本书是享誉全球的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定制简单的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。

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。

如果你想充分发挥Python的强大作用，如果你想成为一名好的Python工程师，你应该先学好Pandas。 这是一本全面覆盖了Pandas使用者的普遍需求和痛点的著作，基于实用、易学的原则，从功能、使用、原理等多个维度对Pandas做了全方位的详细讲解，既是初学者系统学习Pandas难得的入门书，又是有经验的Python工程师案头必不可少的查询手册。 本书共17章，分为七部分。 部分（第1～2章） Pandas入门 首先介绍了Pandas的功能、使用场景和学习方法，然后详细讲解了Python开发环境的搭建，Z后介绍了Pandas的大量基础功能，旨在引领读者快速入门。 第二部分（第3～5章） Pandas数据分析基础 详细讲解了Pandas读取与输出数据、索引操作、数据类型转换、查询筛选、统计计算、排序、位移、数据修改、数据迭代、函数应用等内容。 第三部分（第6～9章） 数据形式变化 讲解了Pandas的分

本书将帮助你使用Python编写出高质量、高效的并且易于与其他语言和工具集成的代码。本书根据Python专家Mark Lutz的著名培训课程编写而成，是易于掌握和自学的Python教程。 本书每一章都对Python语言的关键内容做单独讲解，并且配有章后习题、编程练习及详尽的解答，还配有大量注释的示例以及图表，便于你学习新的技能并巩固加深自己的理解。第5版基于Python2.7和3.3版本，同时也适用于其他Python版本。无论你是编程新手还是其他编程语言的资深开发者，本书都会是你学习Python的理想选择。 本书主要内容： * 学习Python的主要内置对象类型，如数字、列表和字典。 * 使用Python语句创建和处理对象，并学习Python的通用语法模型。 * 使用函数减少代码冗余，使用包代码结构实现代码重用。 * 学习Python模块，从而封装语句、函数和其他工具，以便构建大型组件。 *

量化交易领域的飞速发展，得到了越来越多业内外人士的关注。而Python作为一门功能强大且易于上手的编程语言，可以快速将想法付诸实践。因此，本书希望可以引领读者初步了解量化交易，并借助Python这个工具在该领域有所建树。 本书先从量化交易的基本概念讲起，然后讲解Python的基本语法及常见库的使用，在每章节的学习中都以金融量化为实例，并在后结合实战项目来进行学习和巩固，读者不但可以系统地学习Python编程的相关知识，而且还能学习到Python在量化交易场景下的应用。 本书内容通俗易懂，案例丰富，适合零基础并对Python量化感兴趣的读者，以及想学习量化交易实战项目的Python初学者。此外，本书也适合作为相关培训机构的培训教材。

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。

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

《从零开始学Python 大数据与量化交易》首先讲解量化交易的基础知识，如量化交易的优势、应用、注意事项、历史、量化交易平台等；然后讲解量化交易开发语言Python，即讲解Python 语言的开发环境、基本语法及流程控制、特征数据类型、内置函数与自定义用户函数、面向对象编程；接着讲解大数据分析和可视化的3 个包，分别是Numpy 包、Pandas 包、Matplotlib 包；然后讲解量化交易策略的编写、获取数据函数、基本面量化选股、量化择时的技术指标函数、回测技巧、因子分析技巧；*后讲解Python 量化交易策略的实战案例。 在讲解过程中既考虑读者的学习习惯，又通过具体实例剖析讲解Python 大数据与量化交易过程中的热点问题、关键问题及种种难题。 《从零开始学Python 大数据与量化交易》适用于各种不同的投资者，如新老股民、中小散户、股票操盘手、基金操盘手和

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，

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。

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。

本书采用简洁强大的Python 语言，介绍了网页抓取，并为抓取新式网络中的各种数据类型提供了全面的指导。*部分重点介绍网页抓取的基本原理：如何用Python 从网络服务器请求信息，如何对服务器的响应进行基本处理，以及如何以自动化手段与网站进行交互。第二部分介绍如何用网络爬虫测试网站，自动化处理，以及如何通过更多的方式接入网络。

机器学习作为实现人工智能的方法，是一种让计算机具备学习能力的数理技术。本书就以Python为工具，结合实例和代码分析对机器学习中的异常检测和系列数据分析技术进行了详细解说。其中前半部分介绍了基本的分类器和预测器的使用方法，以便读者能够顺利地进行机器学习实践。后半部分以作者的研究经验为基础，介绍了一些应用于实际问题的例子。 本书以解说实例源码为中心，特别适合有一定编程基础、对机器学习技术感兴趣的高校学生学习，也适合将机器学习技术应用于实际业务的工程师参考。

