本书是Python数学分析经典畅销书的升级版，由Python pandas项目的创始人Wes McKinney撰写。自2012年第1版出版以来，迅速成为该领域的权威指南，并且为了与时俱进，作者也在对本书内容进行持续更新，以摒弃一些过时、不兼容的工具，添加新的内容，用以介绍一些新特性、新工具及方法。本书第3版针对Python 3.10和pandas 1.4进行了更新，并通过实操讲解和实际案例向读者展示了如何高效解决一系列数据分析问题。读者将在阅读过程中学习新版本的pandas、NumPy、IPython和Jupyter。
量化交易是一种新兴的系统化的金融投资方法，它是以计算机强大的运算能力为基础，运用数据建模、统计学分析、程序设计等工具从历史数据中得到良好的交易策略，是计算机科学在金融领域的具体应用。Python语言凭借其简洁、高效的特性，以及其在大数据分析方面的强大性能，在量化交易领域得到了良好的应用。 本书以 A 股市场为交易标的物，引导读者从理解量化交易开始，逐步掌握行情数据的获取和管理、技术指标的可视化，并在熟练编程的基础上，构建出个性化的交易策略体系。 本书适合对股票的量化交易感兴趣的读者阅读，通过阅读本书，读者不仅能够了解 Python 数据分析和数据可视化的核心技能，更能够将 Python 作为常用工具，为股票技术指标分析和量化交易提供助力。
《Python数据可视化:科技图表绘制》结合编者多年的数据分析与科研绘图经验，详细讲解Python语言及包括Matplotlib在内的多种可视化包在数据分析与科研图表制作中的使用方法与技巧。《Python数据可视化:科技图表绘制》分为两部分，共11章，第1部分主要讲解Python语言的基础知识，包括基本语法结构、控制语句、函数、数据处理与清洗等，尤其对Matplotlib、Seaborn、Plotnie库进行较为详细的讲解。第2部分结合Python及其附加包的数据可视化功能，分别讲解类别比较数据、数值关系数据、层次关系数据、局部整体型数据、分布式数据、时间序列数据、多维数据、网络关系数据的可视化实现方法。《Python数据可视化:科技图表绘制》可帮助读者尽快掌握利用Python及可视化库进行科技图表的制作与数据展示。 《Python数据可视化:科技图表绘制》注重基础，内容翔实，突出示例讲解，
了解数据结构与算法是透彻理解计算机科学的前提。随着Python日益广泛的应用，Python程序员需要实现与传统的面向对象编程语言相似的数据结构与算法。本书是用Python描述数据结构与算法的开山之作，汇聚了作者多年的实战经验，向读者透彻讲解在Python环境下，如何通过一系列存储机制有效地实现各类算法。通过本书，读者将深刻理解Python数据结构、递归、搜索、排序、树与图的应用，等等。这一版重写了书中的示例代码，并对诸多内容做了修正。
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优秀特性，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语言所独有的功能，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。
《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
编程是一项充满乐趣的挑战，想上手非常容易！在本书中，沃伦和卡特父子以亲切的笔调、通俗的语言，透彻、全面地介绍了计算机编程世界。他们以简单易学的Python语言为例，通过可爱的漫画、有趣的示例，生动地介绍了变量、循环、输入和输出、数据结构以及图形用户界面等基本的编程概念。与第2版不同，第3版的示例使用Python3而不是Python2，另外添加了关于网络的新内容。只要懂得计算机的基本操作，任何人都可以跟随本书，由简入难，学会编写Python程序，甚至制作游戏。
近年来，Python语言凭借其在数据分析领域的优势得以快速发展，众多软件厂商也相继推出了支持Python的量化交易平台。本书是介绍Python编程及其在量化交易领域的实践技巧的图书，旨在帮助读者掌握基本的Python编程技能，并顺利应用于期货量化交易实践。 本书内容分为两篇。篇是Python基础，通过13章内容介绍了Python编程的基础知识，如语法规则、数据类型、函数、类、装饰器、异常处理、进程和线程等；第二篇是期货量化交易，通过8章内容介绍了Python在期货量化交易中的应用，并基于天勤量化交易平台讲解开发实践，涉及pandas模块、TqSdk的接口、函数、量化策略的框架、图形化编程及时间序列相关的知识等。 本书适合对期货量化交易感兴趣的普通投资者和投资机构专业人员阅读，读者可以具备一定的?Python基础，也可以通过本书从头学习Python基础知识，再进一步延
