《数据有道 : 数据分析 图论与网络 微课 Python编程》是 鸢尾花数学大系 从加减乘除到机器学习 丛书的第三板块 ( 实践板块 ) 中的一本关于数据 科学的分册。 实践 这个板块，我们将会把学到的编程、可视化， 特别是数学工具应用到具体的数据科学、 机器学习算法中，并在实践中加深对这些工具的理解。 《数据有道 : 数据分析 图论与网络 微课 Python编程》可以归纳为 7 大板块 数据说、数据处理、时间数据、图论基础、图的分析、图与矩阵、图论实践。 这 7 个板块 ( 共 25 章内容 ) 都紧紧围绕一个主题 数据！ 《数据有道 : 数据分析 图论与网络 微课 Python编程》以数据为名，以好奇心和疑问为驱动，主动使用 编程 可视化 数学 工具进行探索。《数据有道 : 数据分析 图论与网络 微课 Python编程》将 会回顾鸢尾花书前五本主要的工具，让大家对很多概念从似懂非懂变

本书通过500个实例，为读者提供较为详细的练习题目，以便读者举一反三，深度学习。本书实例涉及的算法包括搜索、回溯、递归、排序、迭代、贪心、分治和动态规划等；涉及的数据结构包括字符串、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。书中所有实例均以问题描述、问题示例、代码实现及运行结果的形式来编排。 本书语言简洁，通俗易懂，适合作为Python编程人员的入门参考书，也适合作为高等院校相关专业 Python算法实现 课程的参考教材。

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

随着数据存储、数据处理等大数据技术的快速发展，数据科学在各行各业得到广泛的应用。数据清洗、特征工程、数据可视化、数据挖掘与建模等已成为高校师生和职场人士迎接数字化浪潮、与时俱进提升专业技能的必修课程。本书将 Python课程学习 与 数据科学应用 有机结合，为数字化人才的培养助力。 全书共分13章，内容包括：第1章数据科学应用概述；第2章Python的入门基础知识；第3章数据清洗；第4~6章特征工程介绍，包括特征选择、特征处理和特征提取；第7章数据可视化应用；第8~13章介绍6种数据挖掘与建模的方法，分别为线性回归、Logistic回归、决策树、随机森林、神经网络、RFM分析。 《Python数据科学应用从入门到精通》既适合作为经济学、管理学、统计学、金融学、社会学、医学、电子商务等相关专业的学生学习Python数据科学应用的专业教材或参考书，

这是一本讲解如何使用Python 进行系统化图形引擎开发的图书。本书基于作者长期从事图形引擎开发工作的经验，结合简单易懂的Python 语言和PyOpenGL 模块，通过对引擎开发知识由浅入深的编排和讲解，让广大对图形学感兴趣的"小白 开发者一步步掌握图形引擎的开发流程和实现原理，并在这个过程中熟练掌握OpenGL，进而有能力基于各种开发语言进行图形引擎的开发工作。 本书结构紧凑、内容翔实、由浅入深，是学习、掌握图形引擎开发入门知识的重要参考书。

本书参考高等学校理工科 高等数学 线性代数 概率论与数理统计 运筹学 等课程教学大纲，使用Python语言实现相关计算、图形展示及模型求解，内容包含Python编程语言入门、极限的运算、函数的求导及积分、微分方程求解、级数、行列式计算、线性方程组求解、随机变量及其分布、随机变量的数字特征、参数估计、假设检验、方差分析与回归、线性规划、非线性规划、动态规划、图与网络计划及排队论等。本书内容翔实，文字精练，例题丰富，注重本科数学理论与科学计算的密切结合。 本书可以作为高等学校理工科在校本科生的学习实验用书，也可以作为对Python科学计算感兴趣的人员的参考用书。

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。

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。本书是Python数据分析入门书，每个概念都通过简单实例来阐述，便于读者理解与上手。具体内容包括：Python及Pandas基础知识，加载和查看数据集，Pandas的DataFrame对象和Series对象，使用matplotlib、seaborn和Pandas提供的绘图方法为探索性数据分析作图，连接与合并数据集，处理缺失数据，清理数据，转换数据类型，处理字符串，应用函数，分组操作，拟合及评估模型，正则化方法与聚类技术等。

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 。

本书通过数学和自然科学中的计算例子来讲授计算机程序设计。选择语法简单紧凑且功能强大的Python语言作为编程语言。本书关注于问题的计算求解过程，而不是程序语言细节，书中使用了大量的案例，并专注问题定义、分析和程序求解以及程序正确性验证。通过本书的学习，读者将能使用程序员的方式进行思考，并能写出正确优质的程序。

