《可视之美:数据可视化 数学艺术 学术绘图 Python创意编程》是 鸢尾花数学大系：从加减乘除到机器学习 丛书中编程板块的第二册。编程板块第一册《编程不难》着重介绍如何零基础入门Python编程，《可视之美:数据可视化 数学艺术 学术绘图 Python创意编程》则在《编程不难》基础之上深入探讨如何用Python完成数学任务及板块数据可视化。 《可视之美:数据可视化 数学艺术 学术绘图 Python创意编程》是本系列中的一本真正意义上的 图册 。内容覆盖科技制图、计算机图形学、创意编程、趣味数学实验、数学科学、机器学习等。《可视之美:数据可视化 数学艺术 学术绘图 Python创意编程》 毫无节制 地展示数学之美，而且提供特别实用且容易复制的创作思路、做图技巧、编程代码。 《可视之美:数据可视化 数学艺术 学术绘图 Python创意编程》包含8个板块共36章内容。前5个

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。第1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。第10章至第12章探讨了设计模式及其在Python中的实现。第13章和第14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。第1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。第10章至第12章探讨了设计模式及其在Python中的实现。

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

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王者归来: 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。

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****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。 《Python金融风险管理FRM(基础篇)》是本系列图书的第6本，共分12章。《Python金融风险管理FRM(基础篇)》的第1章和第2章主要介绍Python基础编程内容，比如数据类型、运算符、条件循环语句、读写操作、函数等。第3章和第4章主要介绍NumPy和Scipy等

在本书中，你会看到用来处理文本、数据类型、算法、数学计算、文件系统、网络通信、Internet、XML、Email、加密、并发性、运行时和语言服务等各个方面的实用代码和解决方案。在内容安排上，每一节都会全面介绍一个模块，并提供一些很有价值的补充资源链接，这使得本书成为一本理想的Python标准库参考手册。

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。

Python的Django框架是目前流行的一款重量级网站开发框架，具备简单易学、搭建快速、功能强大等特点。本书从简单的HTML、CSS、JavaScript开始介绍，再到Django的基础知识，融入了大量的代码案例、重点提示、图片展示，做到了手把手教授。本书基于Django 3.0.7版本、Python 3.8.5版本、Rest Framework 3.11.1版本、Vue.js 4.5.4版本、数据库MySQL 80版本进行讲解。本书还提供了一个商业级别的项目案例，采用目前主流的前后端分离开发技术，以便读者可以体验正式项目的开发过程。熟练掌握本书内容后，读者将达到中级Web项目开发工程师的技术水平。

本书提供了一种独特的方法来讲解Python编程入门，内容符合新的ACM/IEEECS和相关的计算课程倡议，以及由美国国家科学基金会赞助的数据科学本科课程。内容涵盖了新的主题和应用的覆盖面，模块化架构使教师能够方便地调整文本，适应课程需求。通过本书，你将学习： 538个案例研究，471道练习题和项目，557道自我测验题。基于IPython和Jupyter Notebook的即时反馈。问题求解、算法开发、控制语句、函数等基础知识。 列表、元组、字典、集合、Numpy数组、pandas Series和DataFrame。 2D/3D的静态、动态和交互式可视化。 字符串、文本文件、JSON序列化、CSV、异常。 过程式、函数式和面向对象的程序设计方法。 数据科学入门 ：基础统计、模拟、动画、随机变量、数据整理、回归。 隐私、安全、伦理、可重现、透明。 AI、大数据和云数据科学案例研究：NLP、Twitter数据挖掘、IBM Wa

本书详细地介绍了Python语言的一些高级功能以及常见数据类型的高级用法，非常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）的高级用法和潜在的陷阱，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 。

\\\"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。 \\\"

本书由Python pandas项目创始人Wes McKinney亲笔撰写，详细介绍利用Python进行操作、处理、清洗和规整数据等方面的具体细节和基本要点。你将在阅读过程中学习到新版本的pandas、NumPy、IPython和Jupyter。 本书由Wes McKinney创作，他是Python pandas项目的创始人。本书是对Python数据科学工具的实操化、现代化的介绍，非常适合刚学Python的数据分析师或刚学数据科学以及科学计算的Python编程者。数据文件和相关的材料可以在GitHub上找到：使用IPython shell和Jupyter notebook进行探索性计算；学习NumPy(Numerical Python)的基础和高级特性；入门pandas库中的数据分析工具；使用灵活工具对数据进行载入、清洗、变换、合并和重塑；使用matplotlib创建富含信息的可视化；将pandas的groupby功能应用于对数据集的切片、分块和汇总；分析并操作规则和不规则的时间序列数据；利用完整的、详细的示例学习如

