《数据有道 : 数据分析 图论与网络 微课 Python编程》是 鸢尾花数学大系 从加减乘除到机器学习 丛书的第三板块 ( 实践板块 ) 中的一本关于数据 科学的分册。 实践 这个板块，我们将会把学到的编程、可视化， 特别是数学工具应用到具体的数据科学、 机器学习算法中，并在实践中加深对这些工具的理解。 《数据有道 : 数据分析 图论与网络 微课 Python编程》可以归纳为 7 大板块 数据说、数据处理、时间数据、图论基础、图的分析、图与矩阵、图论实践。 这 7 个板块 ( 共 25 章内容 ) 都紧紧围绕一个主题 数据！ 《数据有道 : 数据分析 图论与网络 微课 Python编程》以数据为名，以好奇心和疑问为驱动，主动使用 编程 可视化 数学 工具进行探索。《数据有道 : 数据分析 图论与网络 微课 Python编程》将 会回顾鸢尾花书前五本主要的工具，让大家对很多概念从似懂非懂变

《编程不难:全彩图解 微课 Python编程》是 鸢尾花数学大系 从加减乘除到机器学习 丛书的第一册，也是 编程 板块的第一册， 着重介绍如何零基础入门学 Python 编程。虽然《编程不难:全彩图解 微课 Python编程》主要讲解 Python 编程，但是也离不开数学。《编程不难:全彩图解 微课 Python编程》尽量 避免讲解数学概念公式，而且用图形和近乎口语化的语言描述程序设计、数据分析、机器学习背后常用的 数学思想。 《编程不难:全彩图解 微课 Python编程》分为预备、语法、绘图、数组、数据、数学、机器学习、应用八大板块， 共 36 章， 内容 跨度 极大！ 从 Python 基本编程语法，到基本可视化工具，再到各种数据操作工具，还介绍常用 Python 实现的各种复 杂数学运算，进入数据分析和机器学习之后，还讲解如何搭建应用 App。我们可以把《编程不难:全彩图解 微课 Python编程

本书通过500个实例，为读者提供较为详细的练习题目，以便读者举一反三，深度学习。本书实例涉及的算法包括搜索、回溯、递归、排序、迭代、贪心、分治和动态规划等；涉及的数据结构包括字符串、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。书中所有实例均以问题描述、问题示例、代码实现及运行结果的形式来编排。 本书语言简洁，通俗易懂，适合作为Python编程人员的入门参考书，也适合作为高等院校相关专业 Python算法实现 课程的参考教材。

《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。

《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。

这是一本全面介绍Python面向对象编程的图书。本书共分为4部分。第1章至第6章深入讲解了面向对象编程的核心原则和概念，以及它们在Python中的实现方式。第7章至第9章仔细探讨了Python的数据结构、内置类和方法等，以及如何从面向对象编程的角度进行分析和应用。第10章至第12章探讨了设计模式及其在Python中的实现。第13章和第14章涵盖了测试和并发两个重要主题。整本书以一个机器学习分类算法的实现案例贯穿始终，并不断探讨各种实现方式的优劣。 这是一本全面介绍Python面向对象编程的图书。本书共分为4部分。第1章至第6章深入讲解了面向对象编程的核心原则和概念，以及它们在Python中的实现方式。第7章至第9章仔细探讨了Python的数据结构、内置类和方法等，以及如何从面向对象编程的角度进行分析和应用。第10章至第12章探讨了设计模式及其在Python中的实现。

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

金融风险管理已经成为各个金融机构的职能部门。特别是随着全球金融一体化不断地深入发展，金融风险管理越发重要，也日趋复杂。金融风险管理师(FRM)就是在这个大背景下推出的认证考试，FRM现在已经是金融风险管理领域****的国际认证考试。本丛书以FRM考试、二级考纲内容为中心，并且突出介绍实际工作所需的金融建模风险管理知识。本丛书将金融风险建模知识和Python编程有机地结合在一起，配合丰富的彩色图表，由浅入深地将各种金融概念和计算结果可视化，帮助读者理解金融风险建模核心知识，提高数学和编程水平。 《Python金融风险管理FRM(基础篇)》是本系列图书的第6本，共分12章。《Python金融风险管理FRM(基础篇)》的第1章和第2章主要介绍Python基础编程内容，比如数据类型、运算符、条件循环语句、读写操作、函数等。第3章和第4章主要介绍NumPy和Scipy等

本书是帮助Python新手入门的经典图书，涵盖了Python编程的方方面面。本书前半部分介绍了基础知识与概念：从安装Python、配置开发环境，到列表、元组、字符串、字典以及各种语句的基础知识，再到抽象、异常、方法、属性、迭代器等核心概念，Python与数据库、网络、C语言等工具结合使用，以及Python程序测试、打包、发布等知识。本书的后半部分，向读者详尽介绍了当下流行的多个Python项目的开发过程。 本次修订，不仅在结构与细节知识上进行了优化和完善，还增加了贴近真实商业环境的案例，并辅以课件PPT和专门针对求职应聘的习题，旨在帮助读者真正掌握Python开发的实战能力。

