Spark数据处理引擎是一个惊人的分析工厂：输入原始数据，输出洞察。PySpark用基于Python的API封装了Spark的核心引擎。它有助于简化Spark陡峭的学习曲线，并使这个强大的工具可供任何在Python数据生态系统中工作的人使用。 《Python和PySpark数据分析》帮助你使用PySpark解决数据科学的日常挑战。你将学习如何跨多台机器扩展处理能力，同时从任何来源(无论是Hadoop集群、云数据存储还是本地数据文件)获取数据。一旦掌握了基础知识，就可以通过构建机器学习管道，并配合Python、pandas和PySpark代码，探索PySpark的全面多功能特性。 主要内容 组织PySpark代码 管理任何规模的数据 充满信心地扩展你的数据项目 解决常见的数据管道问题 创建可靠的长时间运行的任务

本书从实战角度系统论述了Python 爬虫技术的核心知识，并通过大量的真实项目帮助读者深入掌握Python 爬虫技术及其实现。本书提供了大量实战案例，演绎采用各种技术编写Python 爬虫的方式。读者可以任意组合使用这些技术，完成非常复杂的爬虫应用。本书共20 章，分为五篇。篇：基础知识（～2 章），主要包括Python 编程环境的搭建、IDE 的安装和使用、 的基础知识、网页基础（HTML、CSS、JavaScript）、爬虫的基本原理、Session、Cookie。第二篇：网络库（第3～5 章），主要包括网络库urllib、urllib3 和requests 的核心使用方法，例如，发送 请求、处理超时、设置 请求头、处理中文字符、搭建和使用代理、解析链接、Robots 协议等。第三篇：解析库（第6～9 章），主要包括3 个常用解析库（lxml、Beautiful Soup 和pyquery）的使用方法，同时介绍了多种用于分析HTML 代码的技术，例如，

本书提供了23种经过验证的的、可视化、示例驱动的模式，涉及抽象类、多重继承、GUI编程和小部件、图形类、绘图和绘图、数学、数据库、Python装饰器、图像、线程、迭代器、创建可执行代码等，从而编写更加健壮、高效、可维护和优雅的Python代码，生成功能强大、灵活的程序。

Go语言"入门易，精通难”。想要用Go语言写出优质的软件，不仅要了解Go语言的语法，还需要对Go语言的特性、软件的通用编写方法、软件项目的组织方法、并发程序设计、软件测试、软件性能优化等方面都有的了解。 本书既聚焦于Go语言，又不限于Go语言，介绍了开发者在使用Go语言时经常犯的100个经典错误，内容侧重于语言核心和标准库。对大多数错误的讨论都提供了具体的示例，以说明在什么时候容易犯这样的错误。这不是一本教条主义的图书，每个解决方案都详细传达了它应该适用的上下文。

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：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、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，也

《Python数据预处理》详细阐述了与Python数据预处理相关的基本解决方案，主要包括NumPy和Pandas简介、Matplotlib简介、数据、数据库、数据可视化、预测、分类、聚类分析、数据清洗、数据融合与数据集成、数据归约、数据转换等内容。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。 本书适合作为高等院校计算机及相关专业的教材和教学参考书，也可作为相关开发人员的自学用书和参考手册。

《Python青少年趣味编程108例（全视频微课版）》以Python 3.10版本为基础，通过108个案例，详细、全面地介绍Python的基础知识和使用方法，通过制作多种有趣味的编程作品，让读者在思考中充分发挥想象力和创造力。本书共分为9章，章概述Python下载、安装的方法和编程环境的应用；第2章介绍Python的基础知识；第3章讲解以条件进行判断的选择结构；第4章探究重复执行的循环结构；第5章讲述字符串的应用方法；第6章介绍列表、元组与字典的作用与方法；第7章分析函数进阶应用的方法；第8章阐述turtle画图应用模块的相关知识；第9章探究运用Python编程语言综合解决实际问题的方法。 《Python青少年趣味编程108例（全视频微课版）》可作为中小学生的编程启蒙读物，也可供对Python编程感兴趣的读者学习参考，还可作为学校编程兴趣班及相关培训机构的教材。

《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。

《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。

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。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。0章至2章探讨了设计模式及其在Python中的实现。3章和4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。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。0章至2章探讨了设计模式及其在Python中的实现。3章和4章涵盖了测试和并

本书讲解软件架构系统各方面的内容，从顶层设计到用于支持高层功能的低层细节。本书首先介绍软件架构的含义并给出简单的设计示例，之后分为四个部分涵盖软件开发生命周期中的各个阶段：讨论构成系统的每个组成单元的一般性原则及其核心内容；重点介绍一些成功的架构模式，包括它们的优势和局限性；阐述如何进行软件测试以及如何构建和共享代码；讲解持续运维，涵盖日志、系统度量、性能分析、代码调试和架构调整等内容。本书将帮你形成架构思维，了解软件开发的思路和项目中要考虑的重点问题。

当数据科学家使用Python处理数据，并希望创建展示ML模型的数据应用程序，以及进行易于创建的交互式可视化时，那么Streamlit将是最理想的选择。Streamlit for Data Science(第2版)向数据科学家展示了如何在Python内快速创建和部署小部件和仪表板。这可以帮助他们在几小时内而不是几天内创建原型。 为了掌握Streamlit这项技术，需要通过大量的实际案例来学习。本书由一个富有创造力的Streamlit用户编写，他在版发布后就一直使用该技术，本选题建立在前一版的实用性基础上，带来大量的更新，包括将Streamlit连接到Snowflake数据仓库，部署在Hugging Face上，以及在GitHub上提供完全更新的代码库，通过这些内容可以帮助读者练习新发布的技能。 读者将从Streamlit的基础知识开始Streamlit的学习，并通过使用机器学习模型和制作高质量的交互式应用程序逐渐熟悉Streamlit的使用技巧。本书通

《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

《Python数据预处理》详细阐述了与Python数据预处理相关的基本解决方案，主要包括NumPy和Pandas简介、Matplotlib简介、数据、数据库、数据可视化、预测、分类、聚类分析、数据清洗、数据融合与数据集成、数据归约、数据转换等内容。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。 本书适合作为高等院校计算机及相关专业的教材和教学参考书，也可作为相关开发人员的自学用书和参考手册。

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。

全书分为3篇。篇存储基本原理和分布式基本原理。特别针对 Linux OS 的 IO 知识进行讲解，并且还会结合 Go 的存储编程实现。第二篇剖析现有的存储系统实现，对它们使用的设计，概念，实现进行深入的剖析。以此来借鉴。第三篇进行编程实战，将编写数个极具实践价值的应用程序，并且形成一个完备的分布式存储系统。