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。
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。
矩阵是重要的数学工具，也是当今人工智能、机器学习等领域重要的数据处理对象。本书作为矩阵理论的教材，将由浅入深地介绍矩阵的基本理论，包括矩阵的概念与运算、线性方程组、线性映射和线性变换、行列式、向量空间、特征值和特征向量、相似矩阵、二次型等，还有这些基本理论在机器学习上的简单应用。此外在本书各章还附上了对应的Python与MATLAB编程实践代码，以供需要工程实践的读者参考应用。 本书可作为高等院校工科专业的本科生教材，也可作为研究生入学考试的参考书，还可供对矩阵理论有需求的工程技术人员阅读参考。
本书是国内首先使用 Python tkinter 设计 GUI 的中文书籍之一。本书主要讲解如何在窗口内使 用 Python 的内部模块 tkinter 设计图形用户接口 (GUI) 程序，让用户可以利用图形接口与计算机沟通。 tkinter 模块是一个跨平台的窗口应用程序，使用它设计的程序可以在 Windows 、macOS 、Linux 系 统上执行。 2019 年《Python GUI 设计 tkinter 菜鸟编程》一经出版便受到广大读者的喜爱。为了使其内容 更丰富，本书在其基础上增加了一些重要的项目实例，全书超过 312 个程序实例，一步一步讲解 tkinter 控件 (Widget) 的基础知识，同时也将应用范围扩充至小算盘、分形 (Fractal) 设计、文书编 辑、走马灯、模拟海龟绘图、球类竞赛、风扇设计、单个或多个反弹球设计、钟摆、直方图动态排 序、动画与游戏设计、MP3 音乐播放器。Python 是一门可以灵活使用的程序语言，本书的特色是 对 tkinter 最基础
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。
本书是蓝桥杯大赛软件类入门教程，详细讲解了蓝桥杯大赛软件类入门阶段的核心知识点，也是大赛必考和常考的知识点，包括数据结构、基本算法、搜索、数学、动态规划、图论等。 本书用大量的大赛真题作为例题，帮助读者巩固知识点的应用； 代码简洁精要，可作为比赛模板； 文字简洁明快，实现了较好的易读性。 本书适合正在学编程语言或刚学过编程语言，算法和数据结构零基础的算法竞赛初学者，帮助读者学习的知识点、建立计算思维、提高建模能力和编码能力； 本书也可用于其他算法竞赛（全国青少年信息学奥林匹克竞赛（NOI）、国际大学生程序设计竞赛（ICPC）、中国大学生程序设计竞赛（CCPC）、中国高校计算机大赛 团体程序设计天梯赛等）的入门学习。
本书Python新手入门经典图书，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。
本书是目前市面很少有的专门介绍区块链量化交易编程的书籍，本书侧重实战，先讲解区块链基础知识、交易所基本概念和操作方法，后面重点介绍交易所API的使用方法及如何利用这些API编程交易策略程序，为读者编写自己的交易策略打下一个坚实的基础。 本书共6章，分为区块链基础篇和实战操作篇。区块链基础篇（第1~3章）详细介绍区块链的基础知识、加密货币交易所基本概念和基本操作、交易所API详解，其中第3章是重点难点；实战操作篇（第4~6章）介绍了编写交易程序相关的Python语法知识、如何在服务器搭建Python程序运行环境的方法、抛砖引玉的介绍几个实际的交易策略，包括三角套利策略、MACD指标策略、RSI指标策略、币价波动监视机器人、捕捉插针策略等。 本书适合量化交易初学者入门，同时也为有交易经验的从业人员提供了多个项目案例作为参考。
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。
本书以PySide6/PyQt6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PySide6/PyQt6的编程基础和实际应用。 本书共12章，可分为5部分。第一部分介绍基于项的控件、基于模型/视图的控件（第1章和第2章），第二部分介绍处理数据库、文件、路径、缓存相关的类和应用方法（第3章和第4章）、第三部分介绍使用Graphics/View框架绘图、绘制二维图表和三维图表的相关类和应用方法（第5~7章）、第四部分介绍处理网络、多媒体、打印机、QML相关的类和应用方法（第8~11章）。第五部分以案例的形式介绍了如何使用PySide6和其他Python模块编写实用程序的方法，并介绍了制作程序安装包的方法（第12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。本书适合初学者入门，精心设计的案例对于工作多年的开发者也有参考
《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
本书以数据分析流程为主线，介绍了金融数据分析的方法，并通过Python加以实现。全书分为三部分，共12章，其中第1～4章是基础部分，主要介绍金融数据分析概览、数据分析流程、Python运行环境搭建以及数据分析的基础Python包；第5～8章是进阶部分，分别介绍了数据分析流程中的金融数据获取、探索性数据分析、特征工程和数据建模分析；第9～12章是应用部分，通过综合案例分别演示了股票行情数据分析、资本资产定价模型分析、股票量化投资多因子模型分析和个人贷款信用风险评估的数据分析操作。 本书适合具备Python语言基础、有金融数据分析学习需求的人群，也可供具备机器学习模型基础知识，但并没有系统地了解数据分析流程的读者参考。
