本书是一本黑客技术的入门实战书籍，从开始的工具选择，一直到攻击演示，由浅入深地引导读者全面系统地掌握网络安全防范技术，借助Python打造更安全的网络。本书分为11章，提供了互联网和局域网中30余种网络攻击的攻击方式和防范秘籍，利用Python工具和脚本让网络更安全。这30余种方法，包括SQL注入、内网攻击、木马潜伏、漏洞监测等，笔者按照攻击手法将其分为11类，每种手法从概念、原理、工具、防范秘籍等方向进行了阐述，是一本所有公司都该入手的网络安全防范入门书。本书内容丰富，选取了典型的示例，实用性强，适合网络入门者和对Python语言有初步了解的读者阅读。

本书以Python 3.10.7为平台，以实际应用为背景，通过概念、公式、经典应用相结合的形式，深入浅出地介绍了Python图形图像处理经典实现。全书共10章，主要包括绪论、迈进Python、Python图形用户界面、数据可视化分析、图像视觉增强分析、图像视觉复原分析、图像视觉几何变换与校正分析、图像视觉分割技术分析、图像视觉描述与特征提取分析、车牌识别分析等内容。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实现图像视觉处理应用的简捷、功能强大。 本书可作为高等学校相关专业本科生和研究生的教学用书，也可作为相关领域科研人员、学者、工程技术人员的参考用书。

本书从 Excel 处理大型数据的缺点开始讲起，逐步讲解了 Excel 和 Power BI 中的 Power Query 组件，并重点介绍了Power Query 的底层 M 语言的应用知识。本书分为 10 章，主要讲解了 Power Query 的入门知识和数据集成、Power Query 的 M 语法规则系列知识，针对 Power Query 如何实现数据清洗和重构系列知识做了详细的讲解，还重点介绍了目前 Power Query 的各类内置函数的功能， 介绍了如何利用自定义函数实现复杂的数据处理和重构过程。 本书内容通俗易懂，案例丰富，实用性强，特别适合入门级数据分析人员学习，也适合进阶阅读，相信通过阅读本书，读者对数据分析过程中的清洗和重构会有一个新的认识。

本书从 Excel 处理大型数据的缺点开始讲起，逐步讲解了 Excel 和 Power BI 中的 Power Query 组件，并重点介绍了Power Query 的底层 M 语言的应用知识。本书分为 10 章，主要讲解了 Power Query 的入门知识和数据集成、Power Query 的 M 语法规则系列知识，针对 Power Query 如何实现数据清洗和重构系列知识做了详细的讲解，还重点介绍了目前 Power Query 的各类内置函数的功能， 介绍了如何利用自定义函数实现复杂的数据处理和重构过程。 本书内容通俗易懂，案例丰富，实用性强，特别适合入门级数据分析人员学习，也适合进阶阅读，相信通过阅读本书，读者对数据分析过程中的清洗和重构会有一个新的认识。

本书主要讲解如何利用Python进行量化投资，包括对数据的获取、整理、分析挖掘、信号构建、策略构建、回测、策略分析等。本书也是利用Python进行数据分析的指南，有大量的关于数据处理分析的应用，并将重点介绍如何高效地利用Python解决投资策略问题。本书分为Python基础和量化投资两大部分：Python基础部分主要讲解Python软件的基础、各个重要模块及如何解决常见的数据分析问题；量化投资部分在Python基础部分的基础上，讲解如何使用优矿（uqer.io）回测平台实现主流策略及高级定制策略等。本书可作为专业金融从业者进行量化投资的工具书，也可作为金融领域的入门参考书。在本书中有大量的Python代码、Python量化策略的实现代码等，尤其是对于量化策略的实现代码，读者可直接自行修改并获得策略的历史回测结果，甚至可将代码直接实盘应用，进行投资。

《数据可视化原理与实战：基于Power BI》介绍 Power BI 可视化的基础知识与实践方法，分为两篇：“理论篇”介绍数据可视化基础与Power BI 可视化工具。 基础部分包括数据可视化的价值、量性数据与质性数据的区别、探索性分析与解释性分析、 商业沟通标准等；工具部分包括Power BI作为数据可视化工具的优势与局限性、Power BI的操作界面、可视化对象分类、DAX分析语言简介、Power BI Service在线应用等。“实践篇”介绍Power BI可视化实践准则（MACIE准则）与综合案例。 MACIE准则包括“意义”“准确”“清晰”“洞察”和“效率”，并围绕每个准则讲述如何用Power BI落地具体操作；案例部分依据MACIE准则对3个具体案例进行评估，并在准则的指导下对其进行综合优化。 《数据可视化原理与实战：基于Power BI》适合 Power BI 从业者、可视化分析的从业者阅读。希望读者