在本书中，你会看到用来处理文本、数据类型、算法、数学计算、文件系统、网络通信、Internet、XML、Email、加密、并发性、运行时和语言服务等各个方面的实用代码和解决方案。在内容安排上，每一节都会全面介绍一个模块，并提供一些很有价值的补充资源链接，这使得本书成为一本理想的Python标准库参考手册。

Python是一门开源的计算机编程语言，凭借其易学、灵活等特点，得到了越来越多人的认可和青睐。金融科技日新月异，金融行业的数字化、科技化和智慧化快速推进，Python在金融领域有着很好的应用现状和前景。 本书在上一版的基础上进行了内容升级，持续聚焦Python在金融分析与风险管理的应用，第2版从原先的12章扩充至15章，并依次划分为基础篇（共5章）、中阶篇（共5章）以及高阶篇（共5章），基础篇结合金融场景演示了Python语言以及NumPy、pandas、Matplotlib、SciPy以及statsmodel等金融领域常用的第三方模块的编程方法；中阶篇通过Python编程结合金融实例，依次探讨利率、汇率、债券、股票、互换合约、期货合约等产品的定价、风险测度以及风险管控等内容；高阶篇则融合Python与金融案例，探究了期权的定价、希腊字母、动态对冲、隐含波动率、交易策略及其他延

随着数据存储、数据处理等大数据技术的快速发展，数据科学在各行各业得到广泛的应用。数据清洗、特征工程、数据可视化、数据挖掘与建模等已成为高校师生和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 数据科学应用 有机结合，为数字化人才的培养助力。 全书共分13章，内容包括：第1章数据科学应用概述；第2章Python的入门基础知识；第3章数据清洗；第4~6章特征工程介绍，包括特征选择、特征处理和特征提取；第7章数据可视化应用；第8~13章介绍6种数据挖掘与建模的方法，分别为线性回归、Logistic回归、决策树、随机森林、神经网络、RFM分析。 《Python数据科学应用从入门到精通》既适合作为经济学、管理学、统计学、金融学、社会学、医学、电子商务等相关专业的学生学习Python数据科学应用的专业教材或参考书，

本书是一本专门面向工程相关专业读者的编程类技术图书，主要介绍如何使用Python来解决工程问题。书中涵盖了如何编码几何基元、读写文件、绘制矢量图并制作动画来展示运算结果，以及求解大型线性方程组，并在最后整合所有知识，搭建了一个求解桁架结构问题的应用程序。本书适合任何有一定专业背景并且想通过编程来解决工程问题的读者阅读，同时适合工程相关专业的学生作为参考。具有线性代数、平面几何和物理学的基础知识，并了解材料力学和数值方法的原理会比较有帮助。

本书参考高等学校理工科 高等数学 线性代数 概率论与数理统计 运筹学 等课程教学大纲，使用Python语言实现相关计算、图形展示及模型求解，内容包含Python编程语言入门、极限的运算、函数的求导及积分、微分方程求解、级数、行列式计算、线性方程组求解、随机变量及其分布、随机变量的数字特征、参数估计、假设检验、方差分析与回归、线性规划、非线性规划、动态规划、图与网络计划及排队论等。本书内容翔实，文字精练，例题丰富，注重本科数学理论与科学计算的密切结合。 本书可以作为高等学校理工科在校本科生的学习实验用书，也可以作为对Python科学计算感兴趣的人员的参考用书。

本书作为《基于 Python 的金融分析与风险管理（第2版）》一书的姊妹篇，整合了源于现实金融市场和日常实务的119个原创案例，涉及403项编程任务。本书囊括了丰富多样的金融场景，涵盖利率、汇率、债券、股票、基金、信托、资管、远期、互换、期货、期权等金融产品，还涉及商业银行、证券公司、期货公司、保险公司、信托公司、资产管理公司、基金管理公司、金融控股公司等不同业态的金融机构，尽可能覆盖金融实战中涉及Python编程的各种场景。 本书着眼于从业者可能涉及的金融实战案例，并结合具体的职场角色给出了基于Python的高性能解决方案。通过阅读本书，读者能够全方位地了解金融市场的运作，深刻洞察处理各类金融工作的实战技能。

本书是一本关于Python数据整理和数据质量的实用指南，主要介绍了如何使用Python进行数据清洗、转换和整合，以及如何确保数据的准确性和一致性。本书涵盖了数据整理基础、数据清洗、数据转换、数据整合、数据质量检查和数据可视化等内容。通过丰富的实例和代码示例，读者可以掌握Python数据整理和数据分析的相关技能。无论你是数据分析师、数据科学家还是其他领域的数据从业者，本书都不仅能够帮助你提高工作效率，还能够让你更好地理解和应用数据科学相关的知识和技能。

