本书是Python领域备受推崇的经典作品，致力于帮助Python开发人员挖掘这门语言及相关程序库的优秀特性，写出简洁、流畅、易读、易维护，并且地道的Python代码。本书着重讲解Python语言所独有的功能，助你成功进阶为Python高手。第2版与时俱进，教你跳出旧有经验，探索并运用地道的Python 3功能。第2版主体内容分为五部分：数据结构、函数即对象、类和协议、控制流、元编程。每一部分都精彩纷呈，通过丰富的示例和细致的讲解，教你充分利用Python特性，写出有效且现代的Python 3代码。
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。
本书由流行深度学习框架Keras之父弗朗*瓦 肖莱执笔，通过直观的解释和丰富的示例帮助你构建深度学习知识体系。作者避免使用数学符号，转而采用Python代码来解释深度学习的核心思想。全书共计14章，既涵盖了深度学习的基本原理，又体现了这一迅猛发展的领域在近几年里取得的重要进展，包括Transformer架构的原理和示例。读完本书后，你将能够使用Keras解决从计*机视觉到自然语言处理等现实世界的诸多问题，包括图像分类、图像分割、时间序列预测、文本分类、机器翻译、文本生成等。
本书介绍了如何利用 Python 3 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。
本书Python新手入门经典图书，涵盖了Python编程的方方面面。本书前半部分介绍了基础知识与概念：从安装Python、配置开发环境，到列表、元组、字符串、字典以及各种语句的基础知识，再到抽象、异常、方法、属性、迭代器等核心概念，Python与数据库、网络、C语言等工具结合使用，以及Python程序测试、打包、发布等知识。本书的后半部分，向读者详尽介绍了当下流行的多个Python项目的开发过程。 本次修订，不仅在结构与细节知识上进行了优化和完善，还增加了贴近真实商业环境的案例，并辅以课件PPT和专门针对求职应聘的习题，旨在帮助读者真正掌握Python开发的实战能力。
大数据时代已经到来，随着数据的逐步开放，交通领域的研究课题或多或少都要接触、使用时空 大数据。交通领域的从业者迫切需要强有力的工具和技术应对日益纷杂的交通数据。交通是一个交叉 学科，交通数据分析人才的知识体系需要与数据处理、网络爬虫、数据可视化、地理信息、复杂网络、 数据挖掘、机器学习等多学科知识深度融合，这也为交通领域的人才培养带来巨大挑战。 在此背景下，本书针对不同的学习阶段与业务需求设计了三篇共15章内容。基础篇（第1～5章） 梳理Python数据分析、网络爬虫、数据可视化、地理信息等基础知识；应用篇（第6～10章）介绍 出租车GPS数据、地铁IC刷卡数据、共享单车订单数据、公交GPS数据等各类时空大数据的实际案 例应用；方法篇（第11～15章）融汇数据挖掘、空间统计、复杂网络学科等交叉学科方法，与交通
《Python应用数值方法 解决工程和科学问题》是为想要学习和应用数值方法来解决工程和科学问题的学生撰写的。书中提供了足够丰富的理论知识。如果读过本书的姊妹篇《工程与科学数值方法的MATLAB实现(第4版)》，就会发现过渡到Python程序是无缝的！不需要事先具有Python编程经验。 本书以解决问题为导向，强调理论联系实际。各章均引入实际的工程和科学问题，提供从相关概念定义、理论分析到算法实现的全套解决方案。每章末尾安排有课后习题，方便读者在巩固所学知识的同时，进一步提升自己编写代码和解决问题的水平。
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。第1、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、朴素贝叶斯
全书分为 8 章， 主要内容如下：第1章介绍学术论文插图绘制的规范性和基本原则以及学术论文插图的配色基础；第2章介绍绘制学术论文插图的主要工具，并重点介绍 Matplotlib、Seaborn、ProPlot 以及 SciencePlots 工具包的语法及其重要特征；第3章介绍学术论文中常见的单变量图及其绘制方法，包括直方图、密度图、Q-Q 图等；第4章介绍学术论文中常见的双变量图及其绘制方法， 具体包括误差线、柱形图、箱线图、相关性散 点图以及矩阵热力图等；第5 章介绍学术论文中常见的多变量图及其绘制方法，包括等高线图、点图系列、 三元相图、 3D 图系列以及 RadViz 图等；第 6 章介绍学术论文中常见的空间数据型图及其绘制方法，包括分 级统计地图、连接线地图、等值线地图以及子地图等；第 7 章介绍学术论文中常见的可视化图及其绘制方法，包括配对图系列、韦恩图、泰勒