Python语言是一种脚本语言，应用领域非常广泛，包括数据分析、自然语言处理、机器学习、科学计算、系统构建等。 本书共有12章，围绕如何进行代码优化和加快实际应用程序的运行速度进行讲解，还介绍了如何解决CPU密集型问题、数据传输和内存密集型问题，如何通过移动数据、PyPy即时编译器和异步I/O提升性能。本书主要包括以下内容：计算机原理、列表和元组、字典和集合、迭代器、Python模块、并发性、集群计算等。，本书通过一系列真实案例展现了在应用场景中使用Python时需要注意的问题。

本书主要介绍如何使用Python 中的matplotlib、Seaborn、plotnine、Basemap 等包绘制专业图表。本书首先介绍Python 语言编程的基础知识，以及NumPy 和Pandas 的数据操作方法；再对比介绍matplotlib、Seaborn 和plotnine 的图形语法。本书系统性地介绍了使用matplotlib、Seaborn 和plotnine 绘制类别对比型、数据关系型、时间序列型、整体局部型、地理空间型等常见的二维和三维图表的方法。另外，本书也介绍了商业图表与学术图表的规范与差异，以及如何使用matplotlib 绘制HTML 交互页面动画。

本书结合具体实例由浅入深、从易到难地讲解Python财务应用的精髓。本书按知识结构分为两篇（共11章），篇为基础入门篇，讲解Python基础知识、NumPy数组、财务数据采集、财务数据处理与可视化、财务报表分析；第二篇为案例实战篇，讲解企业利润管理、企业成本管理、企业流动资产管理、企业固定资产管理、企业筹资决策分析、企业投资决策分析。 随书附赠的电子资料包括书中案例素材和源代码、所有实例操作过程以及基础知识的视频教程。 本书适合作为财务数据分析相关人员的学习参考书，也适合作为各学校和培训机构相关专业教师和学生的教学和自学辅导书。

《数据可视化原理与实战：基于Power BI》介绍 Power BI 可视化的基础知识与实践方法，分为两篇：“理论篇”介绍数据可视化基础与Power BI 可视化工具。基础部分包括数据可视化的价值、量性数据与质性数据的区别、探索性分析与解释性分析、 商业沟通标准等；工具部分包括Power BI作为数据可视化工具的优势与局限性、Power BI的操作界面、可视化对象分类、DAX分析语言简介、Power BI Service在线应用等。“实践篇”介绍Power BI可视化实践准则（MACIE准则）与综合案例。MACIE准则包括“意义”“准确”“清晰”“洞察”和“效率”，并围绕每个准则讲述如何用Power BI落地具体操作；案例部分依据MACIE准则对3个具体案例进行评估，并在准则的指导下对其进行综合优化。 《数据可视化原理与实战：基于Power BI》适合 Power BI 从业者、可视化分析的从业者阅读。希望读者通过学习本

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。

本书主要讲解如何利用Python进行量化投资，包括对数据的获取、整理、分析挖掘、信号构建、策略构建、回测、策略分析等。本书也是利用Python进行数据分析的指南，有大量的关于数据处理分析的应用，并将重点介绍如何高效地利用Python解决投资策略问题。本书分为Python基础和量化投资两大部分：Python基础部分主要讲解Python软件的基础、各个重要模块及如何解决常见的数据分析问题；量化投资部分在Python基础部分的基础上，讲解如何使用优矿（uqer.io）回测平台实现主流策略及高级定制策略等。本书可作为专业金融从业者进行量化投资的工具书，也可作为金融领域的入门参考书。在本书中有大量的Python代码、Python量化策略的实现代码等，尤其是对于量化策略的实现代码，读者可直接自行修改并获得策略的历史回测结果，甚至可将代码直接实盘应用，进行投资。

Python 是一种面向对象的解释型编程语言，是当前流行的编程语言之一。本书系统性地介绍Python 的基础知识及利用 Python 进行项目开发的实践。全书分两部分，部分介绍 Python 的基础语法、Python 自带的两个模块及其使用方法，以及 Python 的矩阵计算包 NumPy 的使用方法等，在介绍基础语法的同时强调利用 Python 进行编程时需要注意的编程规范；第二部分聚焦科学研究和工程实践中比较前沿的方向，涵盖绘图、图像处理、优化计算、游戏开发、基于 Web 的系统开发、爬虫、机器学习等方面的项目实践，侧重点是利用 Python 实现项目需求。