本书介绍了如何利用 Python 3 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应用数值方法 解决工程和科学问题》是为想要学习和应用数值方法来解决工程和科学问题的学生撰写的。书中提供了足够丰富的理论知识。如果读过本书的姊妹篇《工程与科学数值方法的MATLAB实现(第4版)》，就会发现过渡到Python程序是无缝的！不需要事先具有Python编程经验。 本书以解决问题为导向，强调理论联系实际。各章均引入实际的工程和科学问题，提供从相关概念定义、理论分析到算法实现的全套解决方案。每章末尾安排有课后习题，方便读者在巩固所学知识的同时，进一步提升自己编写代码和解决问题的水平。
本书由流行深度学习框架Keras之父弗朗*瓦 肖莱执笔，通过直观的解释和丰富的示例帮助你构建深度学习知识体系。作者避免使用数学符号，转而采用Python代码来解释深度学习的核心思想。全书共计14章，既涵盖了深度学习的基本原理，又体现了这一迅猛发展的领域在近几年里取得的重要进展，包括Transformer架构的原理和示例。读完本书后，你将能够使用Keras解决从计*机视觉到自然语言处理等现实世界的诸多问题，包括图像分类、图像分割、时间序列预测、文本分类、机器翻译、文本生成等。
Python简单易学，是一种非常适合零基础编程人员学习算法与编程的高级程序设计语言。 本书是中国电子学会全国青少年软件编程等级考试Python编程五至六级的推荐用书，基于Python自带的集成开发工具IDLE 3.5.2版本，对应每级考试要求讲解知识要点。 本书能够指导广大青少年学习者了解并掌握Python编程技巧，培养他们用Python编程解决生活中实际问题的能力。
本书自第1版出版以来，备受广大读者欢迎。与同类书相比，本书除了介绍如何用Python和基于Python的机器学习软件库进行实践外，还对机器学习概念的必要细节进行讨论，同时对机器学习算法的工作原理、使用方法以及如何避免掉入常见的陷阱提供直观且翔实的解释，是Python机器学习入门之作。它的内容涵盖了众多高效Python库，包括scikit-learn、Keras和TensorFlow等，系统性地梳理和分析了各种经典算法，并通过Python语言以具体代码示例的方式深入浅出地介绍了各种算法的应用，还给出了从情感分析到神经网络的一些实践技巧，这些内容能使你快速解决你和你的团队面临的一些重要问题。
《Python 网络爬虫与数据可视化应用实战》是一本介绍大数据时代用 Python 进行数据获取、数据清洗 和数据可视化分析的技术图书。全书共分两篇，其中第 1 篇主要介绍了数据获取的相关知识，具体内容包 括 HTML、JSON 与网络爬虫基础，爬取静态网页，使用 CSS 选择器爬取数据，遍历 HTML 网页并获取 数据，使用 XPath 表达式与 Ixml 包创建爬虫程序，使用 Selenium 爬取动态网页，Scrapy 爬虫框架的使用， 数据存储等 ；第 2 篇主要介绍数据分析及可视化相关知识，具体内容包括数据可视化基础知识，Pandsa 数 据处理，使用 Pandas、Matplotlib、Seaborn、Bokeh 等工具进行数据分析和可视化等。每篇均设置特别章 节进行了综合案例演练，提高综合水平。 《Python 网络爬虫与数据可视化应用实战》一书内容丰富，涵盖面广，特别适合作为大中专院校相关 专业的教材，也适合作为大数据分
《Python金融数据分析》详细阐述了与Python金融数据分析相关的基本解决方案，主要包括获取金融数据、数据预处理、可视化金融时间序列、探索金融时间序列数据、技术分析和构建交互式仪表板、时间序列分析与预测、基于机器学习的时间序列预测、多因素模型、使用GARCH类模型对波动率进行建模、金融领域中的蒙特卡罗模拟、资产配置、回测交易策略、识别信用违约、机器学习项目的高级概念、金融领域的深度学习等内容。此外，本书还提供了相应的示例、代码，以帮助读者进一步理解相关方案的实现过程。
Python 因其简单易学、功能强大、开发效率高、拥有强大的第三方库等优点，使其成为学习人工 智能的编程语言。《NumPy 数据处理详解 Python 机器学习和数据科学中的高性能计算方法》就 从 Python 中经常使用的 NumPy 库的基础知识入手，讲解了实用的高速数据处理方法。大数据时代， NumPy 因其包含大量的数学函数，能够处理多维数组，而且处理速度堪比 C 语言，所以 NumPy 也成 为机器学习和数据科学领域数据处理不可或缺的库。全书详细介绍了 NumPy 基础知识、NumPy 与数组 操作、NumPy 数学函数的应用和 NumPy 机器学习编程方法，特别适合机器学习工程师、数据科学家、 人工智能开发相关人员系统学习 NumPy 使用方法，或将此书作为案头手册，随时翻阅查看。
《Python Web开发从入门到精通》从初学者角度出发，通过通俗易懂的语言、丰富多彩的实例，详细介绍了使用Python进行Web程序开发应该掌握的各项技术。全书共分15章，包括HTML和CSS基础、JavaScript基础、网络编程基础、MySQL数据库基础、Web框架基础、Flask框架基础、Flask框架进阶、Django框架基础、Django框架进阶、Tornado框架基础、FastAPI框架基础、Flask框架开发好记星博客系统、Django框架开发智慧星学生管理系统、Tornado框架开发BBS社区系统和FastAPI框架开发看图猜成语微信小程序等内容。
