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。

本书自第1版出版以来，备受广大读者欢迎。与同类书相比，本书除了介绍如何用Python和基于Python的机器学习软件库进行实践外，还对机器学习概念的必要细节进行讨论，同时对机器学习算法的工作原理、使用方法以及如何避免掉入常见的陷阱提供直观且翔实的解释，是Python机器学习入门之作。它的内容涵盖了众多高效Python库，包括scikit-learn、Keras和TensorFlow等，系统性地梳理和分析了各种经典算法，并通过Python语言以具体代码示例的方式深入浅出地介绍了各种算法的应用，还给出了从情感分析到神经网络的一些实践技巧，这些内容能使你快速解决你和你的团队面临的一些重要问题。

本书是一本在PyTorch环境下学习机器学习和深度学习的综合指南，可以作为初学者的入门教程，也可以作为读者开发机器学习项目时的参考书。 本书讲解清晰、示例生动，深入介绍了机器学习方法的基础知识，不仅提供了构建机器学习模型的说明，而且提供了构建机器学习模型和解决实际问题的基本准则。 本书添加了基于PyTorch的深度学习内容，介绍了新版Scikit-Learn。本书涵盖了多种用于文本和图像分类的机器学习与深度学习方法，介绍了用于生成新数据的生成对抗网络（GAN）和用于训练智能体的强化学习。后，本书还介绍了深度学习的新动态，包括图神经网络和用于自然语言处理（NLP）的大型transformer。 无论是机器学习入门新手，还是计划跟踪机器学习进展的研发人员，都可以将本书作为使用Python进行机器学习的不二之选。 学完本书，你将能够： 探索机器从数

如果你想充分发挥Python的强大作用，如果你想成为一名好的Python工程师，你应该先学好Pandas。 这是一本全面覆盖了Pandas使用者的普遍需求和痛点的著作，基于实用、易学的原则，从功能、使用、原理等多个维度对Pandas做了全方位的详细讲解，既是初学者系统学习Pandas难得的入门书，又是有经验的Python工程师案头必不可少的查询手册。 本书共17章，分为七部分。 部分（第1～2章） Pandas入门 首先介绍了Pandas的功能、使用场景和学习方法，然后详细讲解了Python开发环境的搭建，Z后介绍了Pandas的大量基础功能，旨在引领读者快速入门。 第二部分（第3～5章） Pandas数据分析基础 详细讲解了Pandas读取与输出数据、索引操作、数据类型转换、查询筛选、统计计算、排序、位移、数据修改、数据迭代、函数应用等内容。 第三部分（第6～9章） 数据形式变化 讲解了Pandas的分

本书在不涉及大量数学模型与复杂编程知识的前提下，从零开始逐步带领读者熟悉并掌握当下流行的基于Python 3的数据分析，以及支持单机、深度和分布式机器学习的开源程序库，如pandas、Scikit learn、PyTorch、TensorFlow、PaddlePaddle、PySpark ML等。全书分4部分。入门篇包括对全书核心概念的指南性介绍，以及在多种主流操作系统（Windows、macOS、Ubuntu）上配置基本编程环境的详细说明。基础篇涵盖Python 3的编程基础、基于pandas的数据分析，以及使用Scikit learn解决大量经典的单机（单核/多核）机器学习问题。进阶篇介绍如何使用PyTorch、TensorFlow、PaddlePaddle搭建多种深度学习网络框架，以及如何基于PySpark的ML编程库完成一些常见的分布式机器学习任务。实践篇利用全书所讲授的Python编程、数据分析、机器学习知识，帮助读者挑战和参与Kaggle多种类型的竞赛实战，同时介绍如

