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。

这是一本讲解如何使用Python 进行系统化图形引擎开发的图书。本书基于作者长期从事图形引擎开发工作的经验，结合简单易懂的Python 语言和PyOpenGL 模块，通过对引擎开发知识由浅入深的编排和讲解，让广大对图形学感兴趣的"小白”开发者一步步掌握图形引擎的开发流程和实现原理，并在这个过程中熟练掌握OpenGL，进而有能力基于各种开发语言进行图形引擎的开发工作。 本书结构紧凑、内容翔实、由浅入深，是学习、掌握图形引擎开发入门知识的重要参考书。

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

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。部分介绍基于项的控件、基于模型/视图的控件（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（2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价值，并可

Go是一种简洁高效的编程语言，由Google设计，它将强大的静态类型与简单的语法和全面的标准库结合在一起，支持并发/并行编程等特性，能让程序员提高效率。本书主要面向希望使用Go创建应用程序的开发人员，作者讲解了如何充分利用Go语言实现高效程序，从基础知识开始介绍，逐步过渡到先进且复杂的特性。你将了解Go语言是如何构建在一个简单而一致的类型系统上，进而让你有全面而富有成效的开发体验，从而构建快速而健壮的跨平台运行的应用程序的。

Go语言结合了底层系统语言的能力以及现代语言的高 级特性，旨在降低构建简单、可靠、高效软件的门槛。本书向读者提供一个专注、全面且符合语言习惯的视角。Go语言实战同时关注语言的规范和实现，涉及的内容包括语法、类型系统、并发、管道、测试，以及其他一些主题。 主要介绍了GIN框架。 Gin是一个用Go语言编写的web框架。它是一个类似于martini但拥有更好性能的API框架, 由于使用了ttprouter，速度提高了近40倍Go世界里的Web框架，Github上有32K star。 基于router开发的Web框架。 中文文档齐全，简单易用的轻量级框架。

本书系统地介绍了数据可视化技术及其在诸多领域的实际应用。首先，阐述了大数据可视化技术的基本概念以及相关的基础知识。然后，采用理论与实践相结合的方式，针对实际应用中的各种不同类型的数据，通过各种图表及实例代码展示了这些数据的可视化方法。，介绍了数据可视化技术在不同领域中的基本应用。 本书可以作为高等院校计算机、数据科学与大数据技术等相关专业的数据可视化教材，也可以供从事数据可视化、数据分析的相关技术人员参考使用。

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