本书作者总结多年运营公众号心得，通过与大量粉丝的实际互动，了解读者的真实需求，并针对读者在学习和工作中经常遇到的问题，总结了100 Python常用知识图解；30 Python 自动化办公实战案例；10 综合项目实战案例，案例涉及到行政、营销、法务，财务、运营、教师等职业，相信每位读者都能在本书中找到与自身需求相对应的案例。 无论你是学生，还是职场人士；无论你是零基础的编程小白，还是具有一定编程基础的程序员，都适合通过本书入门Python编程和自动化办公。

nbsp nbsp《Python机器学习一本通》结合了Python和机器学习两个热门领域，通过易于理解的知识讲解，帮助读者学习和掌握机器学习。 全书共20章，分为5篇。其中第1篇为基础入门篇，主要讲述Python机器学习入门、设置机器学习的环境、机器学习基础和统计分析数学基础等内容；第2篇为数据预处理篇，主要讲述了产生和加载数据集、数据预处理等内容；第3篇为机器学习算法篇，主要讲述了回归分析、决策树分析、支持向量机、聚类分析、集成学*、*经网络学习、卷积网络学习和模型评价等内容；第4篇为机器学习应用篇，主要讲述了图像识别、语音识别、期刊新闻分类和图形压缩4个机器学习应用；第5篇为项目实战篇，主要讲述了社交好友分析、电商点击率预估等。 《Python机器学习一本通》适用于想了解传统机器学习算法的学生和从业者，想知道如何高效实现机器学习

本书分为上、下两大部分，共计22章。第一部分（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

《Python编程从小白到大牛》包括3篇，共16章。基础篇（第1~7章）包括Python概述，数据类型和变量，流程控制，数据结构，函数，模块、包和文件，以及错误、异常和调试；进阶篇（第8~11章）包括面向对象编程，进程和线程，网络编程，以及Python数据处理和数据库编程；应用篇（第12~16章）包括Web开发应用，图形界面GUI和绘图应用，科学计算与数据分析应用，深度学习应用，以及云计算和自动化运维应用。《Python编程从小白到大牛》还包括大量实战案例，通过理论和实战结合的方式帮助读者快速学习撑握Python应用。 《Python编程从小白到大牛》可作为人工智能、机器学习、人脸识别等应用领域工程技术人员的参考手册，也可作为大中专院校人工智能、大数据科学与技术、自动化、机器人工程、智能仪器仪表、机电一体化等专业及社会培训班有关Python课程的教材。

本书以Python作为数据分析的工具，系统地介绍数据分析所需的核心知识点，为书中的数据分析任务提供分析说明、代码示例和极为详细的代码注释，对于代码中出现的重要知识点会细心地为读者标注出相关内容在书中出现的章节位置。 全书共11章，分为3篇：初识篇、基础篇和进阶篇。初识篇（第1和2章），主要介绍数据分析和Python的相关基础概念，一些数据分析的具体应用场景及Python的集成开发环境；基础篇（第3~9章），主要介绍Python的基础语法，自动化办公的基础操作，数据可视化库Matplotlib和Seaborn，数据分析的核心库Numpy和Pandas，提供了大量翔实有趣的编程和数据分析示例；进阶篇（第10和11章），主要介绍了机器学习的入门基础理论知识和代码实现，监督学习和无监督学习的各种典型算法，涉及机器学习和数据挖掘的常用库scikit-learn及神经网络框架PyTorch等的使

普林斯顿大学三位经验丰富的教师精心设计了这本跨学科、易于理解的Python语言程序设计的入门教材，强调重要的、引人入胜的应用，而不是无实用价值的问题，适用于高等院校计算机、工程及相关专业的本科生，以及从事编程工作的专业人员。

本书共四册，从零起步介绍关于Python、Java、C#、CSS这四种常用编程语言的基础知识和实践技巧。作者将以浅显易懂的方式来讲解看似复杂的概念，并通过精选项目来阐述相关问题，进而使你更加深入地理解Python、Java、C#、CSS编程的知识。本书四册全部提供项目的源代码以及附录内容，供读者下载并学习。本书适合无编程基础的读者阅读。