标准Python程序很容易过载，从而出现慢如龟爬的情况。asyncio库正是为了解决这些问题而构建的，它简化了任务的划分和调度。asyncio可无缝地同时处理多个操作，使应用程序疾如闪电，且具有扩展性。 《Python asyncio并发编程》在大量示例的引导下，介绍异步、并行和并发编程。将难理解的并发内容分解为简明易懂的流程图，使读者可轻松了解任务的运行方式。在本书中，读者将学习如何使用asyncio来突破Python的限制，从而加快Web服务器和微服务的运行速度。读者甚至可将asyncio与传统的多处理技术结合起来，以大幅提升性能。 主要内容 ● 通过aiohttp构建支持并发Web请求的Web API ● 同时运行海量SQL查询 ● 创建一个可并行处理数GB数据的map-reduce作业 ● 在asyncio中使用线程来混合阻塞代码和asyncio代码
Python 因其简单易学、功能强大、开发效率高、拥有强大的第三方库等优点，使其成为学习人工 智能的编程语言。《NumPy 数据处理详解 Python 机器学习和数据科学中的高性能计算方法》就 从 Python 中经常使用的 NumPy 库的基础知识入手，讲解了实用的高速数据处理方法。大数据时代， NumPy 因其包含大量的数学函数，能够处理多维数组，而且处理速度堪比 C 语言，所以 NumPy 也成 为机器学习和数据科学领域数据处理不可或缺的库。全书详细介绍了 NumPy 基础知识、NumPy 与数组 操作、NumPy 数学函数的应用和 NumPy 机器学习编程方法，特别适合机器学习工程师、数据科学家、 人工智能开发相关人员系统学习 NumPy 使用方法，或将此书作为案头手册，随时翻阅查看。
《Python金融大数据分析 第2版》分为5部分，共21章。第1部分介绍了Python在金融学中的应用，其内容涵盖了Python用于金融行业的原因、Python的基础架构和工具，以及Python在计量金融学中的一些具体入门实例；第2部分介绍了Python的基础知识以及Python中非常有名的库NumPy和pandas工具集，还介绍了面向对象编程；第3部分介绍金融数据科学的相关基本技术和方法，包括数据可视化、输入/输出操作和数学中与金融相关的知识等；第4部分介绍Python在算法交易上的应用，重点介绍常见算法，包括机器学习、深度神经网络等人工智能相关算法；第5部分讲解基于蒙特卡洛模拟开发期权及衍生品定价的应用，其内容涵盖了估值框架的介绍、金融模型的模拟、衍生品的估值、投资组合的估值等知识。 《Python金融大数据分析 第2版》本书适合对使用Python进行大数据分析、处理感兴趣的金融
《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。
本书分为上、下两大部分，共计22章。部分（第1~11章）由浅入深地介绍Python的基础知识，包括变量、数值、条件语句、文本字符串、循环语句、元组、列表、字典、集合、函数、对象、类、模块、库，等等。掌握这些基础知识将为运用Python奠定牢固的基础。第二部分（第12~22章）介绍Python的应用，所涉及的领域包括Web应用、数据库、网络和机器学习。你将学会用Python处理时间、进行网络通信、完成数据科学任务等，还会了解并发的相关知识。
《Python 网络爬虫与数据可视化应用实战》是一本介绍大数据时代用 Python 进行数据获取、数据清洗 和数据可视化分析的技术图书。全书共分两篇，其中第 1 篇主要介绍了数据获取的相关知识，具体内容包 括 HTML、JSON 与网络爬虫基础，爬取静态网页，使用 CSS 选择器爬取数据，遍历 HTML 网页并获取 数据，使用 XPath 表达式与 Ixml 包创建爬虫程序，使用 Selenium 爬取动态网页，Scrapy 爬虫框架的使用， 数据存储等 ；第 2 篇主要介绍数据分析及可视化相关知识，具体内容包括数据可视化基础知识，Pandsa 数 据处理，使用 Pandas、Matplotlib、Seaborn、Bokeh 等工具进行数据分析和可视化等。每篇均设置特别章 节进行了综合案例演练，提高综合水平。 《Python 网络爬虫与数据可视化应用实战》一书内容丰富，涵盖面广，特别适合作为大中专院校相关 专业的教材，也适合作为大数据分
本书使用NumPy、SciPy和matplotlib》全面介绍Python在数值计算和数学领域的模块、标准库以及多个开源Python库，如NumPy、SciPy、FiPy、matplotlib等。在上一版的基础上，本书做了全面修订，更新了每个包的更新细节以及Jupyter项目的变化，演示了数值计算和数学建模在大数据、云计算、金融工程、商业管理等领域的应用。 本书提供了Python在数据科学和统计分析中很多新的应用示例，对上一版中的示例进行了扩展，每个示例都充分展示了Python的简洁语法及其数据分析方法在快速开发和探索性计算方面的强大功能。 通过阅读本书，读者将熟悉很多计算技术，包括基于数组的计算和符号计算、数据可视化和数值文件读写、方程求解、优化、插值和积分以及特定领域的计算问题，如微分方程求解、数据分析、统计建模和机器学习等。
《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。
