本书不是一本编程技术书，而是一本讲解如何利用Python实现办公自动化的案例型教程。 全书共12章，结构上可划分为3个部分。第1部分（第1章、第2章）主要讲解Python编程环境搭建、Python核心语法知识、文件系统操作、文本处理等Python高效办公的基础知识与基本技能。第2部分（第3～10章）全面讲解如何利用Python高效地完成与Word、Excel、PowerPoint等常用办公软件相关的操作。第3部分（第11章、第12章）主要讲解如何利用Python模拟鼠标和键盘操作，快速完成批量化和流程化的工作。 本书理论知识精练，案例典型实用，学习资源齐备，十分适合具备一定的办公软件操作基础又想进一步提高工作效率的办公人员阅读，对于Python编程初学者而言也是相当不错的参考资料。
Array
面向用Python进行控制系统设计的人，边学边用Python进行编程实践。重点阐述以状态空间模型为对象的现代控制系统的设计。全书分七章，包括： Pythhon环境的构建、数据和流控制、反馈控制、状态空间模型、闭环系统的控制设计、开环系统的控制设计、PID控制相位进延迟补偿，以及稳健性控制数字实现的高级控制系统设计。
内容简介这既是一本能带领读者零基础快速掌握Python数据分析方法与流程的工具书，又是一本从电商出发指导读者解决各类数据分析问题的实用指南。首先，本书以Python数据分析中使用率极高的Pandas为切入点，注重对数据分析思维和技能的培养，详细讲解了Pandas的操作以及数据分析的方法，可覆盖80%以上的数据分析应用场景，为数据分析师打下坚实基础。然后，本书以电商这个广大读者熟知且普适性极强的业务领域为依托，通过大量案例讲解了报表自动化、行业机会挖掘、用户分层、用户分群、用户偏好分析、同期群分析、指标波动归因分析、品牌分析等8大电商场景的数据分析方法，理论与案例深度融合。本书以实用为本，聚焦重点，Python数据分析常用的高频功能不到Python数据分析能力的20%，本书去繁就简，只专注于能解决大部分问题的重点模块。本书以实战制胜
全书共18章，前11章主要讲解基础知识。第1章介绍了什么是量化投资，以及为什么要用Python。第2章介绍了如何搭建基础环境，介绍了常用的一些工具。第3章讲解python的基本应用和常用的库。第4章介绍python数据分析中常用的Numpy, Scipy, Pandas。第5章介绍数据分析的基础方法。第6章介绍数据的可视化，使用matplotlib库。第7章介绍基础的金融分析方法。第8章介绍技术分析和时序序列分析，从业界和学术界两种角度来进行分析。第9章介绍了投资组合理论和由此衍生出来的多因子模型。第10章介绍了金融市场中衍生品的分析，以期货和期权为主。第11章从利率开始，介绍了债券的分析方法。 从第12章开始进入实战篇。第12章讲解中国金融市场，主要针对二级市场，并介绍了针对不同市场的基本投资策略。第13章介绍了，研究策略时，所需的数据来源，开源数据和商业数据库都有
本书是一本讲解如何使用Python来快速处理的视频的案例型图书。全书共包含12个章节的内容。第1~2章主要讲解Python编程环境的搭建、Python的基础语法知识。第3~4章主要讲解素材收集基础——爬虫技术基础和素材自动收集实战。第5章为moviepy视频剪辑基础，主要介绍moviepy工作与安装方式等。第6~11章通过大量典型案例，从视频的导入导出开始，详细讲解剪辑技巧、视频色彩调整、标题和字幕效果、音频的处理等多个方面的内容，让读者了解视频自动化处理的流程。第12章为moviepy实战应用，选用几个具有代表性的案例展示如何调用Python中的moviepy模块来快速自动处理视频的。 本书内容全面、条理清晰，讲解通俗易懂，除了必要的代码讲解，还对代码中使用到的相关函数进行了深入剖析，带领读者深入学习视频自动化剪辑的操作技巧。本书适合想要学习视频剪辑，提高视频
