全书共12章，内容包括：理解微服务、使用flask、测试驱动开发与文档化、设计Forrest、与其他服务交互、保护服务安全、使用微服务、打包Forrest、将服务Docker化、在AWS上部署、超前思维等。

Python是一种解释型、面向对象、动态数据类型的高级程序设计语言。通过Python编程，我们能够解决现实生活中的很多任务。本书通过14个有趣的项目，帮助和鼓励读者探索Python编程的世界。全书共14章，分别介绍了通过Python编程实现的一些有趣项目，包括解析iTunes播放列表、模拟人工生命、创建ASCII码艺术图、照片拼接、生成三维立体图、创建粒子模拟的烟花喷泉效果、实现立体光线投射算法，以及用Python结合Arduino和树莓派等硬件的电子项目。本书并不介绍Python语言的基础知识，而是通过一系列不简单的项目，展示如何用Python来解决各种实际问题，以及如何使用一些流行的Python库。本书适合那些想要通过Python编程来进行尝试和探索的读者，适合了解基本的Python语法和基本的编程概念的读者进一步学习，对于Python程序员有的启发和参考价值。

Python作为一种高级程序设计语言，凭借其简洁、易读及可扩展性日渐成为程序设计领域备受推崇的语言。使用Python作为GIS开发的脚本语言，将大大提升ArcGIS数据处理的效率。本书将介绍如何使用Python来创建桌面ArcGIS环境下的地理处理脚本、管理地图文档和图层、查找和修复丢失的数据链接、编辑要素类和表中的数据等，以期能够提高GIS开发人员的工作效率。本书内容结构清晰，示例完整，不仅适合从事GIS开发的专业人士，而且适合那些有兴趣接触或从事Python编程的读者。

本书的目标是介绍如何使用Python语言及其工具，解决和数据科学所关联的复杂任务。全书共6个部分，分22章，涵盖了Python数据科学基础知识，数据的采集、整理、整形、应用，数据的可视化，数据分析和处理，数据学习，以及和数据科学相关的10个话题等。本书将重点放在使用正确的工具上，教读者如何使用Anaconda、atPlotLib、NumPy、pandas、Scikit-learn等常用的工具来解决数据科学的相关问题。本书适合对数据科学的知识和应用方法感兴趣的读者阅读，特别适合有志于学习Python数据分析和处理的读者学习参考。

本书首先讲解量化交易的基础知识，即量化交易的定义、特点、作用、主要内容、历史、与传统交易的区别、注意事项、JoinQuant（聚宽）量化交易平台；然后讲解量化交易开发语言Python，即讲解Python语言的开发环境、基本语法、基本流程控制、特征数据类型、函数及应用、面向对象程序设计；接着讲解如何利用Python语言编写量化策略、Python量化策略的常用库和模块、获取数据函数、回测、因子分析；很后讲解Python量化策略的技术指标实例和Python量化交易策略实例。在讲解过程中既考虑读者的学习习惯，又通过具体实例剖析讲解量化交易过程中的热点问题、关键问题及各种难题。本书适用于各种不同的投资者，如股民、期民、中小散户、职业操盘手和专业金融评论人士，更适用于那些有志于在这个充满风险、充满寂寞的征程上默默前行的征战者和屡败屡战、愈挫愈勇

本书是较早关于Python大数据与量化交易的原创书籍，配合zwPython、zwQuant开源量化软件学习，已经是一套完整的大数据分析、量化交易学习教材，可直接用于实盘交易。本书特色：一是，以实盘个案分析为主，全程配有Python代码；第二，包含大量的图文案例和Python源码，无须编程基础，懂Excel即可开始学习；第三，配有的zwPython、zwQuant量化软件和zwDat数据包。本书内容源自笔者的原版教学课件，虽然限于篇幅和载体，省略了视频和部分环节，但核心内容都有保留，配套的近百套Python教学程序没有进行任何删减。考虑到广大入门读者的需求，笔者在各个核心函数环节增添了函数流程图。

本书是一本基于OpenCV和Python的机器学习实战手册，既详细介绍机器学习及OpenCV相关的基础知识，又通过具体实例展示如何使用OpenCV和Python实现各种机器学习算法，并提供大量示列代码，可以帮助你掌握机器学习实用技巧，解决各种不同的机器学习和图像处理问题。全书共12章，章简要介绍机器学习基础知识，并讲解如何安装OpenCV和Python工具；第2章展示经典的机器学习处理流程及OpenCV和Python工具的使用；第3章讨论监督学习算法，以及如何使用OpenCV实现这些算法；第4章讨论数据表示和特征工程，并介绍OpenCV中提供的用于处理图像数据的常见特征提取技术；第5章展示如何使用OpenCV构建决策树进行医疗诊断；第6章讨论如何使用OpenCV构建支持向量机检测行人；第7章介绍概率论，并展示如何使用贝叶斯学习实现垃圾邮件过滤；第8章讨论一些非监督学习算法；第9章详细讲解如

《Python贝叶斯分析》从务实和编程的角度讲解了贝叶斯统计中的主要概念，并介绍了如何使用流行的PyMC3来构建概率模型。阅读本书，读者将掌握实现、检查和扩展贝叶斯统计模型，从而提升解决一系列数据分析问题的能力。本书不要求读者有任何统计学方面的基础，但需要读者有使用Pytho编程方面的经验。

全书共13章，面向Python3.5.x、Python3.6.x和Python3.7.x，重点关注Python内置对象和标准库对象的应用以及比较前沿的一些新技术，偶尔涉及一点扩展库用法。章介绍Python语言编程规范与代码优化建议、开发环境配置、程序伪编译与打包。第2章详解运算符与内置函数的用法。第3章详解各种序列对象、推导式、切片和序列解包。第4章详解选择结构和循环结构，关键字else、break与continue。第5章详解函数的基本用法，可调用对象与修饰器、函数参数、变量的作用域、生成器函数、lambda表达式、函数柯里化、泛型函数、协程函数和回调函数。第6章详解类的定义、不同类型的成员、依赖注入技术和运算符重载。第7章详解字符串编码与格式化方法、字符串对象方法、文本排版与压缩、汉字拼音有关的技术。第8章详解正则表达式语法、re模块、正则表达式对象与match对象。第9章详解文件

本书介绍了如何利用Python3开发网络爬虫，书中首先介绍了环境配置和基础知识，然后讨论了urllib、requests、正则表达式、BeautifulSoup、XPath、pyquery、数据存储、Ajax数据爬取等内容，接着通过多个案例介绍了不同场景下如何实现数据爬取，很后介绍了pyspider框架、Scrapy框架和分布式爬虫。本书适合Python程序员阅读。