《Python Excel 高效办公：轻松实现 Python 数据分析与可视化》从 Python 语言的基础语法讲 起，介绍了如何使用 Python 实现各种常用的 Excel 数据处理操作，并给出若干个 Python 商业数据分 析应用案例。通过本书的学习，读者应该可以自动化批量完成日常的 Excel 数据处理工作，从而避免 烦琐的手工操作。 本书共 12 章，涵盖的主要内容包括：Python 开发环境搭建；Python 语法基础；Python 文件管理； 用 Python 操作 Excel 工作簿、工作表、单元格、表格；用 matplotlib 和 xlwings 在 Excel 中自动绘制 统计图表；Pandas 数据结构、Pandas 数据处理和数据分析操作；用 Python 分析客户数据、销售数据、 广告数据等。 《Python Excel 高效办公：轻松实现 Python 数据分析与可视化》用读者熟悉的 Excel 概念和操 作导入 Python 编程的各种知识点，使编程初学者更容易理解和接受。本书适合经常使用 Ex

Array

有限元是当今工程分析中应用*广泛的数值计算方法。本书以结构分析为主题，介绍了基于Python的有限元分析开源框架（被作者命名为Feon）的搭建过程和扩展方法。本书分为5章，主要内容包括Python、Numpy（Python著名的矩阵运算包）和Matplotlib（Python著名的二维绘图包）简介，Feon的框架及结构分析子包Feon.sa（structural analysis）的搭建过程，Feon中自带单元的定义和应用，如何自定义单元、求解函数（以计算结构动力学频率和振型为例）及子包（以渗流分析为例，定义子包ffa（fluid flow analysis）），以及Python进行有限元编程方面的建议。书中所有的程序均在Python 2.7上测试通过。

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。

本书集教材、练习册、上机指导于一体，基于Python 3.8阐述Python语言的基础知识，以及使用Python语言的开发应用实例。本书全面覆盖计算机等级考试二级Python语言的知识范围，具体内容包括程序设计导论、Python语言基础、程序流程控制、函数和代码复用、组合数据和数据结构基础、输入输出和文件处理、数值和日期处理、字符串和文本处理、面向对象的程序设计、模块化程序设计、数据库访问以及Python计算生态（Python第三方库）等。本书还以电子版形式提供计算机等级考试（二级Python语言程序设计）题库（真题和模拟题），作为学生学习和考级的开源学习资源。

面向用Python进行控制系统设计的人，边学边用Python进行编程实践。重点阐述以状态空间模型为对象的现代控制系统的设计。全书分七章，包括： Pythhon环境的构建、数据和流控制、反馈控制、状态空间模型、闭环系统的控制设计、开环系统的控制设计、PID控制相位进延迟补偿，以及稳健性控制数字实现的高级控制系统设计。

Python是一种简单、易学、功能强大的编程语言，广泛应用于Web和Internet开发、 人工智能开发、科学计算、软件开发、数据处理与分析、桌面开发、后端开发等。 《Python科学计算入门》就针对编程零基础读者，详细介绍了Python编程基础知识及 Python在科学计算中的应用方法。全书共9章，结合NumPy、SciPy、SymPy、pandas、 Matplotlib等软件库，通过大量示例对科学计算中的数组运算、代数计算、数值计算、 数据可视化等内容进行了详细说明，特别适合想使用计算机解决数学问题的学生、程 序员、IT工程师和科研人员学习。

集Python、Excel、数据分析为一体是本书的一大特色。本书围绕整个数据分析的常规流程:工具熟悉-获取数据-数据熟悉-数据处理-数据分析-分析结果进行Excel 和Python 对比实现，告诉你每一个过程中都会用到什么？过程与过程之间有什么联系。这样一本书既可以作为系统学习数据分析流程操作的说明书，也可以作为一本数据分析师案头的实操工具书，随时备查。本书通过对比Excel 功能操作去学习Python 的实现代码，而不是直接上来就学习Python代码，大大降低了学习门槛，消除了读者对代码的恐惧心理。适合刚入行的数据分析师，也适合对Excel 比较熟练的数据分析师，或从事其他岗位想提高工作效率的职场人。

《算法之美 Python 语言实现》基于 Python 语言系统讲述了算法基础知识、数据结构和各种经典算法，包含传统典型算法、竞赛算法、大数据算法、人工智能算法、游戏算法等，在讲解经典算法的同时，尽量吸收*的算法成果，并体现实战性。为了解决算法类图书不容易被接受的问题，本书对算法理论的讲解结合了83个具体的实例应用，实例讲解遵循需求规则、算法思想、代码实现和算法点评这一规律；算法思想基于各种图示来演示算法的设计流程，使设计思路清晰明了；代码实现中对关键代码给予注释，帮助读者*程度地理解算法程序设计的具体含义。本书每章均提供了配套的实验习题及答案，以巩固所学，增强实战应用技能。另外，本书对部分章节配备了视频讲解，读者可以使用手机扫码来轻松学习。总之，本书设计体现了轻松易学的思想，*程度地帮助读者理解算