本书深入讲解Python OpenCV的核心技术,并通过大量的代码和项目实战,充分展示了如何将这些技术在不同领域中实现。本书的主要内容如下: 第1章介绍Python和OpenCV的基础知识,包括Python和OpenCV的起源、优势、版本、安装及应用场景等; 第2章介绍图像基础知识,包括图像的读取、显示、保存以及像素处理等; 第3~9章介绍图像处理的高级技术,包括使用NumPy进行图像操作、绘制图形的方法、直方图的应用、图像滤波技术、图像形态学操作,以及使用OpenCV进行图形检测和模板匹配; 第10章介绍图像分析与修复,包括使用OpenCV进行图像分析及图像修复技术; 第11~13章介绍特征检测、视频处理和人脸识别,包括使用OpenCV检测和匹配图像中的特征点、使用OpenCV 进行视频处理,以及人脸识别技术; 第14章介绍ChatGPT 和OpenAI API,包括使用ChatGPT 辅助编写代码,以及利用OpenAI API将ChatGPT 的功能嵌入自己的应

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。

iWork是由苹果公司开发的专业办公软件套装，它适用于使用Mac OS X操作系统和iOS操作系统的电子设备。iWork包括3款软件，即用于处理文字和排版布局的Pages文稿软件、创建各式电子表格的Numbers表格软件和制作演示文稿的Keynote讲演软件。Pages文稿拥有先进的书写工具和方便的页面排版功能，使用它能够创建出色的文稿。Numbers表格拥有易用的公式、一键式图表及多种表格样式，使用它可将大量数据制作为电子表格。Keynote讲演拥有全新的影院效果动画及多种过渡特效，使用它可以设计并制作出目眩神驰的演示文稿。 全书分为3部分，共19章。部分主要讲解Pages文稿的操作方法和使用技巧，包括了解Pages文稿、Pages文稿的基本操作、Pages文稿文本的编辑、使用插入对象、对象的基本操作和在iOS中使用Pages文稿等内容。第二部分主要讲解Numbers表格的操作方法和使用技巧，包括了解

本书内容分为三个部分：第一部分详细介绍Python的语法；第二部分详细介绍Python数据处理和数据分析方面的内容，包括NumPy数组处理、Matplotlib数据可视化、Pandas数据处理、SciPy高级数据处理（如傅里叶变换、聚类算法、插值计算、数字信号处理、多项式和曲线拟合等）；第三部分介绍办公自动化方面的内容，涉及Excel文档的读写、Word文档的读写、PowerPoint文档的读写和PDF文档的读写。本书内容讲解详细，给出了每个命令的语法格式，对语法中的参数进行了详细解释，在每个知识点中配以实例程序供读者参考。本书适合所有喜欢用Python编程的人员、数据处理人员、办公室工作人员和各类科技工作者等。

《用 Python编程和实践！算法入门》是一本用 Python学习算法基础和思考方法的入门 书，用浅显易懂的语言对算法的基本原理及算法复杂度和计算量进行了详细讲解。针对新接触 Python的读者，先介绍了 Python编程的基础知识和数据结构，然后通过大量示例代码和流程图 对算法相关的知识进行了详细解释，如算法复杂度、各种查找算法、不同数据排序的方法，以 及短路径问题、贝尔曼 -福特算法、戴克斯特拉算法、A*算法、暴力搜索法、Boyer-Moore算 法等。特别适合编程零基础读者、计算机相关专业学生、算法基础薄弱的程序员一边写代码， 一边学习算法基础知识，并从不变的算法中学习思考方法。

Python是一种简单、易学、功能强大的编程语言，广泛应用于Web和Internet开发、 人工智能开发、科学计算、软件开发、数据处理与分析、桌面开发、后端开发等。 《Python科学计算入门》就针对编程零基础读者，详细介绍了Python编程基础知识及 Python在科学计算中的应用方法。全书共9章，结合NumPy、SciPy、SymPy、pandas、 Matplotlib等软件库，通过大量示例对科学计算中的数组运算、代数计算、数值计算、 数据可视化等内容进行了详细说明，特别适合想使用计算机解决数学问题的学生、程 序员、IT工程师和科研人员学习。

