本书以轻松幽默的语言，从零开始介绍Python语言。书名来源于编程语言中最经典的Hello World程序，寓意带读者从入门到精通。 全书共14章，内容涵盖Python基础语法、数据类型和运算、流程控制语句、函数和模块、面向对象编程、异常处理、文件和网络操作，以及GUI编程、数据库编程和多线程编程。 书中每章都设有总结与扩展和同步练习，以及若干训练营，旨在通过综合案例巩固知识。本书还提供配套代码、课件、答疑服务，以及视频来辅助学习（下载方式见封底）。 书中目录采用幽默风格命名，使用漫画角色对话的形式讲解知识，以吸引读者学习兴趣。 无论您是编程新手，还是有经验的程序员，本书都将以浅显易懂的方式，带您掌握Python语言实用技能。您只要耐心学习践行，必将收获满满，现在请您开始Python编程之旅吧！

《数据可视化原理与实战：基于Power BI》介绍 Power BI 可视化的基础知识与实践方法，分为两篇：“理论篇”介绍数据可视化基础与Power BI 可视化工具。基础部分包括数据可视化的价值、量性数据与质性数据的区别、探索性分析与解释性分析、 商业沟通标准等；工具部分包括Power BI作为数据可视化工具的优势与局限性、Power BI的操作界面、可视化对象分类、DAX分析语言简介、Power BI Service在线应用等。“实践篇”介绍Power BI可视化实践准则（MACIE准则）与综合案例。MACIE准则包括“意义”“准确”“清晰”“洞察”和“效率”，并围绕每个准则讲述如何用Power BI落地具体操作；案例部分依据MACIE准则对3个具体案例进行评估，并在准则的指导下对其进行综合优化。 《数据可视化原理与实战：基于Power BI》适合 Power BI 从业者、可视化分析的从业者阅读。希望读者通过学习本

本书是Python数学分析经典书的升级版，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。

本书从自上而下的角度介绍了Unity游戏引擎的功能，并提供了具体的、面向项目的指导，说明了如何在真实的游戏场景中使用这些功能，以及如何从头开始构建让玩家爱不释手的2D和3D游戏。主要内容有：探索Unity的基础功能；构建卷轴动作游戏；创建具有炮弹射击和重生对象功能的3D空战模拟游戏；深入了解Unity的功能。

《Python 趣味案例编程》是一本以任务驱动为线索进行Python 学习的图书。它突破了常规学习方式，以结果为导向，用任务驱动方式讲解Python 常用的技能。本书分为8 个单元，65 个课题。每一课通过任务引入、案例实现、知识讲解、试一试、阅读程序写结果、完善程序、手下留神和背一背等栏目，带领学习者循序渐进地学习Python 的各项实用技能。在课程体系设计上力求有趣、新颖、多样、富有挑战性，用引导、探索的学习模式，帮助读者建立编程兴趣和成就感，让编程学习变被动学习为主动思考、主动学习。

《数据可视化原理与实战：基于Power BI》介绍 Power BI 可视化的基础知识与实践方法，分为两篇：“理论篇”介绍数据可视化基础与Power BI 可视化工具。 基础部分包括数据可视化的价值、量性数据与质性数据的区别、探索性分析与解释性分析、 商业沟通标准等；工具部分包括Power BI作为数据可视化工具的优势与局限性、Power BI的操作界面、可视化对象分类、DAX分析语言简介、Power BI Service在线应用等。“实践篇”介绍Power BI可视化实践准则（MACIE准则）与综合案例。 MACIE准则包括“意义”“准确”“清晰”“洞察”和“效率”，并围绕每个准则讲述如何用Power BI落地具体操作；案例部分依据MACIE准则对3个具体案例进行评估，并在准则的指导下对其进行综合优化。 《数据可视化原理与实战：基于Power BI》适合 Power BI 从业者、可视化分析的从业者阅读。希望读者

本书从 Excel 处理大型数据的缺点开始讲起，逐步讲解了 Excel 和 Power BI 中的 Power Query 组件，并重点介绍了Power Query 的底层 M 语言的应用知识。 本书分为 10 章，主要讲解了 Power Query 的入门知识和数据集成、Power Query 的 M 语法规则系列知识，针对 Power Query 如何实现数据清洗和重构系列知识做了详细的讲解，还重点介绍了目前 Power Query 的各类内置函数的功能， 介绍了如何利用自定义函数实现复杂的数据处理和重构过程。 本书内容通俗易懂，案例丰富，实用性强，特别适合入门级数据分析人员学习，也适合进阶阅读，相信通过阅读本书，读者对数据分析过程中的清洗和重构会有一个新的认识。