内容简介 这是一部讲解如何利用树莓派、OpenCV、Python等软硬件构建智能硬件并在其上实现图像分析、文字识别、人脸识别与追踪、视频监控等机器视觉功能的实用性著作。 全书一共11章： 第1~4章首先讲解了机器视觉在智能硬件领域的应用场景以及智能硬件上4种常见的机器视觉技术方案；然后讲解了树莓派和OpenCV的安装、配置以及其他准备工作；*后通过一些简单的案例和代码手把手教读者如何使用OpenCV。 第5~11章是本书的核心内容，通过几个具体的综合案例讲解了如何使用树莓派低成本玩转如下机器视觉场景：拍摄照片和视频、处理相机的原始数据、道路和商场的人流统计、道路信息的文字识别、人脸识别与追踪、中央AI视频监控等。以上案例循序渐进，环环相扣，所有代码均可在树莓派上运行，可轻松移植到任何ARM开发板上。
Array
本书作为数据挖掘入门读物，基于真实数据集进行案例实战，使用Python数据科学库，从数据预处理开始一步步介绍数据建模和数据挖掘的过程。主要介绍了数据挖掘的基础知识、基本工具和实践方法，通过循序渐进地讲解算法，带领读者轻松踏上数据挖掘之旅。本书采用理论与实践相结合的方式，呈现了如何使用逻辑回归进行环境数据检测，如何使用HMM进行中文分词，如何利用卷积神经网络识别雷达剖面图，如何使用循环神经网络构建聊天机器人，如何使用朴素贝叶斯算法进行破产预测，如何使用DCGAN网络进行人脸生成等。本书也涉及神经网络、在线学习、强化学习、深度学习、大数据处理等内容。 本书适合对传统数据挖掘和机器学习算法开发感兴趣的读者阅读，也适合需要系统掌握深度学习的开发人员阅读。
本书介绍如何利用新的程序语言进行金融建模并实现复杂的数据运算。书中讲授的程序工具与数据均可以通过公开渠道获取，通过建模与研究分析，你会对整个Python生态体系有全局性的认识。大量的实例分析也会加深你对金融风险管控的认知。
本书是一本注重讲解深度学习技术原理的书，通过示例、图示详细介绍了深度学习、AI技术中通用的技术，对相关原理进行了透彻、通俗的解释，只要读者掌握一定的编程和数学基础，都能够快速进入深度学习的世界。本书开始先对深度学习的工具和必须具备的数学知识进行了详细介绍，后面才开始深度学习的相关内容，具体包括何谓深度学习，Python概要，深度学习中的数学知识，神经网络，反向传播，深度学习的编程实现，卷积神经网络以及深度学习的相关技术等。
第1章教你使用内置的NLTK语料库和频率分布。我们还将学习什么是WordNet，并探索其特点和用法。 第2章演示如何从各种格式的数据源中提取文本。我们还将学习如何从网络源提取原始文本。*后，我们将从这些异构数据源中对原始文本进行规范并构建语料库。 第3章介绍一些关键的预处理步骤，如分词、词干提取、词形还原和编辑距离。 第4章介绍正则表达式，它是*基本、*简单、*重要和*强大的工具之一。在本章中，你将学习模式匹配的概念，它是文本分析的一种方式，基于此概念，没有比正则表达式更方便的工具了。 第5章将学习如何使用和编写自己的词性标注器和文法规则。词性标注是进一步句法分析的基础，而通过使用词性标记和组块标记可以产生或改进文法规则。 第6章帮助你了解如何使用内置分块器以及训练或编写自己的分块器，即依存句法分析器。在