当前，数据驱动的理念已渗透到各个领域，数据科学和人工智能技术在制造业、金融、教育等多个行业中得到了广泛应用。Python作为一种编程语言，已成为数据科学和人工智能领域的事实标准，它丰富的生态系统进一步增强了它在这些领域中的重要性。然而，随着数据量的不断增长，如何利用Python加速数据科学处理，并将它扩展到集群上的并行计算，已成为数据科学家面临的重要挑战。《Python数据科学加速:Dask、Ray、Xorbits、mpi4py》详细介绍了4种数据科学工具：Dask、Ray、Xorbits和mpi4py，这些工具可以帮助数据工程师和科学家处理更大规模的数据集、训练更复杂的模型，并更高效地进行机器学习模型的迭代和部署。 《Python数据科学加速:Dask、Ray、Xorbits、mpi4py》面向具备一定数据科学基础的数据工程师、数据科学家或领域专家，同时也适合大学生和研究生作为进入高性

本书以Python 3.10.7为平台，以实际应用为背景，通过 概述 经典应用 的形式，深入浅出地介绍Python机器学习算法及应用的相关知识。全书共12章，主要内容包括在数据上的计算机学习能力、简单的机器学习分类算法、sklearn机器学习分类器、数据预处理、降维实现数据压缩、不同模型的集成学习、连续变量的回归分析、数据的聚类分析、从单层到多层的人工神经网络、使用深度卷积神经网络实现图像分类、使用循环神经网络实现序列建模、使用生成对抗网络合成新数据等。通过本书的学习，读者可领略到Python的简单、易学、易读、易维护等特点，同时感受到利用Python实现机器学习的普遍性与专业性。 本书可作为高等学校相关专业本科生和研究生的学习用书，也可作为相关专业科研人员、学者、工程技术人员的参考用书。

本书是一部系统论述Python 编程语言、OOP 编程思想以及函数式编程思想的立体化教程（含图书、教学课件、源代码与视频教程）。全书共分为四篇：篇Python 语言基础（ ~ 8 章），第二篇Python 编程进阶（第9 ~17 章），第三篇Python 常用库与框架（8 ~ 22 章），第四篇Python 项目实战（第23 ~ 28 章）。主要内容包括：开篇综述、开发环境搭建、个Python 程序、Python 语法基础、Python 编码规范、数据类型、运算符、控制语句、数据结构（序列、集合和字典）、函数与函数式编程、面向对象编程、异常处理、常用模块、正则表达式、文件操作与管理、数据交换格式、数据库编程、网络编程、wxPython 图形用户界面编程、Python 多线程编程、项目实战1 ：网络爬虫技术 爬取搜狐证券股票数据、项目实战2 ：数据分析技术 贵州茅台股票数据分析、项目实战3 ：数据可视化技术 贵州茅台股

《Python数据可视化快速入门到精通》是一本侧重介绍各种数据可视化工具 案例的Python数据可视化图书，为了保证读者可以学以致用，在实践方面循序渐进地进行3个层次的实践：基础知识实践、进阶知识实践和综合应用实践。本书全面介绍了数据可视化知识，从学习到实践的角度出发，以帮助读者快速掌握Python各种数据可视化工具，既可以学习，又可以作为查询工具。本书通过各种实例、案例，将每一款数据可视化工具的使用与实际应用相结合，力求使读者短时间内掌握多款数据可视化工具，畅游职场。全书共分15章，主要分为3个篇章，即基础篇、提高篇和案例篇。基础篇：包括认识数据可视化、搭建Python数据可视化环境以及Python基础绘图工具。提高篇：是基础篇的提升，包括Python各种数据可视化工具的介绍与使用，如Matplotlib的进阶应用、Pandas内置绘图大全、Seabor

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。

本书以人工智能发展为时代背景，通过实际案例应用描述算法，为Python程序员提供较为详细的实战方案，以便深度学习。主要从算法上分为数学、搜索、回溯、递归、排序、迭代、贪心、分治和动态规划等；从数据结构上分为字符串、数组、指针、区间、队列、矩阵、堆栈、链表、哈希表、线段树、二叉树、二叉搜索树和图结构等。针对经典算法，结合相关的数据结构，从描述问题、问题示例、代码实现以及运行结果相结合，语言简洁，深入浅出，通俗易懂，不仅适合对Python编程有兴趣的科研人员，也适合高等院校作为参考教材。