本书从 Excel 处理大型数据的缺点开始讲起，逐步讲解了 Excel 和 Power BI 中的 Power Query 组件，并重点介绍了Power Query 的底层 M 语言的应用知识。本书分为 10 章，主要讲解了 Power Query 的入门知识和数据集成、Power Query 的 M 语法规则系列知识，针对 Power Query 如何实现数据清洗和重构系列知识做了详细的讲解，还重点介绍了目前 Power Query 的各类内置函数的功能， 介绍了如何利用自定义函数实现复杂的数据处理和重构过程。 本书内容通俗易懂，案例丰富，实用性强，特别适合入门级数据分析人员学习，也适合进阶阅读，相信通过阅读本书，读者对数据分析过程中的清洗和重构会有一个新的认识。

编程是一项充满乐趣的挑战，想上手非常容易！在本书中，沃伦和卡特父子以亲切的笔调、通俗的语言，透彻、全面地介绍了计算机编程世界。他们以简单易学的Python语言为例，通过可爱的漫画、有趣的示例，生动地介绍了变量、循环、输入和输出、数据结构以及图形用户界面等基本的编程概念。与第2版不同，第3版的示例使用Python3而不是Python2，另外添加了关于网络的新内容。只要懂得计算机的基本操作，任何人都可以跟随本书，由简入难，学会编写Python程序，甚至制作游戏。

《Python从入门到精通（微课精编版）》使用通俗易懂的语言、丰富的案例，详细介绍了Python语言的编程知识和应用技巧。全书共24章，内容包括Python开发环境、变量和数据类型、表达式、程序结构、序列、字典和集合、字符串、正则表达式、函数、类、模块、异常处理和程序调试、进程和线程、文件操作、数据库操作、图形界面编程、网络编程、Web编程、网络爬虫、数据处理等，还详细介绍了多个综合实战项目。其中，第24章为扩展项目在线开发，是一章纯线上内容。全书结构完整，知识点与示例相结合，并配有案例实战，可操作性强，示例源代码大都给出详细注释，读者可轻松学习，快速上手。本书采用O2O教学模式，线下与线上协同，以纸质内容为基础，同时拓展更多超值的线上内容，读者使用手机扫一扫即可快速阅读，拓展知识，开阔视野，获取超额实战体验。

Python是一款解释型、面向对象、动态数据类型的高级程序设计语言。Python语法简捷而清晰，具有丰富和强大的类库，因而在各行各业中得到广泛的应用。对于初学者来讲，Python是一款既容易学又相当有用的编程语言，外很多大学开设了学习课程，将Python作为一门编程语言学习。 本书是一本可让读者轻松、快速掌握Python编程的入门读物。全书分为3部分，共16章。部分是章到0章，介绍Python编程基础知识，包括Python的安装和配置、变量、字符串、列表、元组和字典、条件语句、循环语句函数和模块、类、内建函数和绘图，等等。第二部分是1章和2章，介绍如何用Python开发实例游戏弹球。第三部分包括3章到6章，介绍了火柴人实例游戏的开发过程。 本书语言轻松，通俗易懂，讲解由浅入深，力求将读者阅读和学习的难度降低。任何对计算机编程有兴趣的人或者初次接触编程

本书基于Python讲解了信用风险管理和评分卡建模，用漫画的风格，从风险业务、统计分析方法、机器学习模型3个维度展开，详细讲解了信用风险量化相关的数据分析与建模手段，并提供大量的应用实例。作者在多家知名金融公司从事算法研究多年，经验丰富，本书得到了学术界和企业界多位金融风险管理专家的高度评价。 全书一共9章，首先介绍了信用风险量化的基础，然后依次讲解了信用评分模型开发过程中的数据处理、用户分群、变量处理、变量衍生、变量筛选、模型训练、拒绝推断、模型校准、决策应用、模型监控、模型重构与迭代、模型报告撰写等内容。 所有章节都由问题、算法、案例三部分组成，针对性和实战性都非常强。

《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。