《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

本书就Python基础知识和交易策略的基本原理为切入点，由浅入深介绍了如何从零基础使用vn.py搭建自己交易系统。本书从原理着手到代码实践，内容由最基本的Python基础知识与Python中金融分析的常用包，逐步由浅入深介绍常用的指标并将使用vn.py进行实现。 本书共分为8章，第1章与第2章介绍vn.py的环境搭建与Python常用的工具包，为后面使用vn.py实现交易策略做准备；第3章与第4章介绍vn.py框架和量化交易的基础知识；第5章到第7章从易到难介绍不同的交易策略并配合大量的实例讲解，进一步巩固vn.py代码的使用，第8章讲解如何在实盘中运行交易策略。 本书面向零基础的新手和有一定计算机与金融知识基础的读者，以通俗易懂的语言和示例阐述量化交易的实现原理，适于对于量化交易有兴趣的读者。带有详细注释的代码将帮助读者进一步理解vn.py的框架和交易策略。

金融量化分析不仅需要掌握金融领域的知识，还需要掌握相关的计算机编程技术。《Python金融量化分析》全面、系统地介绍金融量化分析所需要掌握的技能。无论是具有丰富的编程经验的读者，还是普通的投资爱好者，均可参照本书内容开发自己的量化交易策略回测代码，实现金融量化分析辅助投资的目的。 《Python金融量化分析》共9章，涵盖的主要内容有金融量化交易策略分析概述，Python的基础语法，Pandas模块基础，NumPy基础，数据获取与清洗，金融量化交易策略实战，TA-Lib、Empyrical与Mplfinance模块的使用方法，金融数据回归分析，ARIMA与VAR模型在金融量化领域的应用，开源金融量化交易策略回测框架Backtrader的使用方法等。掌握这些内容，可以解决金融量化分析涉及的编程语言基础、数据获取、量化交易策略构建、统计学与金融学理论在金融量化领域的高级应用，

本书主要以国内A股市场为例，借助第三方量化交易平台，讲述了KNN、线性模型、决策树、支持向量机、朴素贝叶斯等常见机器学习算法在交易策略中的应用，同时展示了如何对策略进行回测，以便让读者能够有效评估自己的策略。 另外，本书还讲解了自然语言处理（NLP）技术在量化交易领域的发展趋势，并使用时下热门的深度学习技术，向读者介绍了多层感知机、卷积神经网络，以及长短期记忆网络在量化交易方面的前瞻性应用。 本书没有从Python基础语法讲起，对于传统交易策略也只是一带而过，直接将读者带入机器学习的世界。本书适合对Python语言有一定了解且对量化交易感兴趣的读者阅读。

本书提倡理解为主，应用为王。因此，只要有可能，小甲鱼（注：作者）都会通过生动的实例来让大家理解概念。 虽然这是一本入门书籍，但本书的 野心 并不止于 初级水平 的教学。本书前半部分首先讲解基础的Python 3语法知识，包括列表、元组、字符串、字典以及各种语句；之后循序渐进地介绍一些相对高级的主题，包括抽象、异常、魔法方法以及属性迭代器。后半部分则围绕着Python 3在爬虫、界面开发和游戏开发上的应用，通过实例引导读者进行深入学习和探究，既富有乐趣，又锻炼了读者的动手能力。 本书适合学习Python 3的入门读者，也适合对编程一无所知，但渴望用编程改变世界的朋友们。

《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

本书主要介绍了Flask编程开发与运维过程中涉及的方法、技巧和实战经验，共5篇。 "第1篇 基础 介绍用Flask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Flask 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Flask的传统部署，Flask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Flask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。

本书不是一本编程技术书，而是一本讲解如何利用Python实现办公自动化的案例型教程。 全书共12章，结构上可划分为3个部分。第1部分（第1章、第2章）主要讲解Python编程环境搭建、Python核心语法知识、文件系统操作、文本处理等Python高效办公的基础知识与基本技能。第2部分（第3～10章）全面讲解如何利用Python高效地完成与Word、Excel、PowerPoint等常用办公软件相关的操作。第3部分（第11章、第12章）主要讲解如何利用Python模拟鼠标和键盘操作，快速完成批量化和流程化的工作。 本书理论知识精练，案例典型实用，学习资源齐备，十分适合具备一定的办公软件操作基础又想进一步提高工作效率的办公人员阅读，对于Python编程初学者而言也是相当不错的参考资料。

本书基于广受好评的 Python工匠 系列开源文章。全书从工程实践角度出发，通过剖析核心知识、展示典型案例与总结实用技巧，帮助大家系统进阶Python，写好工程代码，做好实践项目。 本书共计13章，分为五大部分：变量与基础类型、语法结构、函数与装饰器、面向对象编程、总结与延伸，涵盖Python编程的方方面面。本书的写作方式别具一格，核心知识点都会通过三大板块来阐述：基础知识、案例故事、编程建议。其中基础知识帮助大家快速回顾Python基础；案例故事由作者经历的编程项目与案例改编而来，兼具实战性与趣味性；编程建议以大家喜闻乐见的条目式知识点呈现，短小精悍，可直接应用于自己的编程实践中。

