书中描述了Python程序的基本构件：类型、操作符、语句、函数、模块、类以及异常，此外还介绍了更多高级主题，包括复杂的实例，最后讲述了如何使用Python定制库来创建大型程序。

《Python程序设计——从基础到应用》系统介绍了Python语言的语法基础知识，包括Python基本数据类型、程序控制结构、组合数据类型、函数与模块、类和对象、文件，以及Python常用标准库；并围绕Python网络爬虫、Python数据分析、Python票据识别的具体实例，详细介绍了Python第三方库的相关应用，阐述其应用程序的开发方法和过程，实现知识到能力的进阶。 《Python程序设计——从基础到应用》～9章为Python学习的基础内容部分，夯实基础，万丈高楼方能有望。0～12章为Python学习的应用和提高部分，遴选有趣且实用的案例，通过翔实的讲解和丰富的代码案例带领读者充分领略Python的强大之处。 《Python程序设计——从基础到应用》既可作为高等学校程序设计类课程的教材，也适用于初学Python语言的读者，还可作为全国计算机等级考试二级Python语言程序设计的参考书。

虽然技术在进步，硬件也越来越物美价廉，但如今软件工程师仍需要关注程序的性能优化。本书将介绍软件效率问题、Go语言快速入门知识、如何实现高效编程，告诉大家如何高效进行性能优化，以及何时进行，并给出需要的工具和相关知识，让你使用较少的资源实现高效编程。

当前，数据驱动的理念已渗透到各个领域，数据科学和人工智能技术在制造业、金融、教育等多个行业中得到了广泛应用。Python作为一种编程语言，已成为数据科学和人工智能领域的事实标准，它丰富的生态系统进一步增强了它在这些领域中的重要性。然而，随着数据量的不断增长，如何利用Python加速数据科学处理，并将它扩展到集群上的并行计算，已成为数据科学家面临的重要挑战。《Python数据科学加速:Dask、Ray、Xorbits、mpi4py》详细介绍了4种数据科学工具：Dask、Ray、Xorbits和mpi4py，这些工具可以帮助数据工程师和科学家处理更大规模的数据集、训练更复杂的模型，并更高效地进行机器学习模型的迭代和部署。 《Python数据科学加速:Dask、Ray、Xorbits、mpi4py》面向具备数据科学基础的数据工程师、数据科学家或领域专家，同时也适合大学生和研究生作为进入高性能数据

本书以Python 3.10.7为平台，以实际应用为背景，通过概述 算法 经典应用的形式，深入浅出地介绍Python数据分析的相关知识。全书共9章，主要内容包括Python概述、科学计算库、开源科学集、数据分析利器、数据分析的可视化、基于回归的数据分析、基于分类的数据分析、基于聚类的数据分析、数据特征分析等。通过学习本书，读者可领略到Python的简单、易学、易读、易维护等特点，同时也可感受到利用Python实现数据分析应用领域广泛，功能强大。 本书可作为高等学校相关专业本科生和研究生的教学用书，也可作为相关专业科研人员、学者、工程技术人员的参考用书。

本书共分4篇，针对Python爬虫初学者，从零开始系统地讲解了如何利用Python进行网络爬虫程序开发。 篇快速入门篇:主要介绍了Python环境搭建和基础语法知识、爬虫入门知识及基本的使用方法、Ajax数据的分析和抓取、动态渲染页面数据的爬取、网站代理的设置与使用、验证码的识别与破解，以及App数据抓取、数据的存储方法等内容。 第2篇技能进阶篇:主要介绍了PySpider和Scrapy两个常用爬虫框架的基本使用方法、爬虫的部署方法，以及数据分析、数据清洗常用库的使用方法。 第3篇项目实战篇:以2个综合实战项目，详细讲解了Python数据爬虫开始与实战应用。本篇对全书内容进行了总结回顾，强化读者的实操水平。 第4篇技能拓展篇:从数据爬取、数据清洗和数据分析三个角度，介绍了一常用AI技术的实用技巧。运用这些技巧，读者可以提高网络爬虫程序的编写速度和数据分

在当今时代，金融、数学和编程是有着内在联系的。本书提供了针对这些学科的相关基础内容，并介绍了在计算金融世界中入门所需的主要工具。本书的主要内容有：运用数学知识，学习金融理论和Python编程的基础。学习在计算金融中使用金融理论、金融数据建模，以及Python。利用简单的经济学模型，更好地理解金融的基本概念和Python编程概念。利用静态和动态金融建模来解决金融中的基本问题，如定价、决策、均衡和资产分配等。学习对金融建模有用的Python软件包的基础知识，如NumPy、SciPy、Matplotlib和SymPy。

本书全面介绍了Java 8、9、10版本的新特性，包括Lambda表达式、方法引用、流、默认方法、Optional、CompletableFuture以及新的日期和时间API，是程序员了解Java新特性的经典指南。全书共分六个部分：基础知识、使用流进行函数式数据处理、使用流和Lambda进行高效编程、无所不在的Java、提升Java的并发性、函数式编程以及Java未来的演进。

本书主要从实战角度讲述了如何处理、分析和可视化数据，如何用数据建立各种统计学或机器学习模型。本书首先介绍如何使用Python代码获取、转换和分析数据；接着讲述如何使用Python中的数据结构和第三方库；然后展示如何以各种格式加载数据，如何对数据进行分组与汇总，如何创建图表和可视化数据；讨论如何解决实际的问题。 本书适合希望使用Python处理和分析数据的开发人员阅读，也可供计算机相关专业的师生参考。

虽然技术在进步，硬件也越来越物美价廉，但如今软件工程师仍需要关注程序的性能优化。本书将介绍软件效率问题、Go语言快速入门知识、如何实现高效编程，告诉大家如何高效进行性能优化，以及何时进行，并给出需要的工具和相关知识，让你使用较少的资源实现高效编程。