本书介绍了如何利用Python3开发网络爬虫。本书为第2版，相比于第1版，为每个知识点的实战项目配备了针对性的练习平台，避免了案例过期的问题。另外，主要增加了异步爬虫、JavaScript逆向、App逆向、页面智能解析、深度学习识别验证码、Kubernetes运维及部署等知识点，同时也对各个爬虫知识点涉及的请求、存储、解析、测试等工具进行了丰富和更新。本书适合Python程序员阅读。

《Python金融大数据分析 第2版》分为5部分，共21章。第1部分介绍了Python在金融学中的应用，其内容涵盖了Python用于金融行业的原因、Python的基础架构和工具，以及Python在计量金融学中的一些具体入门实例；第2部分介绍了Python的基础知识以及Python中非常有名的库NumPy和pandas工具集，还介绍了面向对象编程；第3部分介绍金融数据科学的相关基本技术和方法，包括数据可视化、输入/输出操作和数学中与金融相关的知识等；第4部分介绍Python在算法交易上的应用，重点介绍常见算法，包括机器学习、深度神经网络等人工智能相关算法；第5部分讲解基于蒙特卡洛模拟开发期权及衍生品定价的应用，其内容涵盖了估值框架的介绍、金融模型的模拟、衍生品的估值、投资组合的估值等知识。《Python金融大数据分析 第2版》本书适合对使用Python进行大数据分析、处理感兴趣的金融行

本书是享誉 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 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。

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

本书是Python领域备受推崇的经典作品，致力于帮助Python开发人员挖掘这门语言及相关程序库的 特性，写出简洁、流畅、易读、易维护，并且地道的Python代码。本书着重讲解Python语言所 的功能，助你成功进阶为Python高手。第2版与时俱进，教你跳出旧有经验，探索并运用地道的Python 3功能。第2版主体内容分为五部分：数据结构、函数即对象、类和协议、控制流、元编程。每一部分都精彩纷呈，通过丰富的示例和细致的讲解，教你充分利用Python特性，写出有效且现代的Python 3代码。

本书是针对所有层次的Python读者而作的Python人门书。全书分为两部分：第一部分介绍使用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

跟着大名鼎鼎的孙悟空一路过关斩将，由浅入深一步步进入算法的世界。书中每一个篇章的学习，都能让孩子对算法有新的认知。在谐幽默的故事中，掌握核心思想，开拓思维，当学习到最后，孩子也将取得算法“真经”。

本书介绍了如何利用Python3开发网络爬虫。本书为第2版，相比于版，为每个知识点的实战项目配备了针对性的练习平台，避免了案例过期的问题。另外，主要增加了异步爬虫、JavaScript逆向、App逆向

本书首先简要介绍Python语言的基础知识，为后续内容的学习提供基础，接着介绍NumPy、Matplotlib和Pandas三个数据分析基础模块的用法，同时也为后面基于scikit learn的机器学习提供基础， 介绍基于scikit learn机器学习及其模型的评价方法、超参数调优方法。全书通过大量案例，希望能让读者快速提高实践能力。 本书适合作为高校本科生或研究生数据分析、机器学习等相关课程的教材或参考书，也可作为数据分析和机器学习爱好者的自学教程，还可以作为相关科研工作者与工程实践者的参考书。