、测试、部署上线等环节践行“软件开发运维一体化”的理念。

本书基于面向 Python 的 OpenCV（OpenCV for Python），介绍了图像处理的方方面面。本书以 OpenCV 官方文档的知识脉络为主线，并对细节进行补充和说明。 书中不仅介绍了 OpenCV 函数的使用方法，还介绍了函数实现的算法原理。在介绍 OpenCV 函数的 使用方法时，提供了大量的程序示例。而且在介绍函数对图像的处理前，往往先展示函数对数值、数组 的处理，方便读者从数值的角度观察和理解函数的处理过程和结果。在介绍具体的算法原理时，本书尽 量使用通俗易懂的语言和贴近生活的示例来说明问题，避免使用过多复杂抽象的公式。

本书结合了机器学习、数据分析和Python语言，通过案例以通俗易懂的方式讲解了如何将算法应用到实际任务。 全书共20章，大致分为4个部分。 部分介绍了Python的工具包，包括科学计算库Numpy、数据分析库Pandas、可视化库Matplotlib；第2部分讲解了机器学习中的经典算法，例如回归算法、决策树、集成算法、支持向量机、聚类算法等；第3部分介绍了深度学习中的常用算法，包括神经网络、卷积神经网络、递归神经网络；第4部分是项目实战，基于真实数据集，将算法模型应用到实际业务中。 本书适合对人工智能、机器学习、数据分析等方向感兴趣的初学者和爱好者。

本书分为上、下两大部分，共计22章。第一部分（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

在数据分析方面，Python实际上已经远远 VBA，因为使用Pyhton提供的数据处理函数和模块就可以实现很多功能，既快速、可靠又简便。本书结合OpenPyXl、win32com、xlwings和pandas等Python包全面介绍使用Python实现Excel脚本开发的各种可能性，涉及的内容包括：Python语言基础、Python文件操作、Excel对象模型、Excel图形绘制、Excel图表绘制、字典在Excel中的应用、正则表达式在Excel中的应用、使用Pandas包提高数据处理效率、使用Matplotlib包绘图、Python与Excel VBA混合编程等。本书适合任何对Excel Python脚本开发感兴趣的朋友阅读，可以是有编程需求的职场办公人员、数据分析人员、大学生、科研人员和程序员等。

本书从FastAPI框架的基础知识和相关的Python编程概念开始讲解。然后，您将了解该框架的所有方面知识，包括其强大的依赖注入系统，以及如何使用它与数据库通信、实现身份验证和集成机器学习模型等。之后，您将学习与测试和部署相关的 实践，以运行高质量和健壮的应用程序。 ，您还将学习Python数据科学软件包的应用生态系统。随着学习的深入，您将学习如何使用FastAPI在Python中构建数据科学应用程序。本书还演示了如何开发快速高效的机器学习预测后端，并对其进行测试，以获得 性能。 ，您将看到如何使用WebSocket和Web浏览器作为客户端实现人脸实时检测。 本书面向对FastAPI及其生态系统感兴趣的数据科学家和软件开发人员，并以此构建数据科学应用程序。读者需要具备数据科学和机器学习概念的基本知识，以及了解如何在Python中应用它们。