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。
本书介绍了如何利用Python3开发网络爬虫。本书为第2版，相比于第1版，为每个知识点的实战项目配备了针对性的练习平台，避免了案例过期的问题。另外，主要增加了异步爬虫、JavaScript逆向、App逆向、页面智能解析、深度学习识别验证码、Kubernetes运维及部署等知识点，同时也对各个爬虫知识点涉及的请求、存储、解析、测试等工具进行了丰富和更新。本书适合Python程序员阅读。
\\\"Python 的丰富模块（module）以及广泛的应用范围，使Python 成为当下重要的计算机语言之一。本书尝试将Python 常用模块与应用分门别类组织起来，相信只要读者遵循本书实例，一定可以轻松学会Python 语法与应用，逐步向Python 高手之路迈进，这也是撰写本书的目的。 为了提升阅读体验，《Python 归来: 增强版》为彩色印刷，在图书结构、案例选择以及代码样式上都进行了细心设计，力争呈现给读者一本与众不同的编程图书。本书适合所有对Python 编程感兴趣的读者阅读，同时也可以作为院校和培训机构的相关专业教材。 \\\"
本书详细地介绍了Python语言的一些 功能以及常见数据类型的 用法， 适合有一定基础的读者深入学习Python编程。本书的主要内容包括常见内置类型（数值、字符串和集合等）的 用法和潜在的陷阱，用于文本处理的格式化方法和正则表达式，用于数值计算和大规模数据处理的math包和numpy包等。此外，文件存储、随机数生成和图表绘制也是本书的重要内容。本书还开发了一个“RPN脚本解释器”项目，该项目贯穿本书的各个章节，通过对该项目的学习，你也可以开发出自己的“语言”。
本书旨在帮助读者以 快的速度，系统地从Excel VBA脚本编程转入Python脚本编程，或者从Python脚本编程转入VBA脚本编程，或者同时学会两种脚本编程方法。本书使用Excel VBA和Python双语言对照的方式，能帮助VBA用户快速掌握Python脚本编程，并使用双语实现Excel脚本编程和数据处理自动化。本书包括对象模型、界面设计、文件操作、Excel函数、Excel图形、Excel图表、Excel数据透视表、正则表达式、统计分析和混合编程等内容。关于Python方面，本书详细地介绍了xlwings包的使用方法。本书适合任何对Excel脚本开发感兴趣的读者阅读，如有编程需求的职场办公人员、数据分析人员、大学生、科研人员和程序员等。
本书主要介绍了Django编程开发与运维过程中涉及的方法、技巧和实战经验，共分5篇。“第1篇 基础”介绍用Django开发Web应用的基础知识；“第2篇 后台项目实战”通过开发一个商城系统的后台来融合前面章的知识点；“第3篇 进阶”通过Django Rest Framework框架来设计和实现RESTful风格的接口，以及分层的自动化测试和基于Redis的缓存技术；“第4篇 前台项目实战”使用前后端分离的方式开发商城系统前台，涉及Vue.js、Axios、Vue Router、Vuex、RESTful接口等技术。“第5篇 部署运维”涉及Django的传统部署，Django的Docker部署，持续集成，持续交付和持续部署，运维监控。本书通过完整的商城系统实例，融合了Django开发中涉及的知识点；通过大量实例手把手带领读者从需求、开发、集成、代码安全检测、测试、部署上线等环节践行“软件开发运维一体化”的理念。
本书主要讲述运筹优化领域常用的数学模型、 算法以及相应的代码实现。 首先简要介绍基本理论，然后用丰富的配套案例讲解多个经典的 算法框架， 后结合常用的优化求解器（CPLEX和Gurobi）说明如何用Python和Java语言实现书中提到的所有 算法。 全书共分3部分。第Ⅰ部分（ ～4章）为运筹优化常用模型及建模技巧。该部分着重介绍整数规划的建模技巧和常见的经典模型。第Ⅱ部分（第5～7章）为常用优化求解器API详解及应用案例。该部分主要介绍两款常用的商业求解器（CPLEX和Gurobi）的使用方法，包括Python和Java的API详解、简单案例以及复杂案例。 第Ⅲ部分（第8～17章）为运筹优化常用算法及实战。 该部分详细介绍几个经典的 算法的理论、相关案例、伪代码以及相应的代码实现。 本书适合作为高等院校工业工程、管理科学与工程、信息管理与信
本书基于面向 Python 的 OpenCV（OpenCV for Python），介绍了图像处理的方方面面。本书以 OpenCV 官方文档的知识脉络为主线，并对细节进行补充和说明。 书中不仅介绍了 OpenCV 函数的使用方法，还介绍了函数实现的算法原理。在介绍 OpenCV 函数的 使用方法时，提供了大量的程序示例。而且在介绍函数对图像的处理前，往往先展示函数对数值、数组 的处理，方便读者从数值的角度观察和理解函数的处理过程和结果。在介绍具体的算法原理时，本书尽 量使用通俗易懂的语言和贴近生活的示例来说明问题，避免使用过多复杂抽象的公式。
