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，

《利用Python调试机器学习模型》详细阐述了利用Python调试机器学习模型的基本解决方案，主要包括代码调试、机器学习生命周期、为实现负责任的人工智能而进行调试、检测机器学习模型中的性能和效率问题、提高机器学习模型的性能、机器学习建模中的可解释性和可理解性、减少偏差并实现公平性、使用测试驱动开发以控制风险、生产测试和调试、版本控制和可再现的机器学习建模、避免数据漂移和概念漂移、通过深度学习机器学习调试、高级深度学习技术、机器学习进展简介、相关性与因果关系、机器学习中的安全性和隐私、人机回圈机器学习等内容。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。 本书可作为高等院校计算机及相关专业的教材和教学参考用书，也可作为相关开发人员的自学用书和参考手册。

《计算机程序设计艺术》系列被公认为计算机科学领域的杰出之作，深入阐述了程序设计理论，对计算机领域的发展有着极为深远的影响。本卷为系列的第2卷，全面讲解了半数值算法，分“数”和“算术”两章。书中总结了主要算法范例及这些算法的基本理论，广泛剖析了计算机程序设计与数值分析间的相互联系。

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。

本书是一本真正地从零开始讲解Python编程的图书，它旨在让零基础读者较快地掌握编程知识，并能使用程序来满足自己的需要。 本书共有9个部分，除部分外，其余部分都以一个阶段性项目结尾。部分（~2章）介绍了学习编程的意义；第2部分（第3~6章）介绍编程的基本知识；第3部分（第7~12章）讲解了字符串、元组以及与用户交互的代码；第4部分（3~15章）介绍如何编写程序来进行选择；第5部分（6~19章）主要涉及循环的相关知识；第6部分（第20~23章）引入了函数和模块化的相关概念；第7部分（第24~29章）介绍了一些高级对象类型，如可变对象、列表、字典等；第8部分（第30~34章）为面向对象编程的相关知识；第9部分（第35~38章）介绍了一些可供读者使用的现成代表库。

《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。

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

《Python语言科研绘图与学术图表绘制从入门到精通》系统介绍了使用Python语言进行数据处理、分析和科研绘图的相关知识和技能。 全书共11章，章讲解Python基础，第2章讲解数据处理与分析，第3章讲解科研绘图与学术图表绘制库，第4章讲解绘制单变量图形，第5章讲解绘制双变量图形，第6章讲解绘制多变量图形，第7章讲解绘制其他2D图形，第8章讲解绘制3D图形，第9章讲解地理信息可视化，0章讲解数据学术报告、论文和出版，1章讲解实战训练营。 《Python语言科研绘图与学术图表绘制从入门到精通》包含大量实例，内容由浅入深，循序渐进，既可作为Python与数据科学相关技能的教材，也可作为研究人员的实用手册，尤其适合需要绘制高质量科研图表的研究人员和在读研究生。

数字化转型背景下，Python作为一门简单、易学、速度快、免费、开源的主流编程语言，广泛应用于大数据处理、人工智能、云计算等各个领域，是众多高等院校学生的必修基础课程，也是堪与Office办公软件应用比肩的职场人士的技能。同时随着数据存储、数据处理等大数据技术的快速进步，机器学习的各种算法在各行各业得以广泛应用，同样成为高校师生、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“机器学习课程学习”有机结合，推动数字化人才的培养，提升人才的实践应用能力。 全书内容共17章。、2章介绍Python的入门知识和进阶知识；第3章介绍机器学习的概念及各种术语及评价标准；第4~10章介绍相对简单的监督式学习方法，包括线性回归算法、二元Logistic回归算法、多元Logistic回归算法、判别分析算法、朴素贝叶

《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。

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。

《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。