《Python数据分析项目全程实录》精选不同行业、不同分析方法以及机器学习等方向的12个热门Python数据分析项目。这些项目既可以作为练手项目，也可以应用于实际数据分析工作中，其中的机器学习还可作为参赛项目的参考。总体来说，这些项目的实用性都非常强。具体项目包含：热销产品销售数据统计分析、篮坛薪酬揭秘：球员位置与薪资数据的深度分析、股海秘籍：股票行情数据分析之旅、京东某商家的销售评价数据分析、商城注册用户数据探索分析、自媒体账号内容数据分析、汽车数据可视化与相关性分析、抖音电商数据分析系统、会员数据化运营RFM分析实战、商超购物Apriori关联分析、基于K-Means算法实现鸢尾花聚类分析、电视节目数据分析系统。本书从数据分析、机器学习的角度出发，按照项目开发的顺序，系统、全面地讲解每一个项目的开发实现过程。

本书以 问题描述 解决方案 的模式，通过300余个案例分别介绍使用Python代码批量处理Excel和Word的技术亮点。全书内容分为两部分： 在部分的Python实战Excel案例中，主要介绍使用Python代码将多个工作表拼接成一个工作表； 使用列表推导式累加多个工作表； 使用对称差集方法筛选工作表； 将一维工作表转换为二维工作表； 使用插入行方法制作工资条； 根据指定字符将单列拆分为多列； 使用字典对工作表的数据分类求和； 根据工作表的数据创建3D饼图、3D条形图、3D面积图、圆环图、柱形图、雷达图、气泡图、折线图、股票图等。在第二部分的Python实战Word案例中，主要介绍使用Python代码自定义Word文件的段落、块、节、样式、表格、图像等。通过本书案例的学习，读者不仅可以体验Python语言的精妙之处，还能对采用Python代码批量处理Excel文件和Word文件产生全新的认知。

在大数据时代和人工智能时代，Python因其简单易学、功能强大等优点，广泛应用于机器学习、数据分析、科学计算、网络爬虫、软件开发等。《Python趣味编程（双色版）》就以初学者为对象，对Python编程的相关知识进行了详细解说。全书共7章，内容涵盖Python的特征、执行环境、命令的执行方式，条件语句和循环语句的应用，函数的应用，字符串、列表、元组和字典的应用，数据的操作方法等，后一章利用Turtle图形模块制作了一个完整的游戏程序，可以让读者实际感 受编程的乐趣。 《Python趣味编程（双色版）》的一大特色是对学习的重点和难点部分，以学生提问、老师回答的对话形式进行解说，可以有效拉近读者和书本的距离。 《Python趣味编程（双色版）》内容丰富，语言通俗易懂，示例众多，适合所有喜欢Python的零基础读者参考学习。

本书是一本关于Python数据整理和数据质量的实用指南，主要介绍了如何使用Python进行数据清洗、转换和整合，以及如何确保数据的准确性和一致性。本书涵盖了数据整理基础、数据清洗、数据转换、数据整合、数据质量检查和数据可视化等内容。通过丰富的实例和代码示例，读者可以掌握Python数据整理和数据分析的相关技能。无论你是数据分析师、数据科学家还是其他领域的数据从业者，本书都不仅能够帮助你提高工作效率，还能够让你更好地理解和应用数据科学相关的知识和技能。

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，他在第一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

本书以Python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Python的编程基础和实际应用。 本书共17章，可分为4部分。第一部分Python编程环境搭建和Python的基础知识（第1~6章）、第二部分数学运算（第7~9章）、第三部分绘制图像（第10~12章）、第四部分办公自动化（第13~17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。本书既适合初学者入门，精心设计的案例对于工作多年的开发者也有参考价值，并可作为高等院校和培训机构相关专业的教学参考书。