大模型的出现让 AI 技术经历了从量变到质变的过程，而 Python 作为 AI 首选语言，一直默默推动着 AI 技术的快速发展。你是否想过，这是为什么呢？答案就藏在 CPython 中！ CPython 是用 C 语言实现的 Python 解释器，它是 Python 的官方实现，并且是使用最广泛的 Python 解释器。其实在谈论 Python 的时候，99% 的情况说的就是 CPython！本书共 16 章，从获取 CPython 源代码开始，手把手带你重新编译 CPython，我们将一起调试代码、升级组件，在这个过程中，你可以详细了解 Python 各类特性的工作原理，成长为一名更棒的Python 程序员。
《Python信号处理仿真与应用（新形态版）》介绍了Python信号处理工具箱的体系架构及其函数和实例。本书共8章，主要包括信号处理概况，Python编程基础，信号生成和预处理，测量和特征提取，变换、相关性和建模，数字和模拟滤波器，频谱分析，借助大语言模型实现信号处理等内容。为了便于读者学习使用和参考，书中提供了较完整的原理方法介绍和计算推导实例。 《Python信号处理仿真与应用（新形态版）》内容全面，实用性强，适用范围广，既可作为高等院校通信与信息系统、电子科学与技术、电子信息工程等相关专业本科生和研究生的课程教材，也可作为通信、雷达信号处理、生物医学信号处理等相关领域的工程技术人员的参考资料。
本书系统全面地讲解Streamlit的核心概念，实例项目应用和最佳实践。通过案例带你从零开始，逐步掌握Streamlit的基础知识和高级技能。你将学会如何使用Streamlit实现数据可视化、添加交互组件，构建出炫酷的Web应用。 本书分为两篇，基础篇（第1~7章）讲解Streamlitt的安装配置，以及基本的文本、数据、图表、多媒体等组件的使用和页面布局。实战篇（第8~10章）讲解开发企鹅分类项目、医疗费用预测项目、销售数据仪表板项目，帮助读者熟练掌握Streamlit的高级技能和开发流程。 本书采用理论与实践结合的方式，示例丰富。适合想快速构建机器学习和数据科学Web应用的Python使用者。配套内容有练习数据和源代码，读者可以通过阅读和编码实践快速掌握Streamlit，开发机器学习和数据科学的Web应用。
本书分为上、下两大部分，共计22章。部分（第1~11章）由浅入深地介绍Python的基础知识，包括变量、数值、条件语句、文本字符串、循环语句、元组、列表、字典、集合、函数、对象、类、模块、库，等等。掌握这些基础知识将为运用Python奠定牢固的基础。第二部分（第12~22章）介绍Python的应用，所涉及的领域包括Web应用、数据库、网络和机器学习。你将学会用Python处理时间、进行网络通信、完成数据科学任务等，还会了解并发的相关知识。
本书是一本面向初学者的Python编程实用指南。本书不仅介绍了Python语言的基础知识，而且通过案例实践教读者如何使用这些知识和技能。本书的*部分介绍了基本的Python编程概念，第二部分介绍了一些不同的任务，通过编写Python程序，可以让计算机自动完成它们。第二部分的每一章都有一些项目程序供读者学习。每章的末尾还提供了一些习题和深入的实践项目，帮助读者巩固所学的知识。附录部分提供了所有习题的解答。
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，
《Python数据科学手册》是对以数据深度需求为中心的科学、研究以及针对计算和统计方法的参考书。本书共五章，每章介绍一到两个Python数据科学中的重点工具包。首先从IPython和Jupyter开始，它们提供了数据科学家需要的计算环境；第 2章讲解能提供ndarray对象的NumPy，它可以用Python高效地存储和操作大型数组；第3章主要涉及提供DataFrame对象的Pandas，它可以用Python高效地存储和操作带标签的/列式数据；第4章的主角是Matplotlib，它为Python提供了许多数据可视化功能；第5章以Scikit-Learn为主，这个程序库为重要的机器学习算法提供了高效整洁的Python版实现。《Python数据科学手册》适合有编程背景，并打算将开源Python工具用作分析、操作、可视化以及学习数据的数据科学研究人员。
Python是一种解释型、面向对象、动态数据类型的高级程序设计语言，通过Python编程能够解决现实生活中的很多问题。本书并不介绍Python语言的基础知识，而是通过一系列有趣的项目，展示如何用Python解决各种实际问题，以及如何使用一些流行的Python库。 本书共15章，每章讲解一个有趣的Python项目，这些项目可以分成5个部分：第一部分是热身，包括科赫雪花、繁花曲线；第二部分是模拟生命，包括康威生命游戏、使用Karplus-Strong算法生成泛音、群体行为模拟；第三部分是好玩的图形，包括文本图形、照片马赛克、裸眼立体画；第四部分是走进三维，包括理解OpenGL、圆环面上的康威生命游戏、体渲染；第五部分是玩转硬件，包括在树莓派Pico上实现Karplus-Strong算法、树莓派激光音乐秀、物联网花园、树莓派音频机器学习。此外，本书还通过附录介绍如何安装Python和设置