《Python自动化测试入门与进阶实战》从Python自动化测试的概念开始讲解，然后逐步深入讲解自动化测试的进阶知识，*后通过两个综合项目案例，重点介绍如何使用unittest requests Selenium进行RESTful API和跨终端自动化测试，让读者能够从实践中学会项目分析，编写出高质量和高复用性的测试代码，并全面、系统、深入地掌握Selenium的相关知识。 《Python自动化测试入门与进阶实战》共10章，分为2篇。第1篇 Python自动化测试基础 ，涵盖的主要内容有自动化测试概述、Python HTTP接口编程、Selenium基础知识、Python模拟数据测试、Python爬虫测试接口、性能测试、App自动化测试及pytest单元测试；第2篇 Python自动化测试实战 ，涵盖的主要内容有基于RESTful API的自动化测试案例，以及基于Selenium的Web自动化测试案例。 《Python自动化测试入门与进阶实战》内容全面，语言通俗易懂，案例丰
本书是面向Python学习者和使用者的一本实用学习笔记，在前一版的基础之上进行了全面修订。全书共11章。第1章介绍Python的基础知识，包括Anaconda、IPython解释器、Jupyter Notebook等Python基本工具的使用；第2章介绍Python的基本用法，包括基础语法、数据类型、判断与循环、函数与模块、异常与警告、文件读写、内置函数；第3章介绍Python的进阶用法，包括函数进阶、迭代器与生成器、装饰器、上下文管理器与with语句、变量作用域；第4章介绍Python面向对象编程，包括对象的方法与属性、继承与复用；第5章介绍常见的Python标准库；第6章介绍Python科学计算基础模块NumPy，包括NumPy数组的操作、广播机制、索引和读写；第7章介绍Python数据可视化模块Matplotlib，包括基于函数和对象的可视化操作；第8章介绍Python科学计算进阶模块SciPy，包括概率、线性代数等模块；第9章介绍Python数
《跟我一起玩编程Python》是针对少儿、中小学生及零基础编程学习者研发的Python入门教程，全书分基础篇和提高篇两部分，从初学者角度出发，通过通俗易懂的语言、实用有趣的案列，详细的讲解了使用IDLE及Python框架进行程序管理的知识和技术。本书主要讲解了Python的安装、Python语言基础、语句、序列、元组、遍历、字典、循环、Python游戏编程等内容，结合实用案列具体分析讲解，并对给出的程序进行注释，全面锻炼逻辑思维能力， 提高创意思考能力，强化流程规划能力，训练脚本构思能力，培养协同合作能力，加大升学（求职）竞争能力，使读者轻松领会Python语言的精髓，领略Python的真正魅力。
使用Python编写网络爬虫程序获取互联网上的大数据是当前的热门专题。本书内容包括三部分：基础部分、进阶部分和项目实践。基础部分（第1~7章）主要介绍爬虫的三个步骤——获取网页、解析网页和存储数据，并通过诸多示例的讲解，让读者能够从基础内容开始系统性地学习爬虫技术，并在实践中提升Python爬虫水平。进阶部分（第8~13章）包括多线程的并发和并行爬虫、分布式爬虫、更换IP等，帮助读者进一步提升爬虫水平。项目实践部分（第14~17章）使用本书介绍的爬虫技术对几个真实的网站进行抓取，让读者能在读完本书后根据自己的需求写出爬虫程序。
Python趣味编程与精彩实例 共19 章，前12章主要以Python 基础知识如文件创建、输出与变量、输入与判断、运算符和循环、列表和字典、函数编程、pygame的各种知识为主，13-19章则以游戏编程的形式，由浅入深进行讲解，既让青少年学习了扎实的基础知识，又以他们*喜爱的游戏编程形式，将知识融会贯通，对学习Python 程序编写起到了较好的锻炼作用。 Python趣味编程与精彩实例 适合小学到初中阶段年龄层的学生阅读。