本书是《看漫画学Python》的进阶版本，继续秉承有趣、有料、好玩、好用的理念，并继续采用《看漫画学Python》一书中3个不同的漫画人物角色，通过这3个角色之间的轻松对话把复杂的技术问题简单化。本书总计12章。第1章讲解Python的IDE工具PyCharm的基础知识、高级功能和调试功能；第2章讲解如何用Python绘图库Turtle绘制基本图形；第3章讲解Python的Qt库PyQt的基础知识和用法；第4章讲解如何用分词库实现分词，以及如何用词云库形成词云；第5章讲解如何用OpenCV库实现图像处理和人脸检测；第6章讲解网络爬虫技术；第7章讲解如何用Python访问MySQL；第8章讲解如何用Python解析XML文档；第9章讲解如何用xlwings库操作Excel文件；第10章讲解如何用pyecharts库进行数据可视化。第11～12章通过两个项目实战帮助读者将前10章所学的内容融会贯通。本书贯穿了动手实践环节，旨在帮助读者

全书共9 章，通过清晰的结构和丰富的案例，循序渐进地引导读者探索AI 技术在Excel办公自动化领域所开辟的一片新天地。 第1章：主要介绍如何搭建和测试Python 的编程环境，为运行Python 代码做好准备。第2章：介绍ChatGPT 和文心一言的基本用法，让读者学会利用问答式AI 工具独立学习知识和解决问题。 第3章：介绍辅助Excel 办公的AI 工具，包括ChatExcel、AI-aided Formula Editor、 Numerous.ai、模力表格等。用户不需要精通Excel 的操作和工作表函数，只需要用自然语言下达指令，AI 工具就能完成数据的处理或复杂公式的编写。 第4章：主要讲解借助ChatGPT 实现低门槛Python 编程的基础知识，包括AI 辅助编 程的特长和局限、基本步骤、应用实例等。 第5 ～ 9 章：通过丰富的典型案例详细介绍如何将ChatGPT 与Python 结合起来，实现多种常见的Excel 办公操作，包括工作簿、工作表、行

本书阐述了如何从攻击者的视角审视自己的网络，从而了解有关技术并有效抵御攻击。通过Python代码示例，读者将学习如何编写密码嗅探、ARP投毒攻击、DNS欺骗、SQL注入、蓝牙WiFi攻击等相关工具，也将了解入侵检测和防御系统以及日志文件分析等防御方法。学习本书不需要有深入的编程和计算机网络原理知识作为基础，想要学习网络编程的Python程序员、想要主动检查系统和网络安全性的管理员和偏好 Python 编程的白帽、灰帽和黑帽黑客均可阅读本书。

在这个数据为王的时代，无论是从事何种行业，每天都会与海量的且类型多样的数据打交道，如何从这些数据中获取需要的信息，并进行相应的分析和可视化展示，是很多程序员和职场人士非常关心的一个问题。本书以功能强大且容易上手操作Python语言为基础，全面讲解了数据的获取、处理、分析及可视化的呈现。 全书共17章，内容涉及Python基础知识、Python数据处理和分析的实用模块、数据分析、数据爬虫技术、数据可视化等方面。还对数据分析中的几大经典算法，数据决策树、关联规则、聚类与分群也进行了详细的介绍。为了便于读者对Python知识的掌握，本书还提供了大量的编程代码以及实战案例。 本书适合各行各业的数据分析从业人员学习，也适合想要提高工作效率的职场人士，对于Python编程感兴趣的读者，本书也是一本不错的参考读物。

本书是笔者多年从事高校教学经验的结晶之作。全书深入浅出地讲解了使用Python语言进行游戏开发以及帮助读者快速掌握游戏设计的基本原理和方法，同时提高应用Python语言编程的能力。 全书精选11个游戏案例，涵盖不同的游戏类型，每章围绕一个经典游戏案例展开，并突出一个游戏编程的主题。本书涉及的主要知识点包括游戏循环的原理、鼠标及键盘事件的处理、碰撞检测及处理、随机数的运用、定时器的使用、游戏场景的滚动、角色动画的播放、音效及音乐的播放、缓动效果、游戏关卡设计、游戏人工智能的原理及运用等。本书将Python语法知识及常用的编程技巧糅合在各个游戏案例中进行介绍，为读者展示Python语言的实际运用场景。 本书内容安排合理，架构清晰，注重理论与实践相结合，适合作为Python开发零基础读者的教程，也可作为高等院校的辅导教材，

本书教你如何从基于时间的数据（如日志、客户分析和其他事件流）中获得即时、有意义的预测。在这本通俗易懂的书中，作者通过带有注释的Python代码进行全面演示，你将学习用于时间序列预测的统计和深度学习方法。通过跟随书中的实例锻炼你的技能，你很快就会准备好建立自己的准确、有洞察力的预测。