本书全面系统地介绍了Python语言在常见办公场景中的自动化解决方案。全书分为5篇21章，内容包括Python语言基础知识，Python读写数据常见方法，用Python自动操作Excel，用Python自动操作Word 与 PPT，用Python自动操作文件和文件夹、邮件、PDF 文件、图片、视频，用Python进行数据可视化分析及进行网页交互，借助ChatGPT轻松进阶Python办公自动化。 本书适合各层次的信息工作者，既可作为初学Python的入门指南，又可作为中、高级自动化办公用户的参考手册。书中大量的实例还适合读者直接在工作中借鉴。
数字化转型背景下，Python作为一门简单、易学、速度快、免费、开源的主流编程语言，广泛应用于大数据处理、人工智能、云计算等各个领域，是众多高等院校学生的必修基础课程，也是堪与Office办公软件应用比肩的职场人士的技能。同时随着数据存储、数据处理等大数据技术的快速进步，机器学习的各种算法在各行各业得以广泛应用，同样成为高校师生、职场人士迎接数字化浪潮、与时俱进提升专业技能的必修课程。本书将 Python课程学习 与 机器学习课程学习 有机结合，推动数字化人才的培养，提升人才的实践应用能力。 全书内容共17章。第1、2章介绍Python的入门知识和进阶知识；第3章介绍机器学习的概念及各种术语及评价标准；第4~10章介绍相对简单的监督式学习方法，包括线性回归算法、二元Logistic回归算法、多元Logistic回归算法、判别分析算法、朴素贝叶斯
《学习Python（第6版）》深入浅出地讨论了大部分Python 编程主题。利用从本书中学到的Python 知识，读者可以掌握高质量软件研发背后的逻辑。书中采用一种易懂的、循序渐进的方法来介绍基本的编程概念，先从控制结构、函数和列表等概念开始，再深入讨论类。这有助于确保读者理解基本的编程概念，并知道如何解决现实中的问题。书中每一章都包括清晰美观的代码清单、真实世界的例子和大量练习。 《学习Python（第6版）》针对Python 3.11 进行了全面更新，新增或改进了大量主题，尤其适合想要高效掌握Python 新特性的读者。
本书是一本在PyTorch环境下学习机器学习和深度学习的综合指南，可以作为初学者的入门教程，也可以作为读者开发机器学习项目时的参考书。 本书讲解清晰、示例生动，深入介绍了机器学习方法的基础知识，不仅提供了构建机器学习模型的说明，而且提供了构建机器学习模型和解决实际问题的基本准则。 本书添加了基于PyTorch的深度学习内容，介绍了新版Scikit-Learn。本书涵盖了多种用于文本和图像分类的机器学习与深度学习方法，介绍了用于生成新数据的生成对抗网络（GAN）和用于训练智能体的强化学习。后，本书还介绍了深度学习的新动态，包括图神经网络和用于自然语言处理（NLP）的大型transformer。 无论是机器学习入门新手，还是计划跟踪机器学习进展的研发人员，都可以将本书作为使用Python进行机器学习的不二之选。 学完本书，你将能够： 探索机器从数
标准Python程序很容易过载，从而出现慢如龟爬的情况。asyncio库正是为了解决这些问题而构建的，它简化了任务的划分和调度。asyncio可无缝地同时处理多个操作，使应用程序疾如闪电，且具有扩展性。 《Python asyncio并发编程》在大量示例的引导下，介绍异步、并行和并发编程。将难理解的并发内容分解为简明易懂的流程图，使读者可轻松了解任务的运行方式。在本书中，读者将学习如何使用asyncio来突破Python的限制，从而加快Web服务器和微服务的运行速度。读者甚至可将asyncio与传统的多处理技术结合起来，以大幅提升性能。 主要内容 ● 通过aiohttp构建支持并发Web请求的Web API ● 同时运行海量SQL查询 ● 创建一个可并行处理数GB数据的map-reduce作业 ● 在asyncio中使用线程来混合阻塞代码和asyncio代码
Spark数据处理引擎是一个惊人的分析工厂：输入原始数据，输出洞察。PySpark用基于Python的API封装了Spark的核心引擎。它有助于简化Spark陡峭的学习曲线，并使这个强大的工具可供任何在Python数据生态系统中工作的人使用。 《Python和PySpark数据分析》帮助你使用PySpark解决数据科学的日常挑战。你将学习如何跨多台机器扩展处理能力，同时从任何来源(无论是Hadoop集群、云数据存储还是本地数据文件)获取数据。一旦掌握了基础知识，就可以通过构建机器学习管道，并配合Python、pandas和PySpark代码，探索PySpark的全面多功能特性。 主要内容 ● 组织PySpark代码 ● 管理任何规模的数据 ● 充满信心地扩展你的数据项目 ● 解决常见的数据管道问题 ● 创建可靠的长时间运行的任务