当数据科学家使用Python处理数据，并希望创建展示ML模型的数据应用程序，以及进行易于创建的交互式可视化时，那么Streamlit将是最理想的选择。Streamlit for Data Science(第2版)向数据科学家展示了如何在Python内快速创建和部署小部件和仪表板。这可以帮助他们在几小时内而不是几天内创建原型。 为了掌握Streamlit这项技术，需要通过大量的实际案例来学习。本书由一个富有创造力的Streamlit用户编写，他在第一版发布后就一直使用该技术，本选题建立在前一版的实用性基础上，带来大量的更新，包括将Streamlit连接到Snowflake数据仓库，部署在Hugging Face上，以及在GitHub上提供完全更新的代码库，通过这些内容可以帮助读者练习新发布的技能。 读者将从Streamlit的基础知识开始Streamlit的学习，并通过使用机器学习模型和制作高质量的交互式应用程序逐渐熟悉Streamlit的使用技巧。本

本书通过数学和自然科学中的计算例子来讲授计算机程序设计。选择语法简单紧凑且功能强大的Python语言作为编程语言。本书关注于问题的计算求解过程，而不是程序语言细节，书中使用了大量的案例，并专注问题定义、分析和程序求解以及程序正确性验证。通过本书的学习，读者将能使用程序员的方式进行思考，并能写出正确优质的程序。

Python是众多研究人员眼中的一流工具，主要原因在于它所提供的可用于存储、操作、洞察数据的各种库。数据科学堆栈的各个部分都存在多种资源，但只有本书的新版将它们汇集于一处，包括IPython、NumPy、pandas、Matplotlib、Scikit-Learn以及其他相关工具。 熟悉阅读和编写Python代码的在职科技人员和数据处理人员会发现这份全面的案头参考书的第二版非常适合处理各种日常问题：数据的操作、转换、清理；不同类型数据的可视化；使用数据建立统计或机器学习模型。一句话，这是Python科学计算的参考。

本书是一本全面介绍Python编程，并针对多个应用场景给出解决方案的编程手册。从Python的基础知识开始，介绍了数据类型、函数、条件、循环等基本概念，展示了生成器、面向对象编程等具有Python特色的进阶理念，并给出了定位和排除异常、测试代码、调试的方法。随后，本书针对GUI、数据科学等实用场景，使用Python解决实际问题。最后，本书给出了发布Python程序的方法。 本书适合想要学习编程或有一定编程基础、想要学习Python的人阅读。

本书提供了一种独特的方法来讲解Python编程入门，内容符合新的ACM/IEEECS和相关的计算课程倡议，以及由美国国家科学基金会赞助的数据科学本科课程。内容涵盖了新的主题和应用的覆盖面，模块化架构使教师能够方便地调整文本，适应课程需求。通过本书，你将学习： 538个案例研究，471道练习题和项目，557道自我测验题。基于IPython和Jupyter Notebook的即时反馈。问题求解、算法开发、控制语句、函数等基础知识。 列表、元组、字典、集合、Numpy数组、pandas Series和DataFrame。 2D/3D的静态、动态和交互式可视化。 字符串、文本文件、JSON序列化、CSV、异常。 过程式、函数式和面向对象的程序设计方法。 数据科学入门 ：基础统计、模拟、动画、随机变量、数据整理、回归。 隐私、安全、伦理、可重现、透明。 AI、大数据和云数据科学案例研究：NLP、Twitter数据挖掘、IBM Wa

本书详细地介绍了Python语言的一些高级功能以及常见数据类型的高级用法，非常适合有一定基础的读者深入学习Python编程。本书的主要内容包括常见内置类型（数值、字符串和集合等）的高级用法和潜在的陷阱，用于文本处理的格式化方法和正则表达式，用于数值计算和大规模数据处理的math包和numpy包等。此外，文件存储、随机数生成和图表绘制也是本书的重要内容。本书还开发了一个 RPN脚本解释器 项目，该项目贯穿本书的各个章节，通过对该项目的学习，你也可以开发出自己的 语言 。

本套书是基于当前少儿编程市场上流行的Python编程语言进行课程设计的。第一个分册（基础篇）的定位是打好编程基础，后面三个分册的定位为基础知识的三个应用方向（程序绘画、游戏设计、界面应用设计）。在知识点选取、案例选取、关注角度方法上下功夫，力求既教知识又教方法、既精简又高效、既夯实基础又发挥创造、既有趣又易学。

本书是Python数据分析经典畅销书的升级版，由Python pandas项目的创始人Wes McKinney撰写。本书自2012年 版出版以来，迅速成为该领域的 指南，并且为了保持与时俱进，作者对本书内容进行持续 新，以摒弃一些过时、不兼容的工具，添加新的内容来介绍新特性、新工具及方法。第3版针对Python 3.10和pandas 1.4进行了 新，并通过实操讲解和实际案例向读者展示了如何高效地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。