在 的大众媒体和图书市场上，到处充斥着关于潜能提升、心理操控、色彩星座、催眠读心等伪装成心理学的主题， 有一些伪心理学家、所谓的心理治疗师打着心理学的旗号欺世盗名，从中渔利。在浩如烟海、良莠不齐的心理学信息面前，如何拨除迷雾，去伪存真，成为一个明智的心理学信息的消费者呢？《这才是心理学》将教给你科学实用的批判性思维技能，将真正的心理学研究从伪心理学中区分出来，告诉你什么才是真正的心理学。 《这才是心理学》 版出版于1983年，30多年来一直被奉为心理学入门经典，在 大学中享有盛誉，现在呈现在读者面前的是 1版。How to ?ink Straight about Psychology 是本书的英文书名，直译为“如何清晰地思考心理学”。中译本 在 出版时，所采用的书名是《与“众”不同的心理学》。第8版中译本出版时，伪心理学在 正有愈演愈烈之势
《Python核心编程（第3版）》是经典畅销图书《Python核心编程（第二版）》的全新升级版本，总共分为3部分。第1部分为讲解了Python的一些通用应用，包括正则表达式、网络编程、Internet客户端编程、多线程编程、GUI编程、数据库编程、Microsoft Office编程、扩展Python等内容。第2部分讲解了与Web开发相关的主题，包括Web客户端和服务器、CGI和WSGI相关的Web编程、Django Web框架、云计算、高级Web服务。第3部分则为一个补充/实验章节，包括文本处理以及一些其他内容。 《Python核心编程（第3版）》适合具有一定经验的Python开发人员阅读。
本书共有7章。其中 ～6章为本书的核心内容，可分为两部分： 部分包括第1章和第2章，介绍了Python语言编程的基础知识和Abaqus中的Python脚本接口基础知识，为后面的学习奠定基础；第二部分包括第3～6章，分别介绍编写脚本快速建立有限元模型、编写脚本访问输出数据库、编写脚本进行其他后处理、案例分享及常见问题等内容。 通过大量的实例脚本和详细的注释讲解了编写、调试脚本和开发专有模块的方法，以提高Abaqus有限元分析的效率。 书中内容从实际应用出发，文字通俗易懂，深入浅出，读者不需要具备很深的编程功底，即可轻松掌握Python语言在Abaqus中的各种应用。 本书主要面向Abaqus软件的中级和 用户，对于初级用户也有一定的参考价值。
《中公版 Python高效开发指南：Python语言核心编程》共分为十五章，涵盖了Python语言核心基础知识，对重难点内容进行了针对性讲解。本书面向Python编程初学者，按照由浅入深、循序渐进的规律，从搭建Python开发环境，到讲解Python基础语法和高级语法，*后介绍Python扩展技术和游戏开发。 ●初识Python（*章） 介绍了Python简史、优势、应用领域，还介绍了Python开发环境的搭建，重点介绍了PyCharm的使用。 ●Python基础语法（第二章至第六章） 讲解了Python的基础语法、流程控制结构、列表、元组、字符串、字典和集合。 ●Python高级语法（第七章、第八章） 讲解了Python的函数，包括生成器函数、装饰器函数、闭包函数等；还讲解了Python的类，包括类的封装、继承、多态和设计模式等。 ●Python扩展技术（第九章至第十三章） 介绍了Python的异常处理，文件的读、写和追加操作，
《Python数据科学导论》通过理论与实践相结合的方式来阐述数据科学的一系列重要概念及算法，以使读者学会如何管理并利用数据。本书共有11章，第1章概要地介绍了数据科学的现状并给出了一些使用本书的建议；第2章介绍了Python语言数据科学生态系统，涉及NumPy、SciPy和Pandas等热门第三方库；第3～7章着重讲解了统计学和机器学习的知识，涉及描述统计学、统计推断、监督学习、回归分析、无监督学习等主题；第8～10章详细介绍了数据科学的一些主要应用，如网络分析、推荐系统和情感分析；第11章介绍了并行计算及性能优化方法。