本书从实战的角度讲解Python在各个领域的应用案例，这些领域包括操作系统、GUI、ChatGPT、动画、多媒体(图像、音频和视频)、办公自动化、控件软件、加密和解密、数学计算、文本处理。 上述技术领域涵盖的章节如下。 (1) 文件系统(第1～2章)： 主要包括对文件和文件夹的操作、获取文件和目录属性，搜索文件和目录、创建快捷操作，控制回收站、Windows注册表、设置启动项、显示系统窗口等。 (2) GUI(第3、5章)： 主要包括PyQt6的基本用法、异形窗口、(半)透明窗口，控制状态栏等。 (3) ChatGPT(第4章)： 主要包括ChatGPT的基本概念、ChatGPT的竞品、注册和登录ChatGPT，以及应用ChatGPT做的两个项目 聊天机器人和编程魔匣。 (4) 动画(第6章)： 主要包括属性动画、缓动动画、数学动画、生成动画gif、三维仿真等。 (5) 多媒体(第7～10章)： 主要包括播放音频、录制音频、音频分

本书以Python的实际应用为主线，以理论基础为核心，引导读者渐进式学习Python的在生活和工作中的实际应用。 本书共13章，可分为4部分。第一部分Python的办公自动化篇（第1~5章）、第二部分网络应用篇（第6~10章）、第三部分GUI编程篇（第11~12章）、第四部分其他应用篇（第13章）。 本书示例代码丰富，实用性和系统性较强，并配有视频讲解，助力读者透彻理解书中的重点、难点。精心设计的案例对于工作多年的开发者也有参考价值，并可作为高等院校和培训机构相关专业的教学参考书。注意：本书为进阶版，需要有读者有一定的Python编程基础。

本书以Python为工具，全面讲解概率论与数理统计的主要内容和多元统计分析常用技术。全书包括13章和4个附录，内容翔实，讲解深入浅出。概率论4章，讲解概率论基础知识，主要是随机变量的相关理论；数理统计4章，主要是样本理论、参数估计和假设检验；回归分析2章，包括一元和多元回归分析及其统计解释；多元统计3章，主要讲解主成分分析和因子分析理论。整书内容简明，易上手，实用性强。本书不需要读者有良好的数学基础，4个附录提供了Python基础知识、微积分与线性代数的必要基础，可满足不同层次的读者需求。本书的特色是将Python贯穿于内容之中，为读者提供实践练习，也便于读者学习用Python解决实际问题的能力。 本书适用于大数据与人工智能专业的教师和学生，也适用于对数据科学感兴趣的人士和企业界的工程师。

本书是介绍自然语言处理（NLP）和深度学*的实战书。NLP已成为深度学*的**应用领域，而深度学*是NLP研究和应用中的必要工具。本书分为3部分：*部分介绍NLP基础，包括分词、TF-IDF向量化以及从词频向量到语义向量的转换；第二部分讲述深度学*，包含*经网络、词向量、卷积*经网络（CNN）、循环*经网络（RNN）、长短期记忆（LSTM）网络、序列到序列建模和注意力机制等基本的深度学*模型和方法；第三部分介绍实战方面的内容，包括信息提取、问答系统、人机对话等真实世界系统的模型构建、性能挑战以及应对方法。 本书面向中高级Python开发人员，兼具基础理论与编程实战，是现代NLP领域从业者的实用参考书。

本书共有7章。其中第1～6章为本书的核心内容，可分为两部分：第壹部分包括第1章和第2章，介绍了Python语言编程的基础知识和Abaqus中的Python脚本接口基础知识，为后面的学习奠定基础；第二部分包括第3～6章，分别介绍编写脚本快速建立有限元模型、编写脚本访问输出数据库、编写脚本进行其他后处理、案例分享及常见问题等内容。通过大量的实例脚本和详细的注释讲解了编写、调试脚本和开发专有模块的方法，以提高Abaqus有限元分析的效率。 书中内容从实际应用出发，文字通俗易懂，深入浅出，读者不需要具备很深的编程功底，即可轻松掌握Python语言在Abaqus中的各种应用。 本书主要面向Abaqus软件的中级和高级用户，对于初级用户也有一定的参考价值。

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

《Python贝叶斯建模与计算》旨在帮助贝叶斯初学者成为中级从业者。本书使用了PyMC3、TensorFlow Probability和Arviz等多个软件库的实践方法，重点是应用统计学的实践方法，并参考了基础数学理论。 本书首先回顾了贝叶斯推断的概念。第2章介绍了贝叶斯模型探索性分析的现代方法。基于这两个基本原理,接下来的章节介绍了各种模型，包括线性回归、样条、时间序列和贝叶斯加性回归树。其后几章讨论的主题包括:逼近贝叶斯计算，通过端到端案例研究展示如何在不同环境中应用贝叶斯建模，以及概率编程语言内部构件。最后一章深入讲述数学理论或扩展对某些主题的讨论，作为本书其余部分的参考。 《Python贝叶斯建模与计算》由PyMC3、ArviZ、Bambi和TensorFlowProbability等软件库的贡献者撰写。