Python是一门开源的计算机编程语言，凭借其易学、灵活等特点，得到了越来越多人的认可和青睐。金融科技日新月异，金融行业的数字化、科技化和智慧化快速推进，Python在金融领域有着很好的应用现状和前景。 本书在上一版的基础上进行了内容升级，持续聚焦Python在金融分析与风险管理的应用，第2版从原先的12章扩充至15章，并依次划分为基础篇（共5章）、中阶篇（共5章）以及高阶篇（共5章），基础篇结合金融场景演示了Python语言以及NumPy、pandas、Matplotlib、SciPy以及statsmodel等金融领域常用的第三方模块的编程方法；中阶篇通过Python编程结合金融实例，依次探讨利率、汇率、债券、股票、互换合约、期货合约等产品的定价、风险测度以及风险管控等内容；高阶篇则融合Python与金融案例，探究了期权的定价、希腊字母、动态对冲、隐含波动率、交易策略及其他延
《Python办公自动化从入门到精通》讲解如何使用Python技术实现自动化办公。 《Python办公自动化从入门到精通》分为两大部分，共19章。第1部分为基础语法，即从基础入门开始介绍Python语言的基础语法知识，内容对应第1章～第6章，包括初识Python、Python语法元素、程序控制语句、组合数据类型、函数、类。第2部分为高阶办公，即使用Python语言实现办公操作，内容对应第7章～第19章，包括操作文件、库、操作文件夹、操作Excel文件、操作Word文件、操作PPT文件、操作PDF文件、操作HTML网页、网络爬虫、自动收发邮件、聊天机器人和二维码、控制鼠标和键盘、批量处理视频。除第1章外，每一章都包含项目案例，并且在项目案例中详细分析代码的设计思路和编写过程。 《Python办公自动化从入门到精通》适用人群为需要入门Python编程的学生和需要提高办公效率的工作人员、网
《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。
近年来，Python语言凭借其在数据分析领域的优势得以快速发展，众多软件厂商也相继推出了支持Python的量化交易平台。本书是介绍Python编程及其在量化交易领域的实践技巧的图书，旨在帮助读者掌握基本的Python编程技能，并顺利应用于期货量化交易实践。 本书内容分为两篇。篇是Python基础，通过13章内容介绍了Python编程的基础知识，如语法规则、数据类型、函数、类、装饰器、异常处理、进程和线程等；第二篇是期货量化交易，通过8章内容介绍了Python在期货量化交易中的应用，并基于天勤量化交易平台讲解开发实践，涉及pandas模块、TqSdk的接口、函数、量化策略的框架、图形化编程及时间序列相关的知识等。 本书适合对期货量化交易感兴趣的普通投资者和投资机构专业人员阅读，读者可以具备一定的?Python基础，也可以通过本书从头学习Python基础知识，再进一步延
本书通过 语法参考 ? 快用锦囊 ? 应用场景 3个主要版块，全面细致地讲解Python中提供的内置函数、基本语句、常用开发技能等内容。全书共16章，包括输入输出、格式化处理、基本语句、字符串操作、列表、元组、字典、集合、数学运算与数字处理、数据类型转换、迭代、序列操作、对象操作、反射操作、编译执行、装饰器等，在附录中介绍了Python中运算符的应用。全书包含245个语法参考、595个快用锦囊和57个应用场景，有很强的实用性和可操作性。为便于读者快速了解各章的内容，各章前都绘出了 快学快用 的思维导图，对每一章的知识点进行梳理。书中所有知识点的语法给出了快用锦囊、应用场景等实例，对于应用广泛的知识点，尽量对不同使用场景都给出应用实例。另外，本书还设置了 注意 说明 提示 多学两招 等贴心栏目，及时指出注意事项并给出相应的
本书前5版好评如潮，作为第6版，本书首次使用了Python语言。本书除了介绍用于统计和机器学习等领域的预测、分类、可视化、降维、推荐系统、聚类、文本挖掘、网络分析等方法之外，内容还包括： ● 新加入的合著者Peter Gedeck拥有使用Python讲解商业分析课程的丰富经验以及将机器学习应用于新药发现过程的专业技能。在本书中，他十分乐于将这些经验和技能与读者分享。 ● 讨论数据挖掘中的伦理问题。 ● 根据教师和学生的反馈意见对内容做了更新。 ● 通过多个案例展示数据挖掘技术的实际应用。 ● 每章后面的习题有助于读者评估和加深对该章内容的理解。 ● 在线支持网站提供了数据集、教学资料、习题答案、PPT教案和案例解决方案。
金融风险管理已经成为各个金融机构的职能部门。特别是随着全球金融一体化不断地深入发展，金融风险管理越发重要，也日趋复杂。金融风险管理师（FRM）就是在这个大背景下推出的认证考试，FRM现在已经是金融风险管理领域权威的国际认证考试。本丛书以FRM考试、二级考纲内容为中心，并且突出介绍实际工作所需的金融建模风险管理知识。本丛书将金融风险建模知识和Python编程有机地结合在一起，配合丰富的彩色图表，由浅入深地将各种金融概念和计算结果可视化，帮助读者理解金融风险建模核心知识，提高数学和编程水平。 本书是本系列图书的第二册，共分12章。本书的第l章讲解金融数据波动率计算，其中主要包括MA、ARCH、GARCH等模型。第2章介绍随机过程，比如马尔可夫过程、马丁格尔策略、维纳过程、伊藤引理和几何布朗运动等内容。第3章探讨蒙特卡罗