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

Python是一门开源的计算机编程语言，凭借其易学、灵活等特点，得到了越来越多人的认可和青睐。金融科技日新月异，金融行业的数字化、科技化和智慧化快速推进，Python在金融领域有着很好的应用现状和前景。 本书在上一版的基础上进行了内容升级，持续聚焦Python在金融分析与风险管理的应用，第2版从原先的12章扩充至15章，并依次划分为基础篇（共5章）、中阶篇（共5章）以及高阶篇（共5章），基础篇结合金融场景演示了Python语言以及NumPy、pandas、Matplotlib、SciPy以及statsmodel等金融领域常用的第三方模块的编程方法；中阶篇通过Python编程结合金融实例，依次探讨利率、汇率、债券、股票、互换合约、期货合约等产品的定价、风险测度以及风险管控等内容；高阶篇则融合Python与金融案例，探究了期权的定价、希腊字母、动态对冲、隐含波动率、交易策略及其他延

Python最近在TIOBE排行榜上被评为当今最受欢迎的编程语言，这尤其要感谢这门语言在设计、原型、测试、部署、维护方面所展现出来的广泛适用性。在本书最新的第4版中，无论是专业程序员还是需要使用Python来解决特定领域问题的人，都将学会如何将Python发挥到极致。 由公认的Python专家精心策划，新版专注于3.10版本，完全展现了Python语言取得的最新开创性成果，涵盖了最近发布的Python 3.11。

Python是一种面向对象、解释型计算机程序设计语言。Python具有丰富和强大的库。它常被昵称为胶水语言，能够把用其他语言制作的各种模块（尤其是C/C ）很轻松地联结在一起。常见的一种应用情形是，使用Python快速生成程序的原型（有时甚至是程序的终界面），然后对其中有特别要求的部分，用更合适的语言改写，比如3D游戏中的图形渲染模块，性能要求特别高，就可以用C/C 重写，而后封装为Python可以调用的扩展类库。需要注意的是在您使用扩展类库时可能需要考虑平台问题，某些可能不提供跨平台的实现。本书讲述Python技术。

本书介绍了如何使用 Python 实现企业级的大数据全栈式开发、设计和编程工作，涉及的知识点包括数据架构整体设计、数据源和数据采集、数据同步、消息队列、关系数据库、NoSQL 数据库、批处理、流处理、图计算、人工智能、数据产品开发。 本书既深入浅出地介绍了不同技术组件的基本原理，又通过详细对比介绍了如何根据不同场景选择实践技术方案，并通过代码实操帮助读者快速掌握常用技术的应用过程，后通过项目案例介绍了如何将所学知识应用于实际业务场景中。

本书作为《基于 Python 的金融分析与风险管理（第2版）》一书的姊妹篇，整合了源于现实金融市场和日常实务的119个原创案例，涉及403项编程任务。本书囊括了丰富多样的金融场景，涵盖利率、汇率、债券、股票、基金、信托、资管、远期、互换、期货、期权等金融产品，还涉及商业银行、证券公司、期货公司、保险公司、信托公司、资产管理公司、基金管理公司、金融控股公司等不同业态的金融机构，尽可能覆盖金融实战中涉及Python编程的各种场景。 本书着眼于从业者可能涉及的金融实战案例，并结合具体的职场角色给出了基于Python的高性能解决方案。通过阅读本书，读者能够全方位地了解金融市场的运作，深刻洞察处理各类金融工作的实战技能。

Python凭借其简单、易读、可扩展性以及拥有巨大而活跃的科学计算社区，在需要分析、处理大量数据的金融行业得到了广泛而迅速的应用，并且成为该行业开发核心应用的编程语言。《Python金融大数据分析》提供了使用Python进行数据分析，以及开发相关应用程序的技巧和工具。

本书是一本全面介绍Python编程，并针对多个应用场景给出解决方案的编程手册。从Python的基础知识开始，介绍了数据类型、函数、条件、循环等基本概念，展示了生成器、面向对象编程等具有Python特色的进阶理念，并给出了定位和排除异常、测试代码、调试的方法。随后，本书针对GUI、数据科学等实用场景，使用Python解决实际问题。最后，本书给出了发布Python程序的方法。 本书适合想要学习编程或有一定编程基础、想要学习Python的人阅读。

Pandas数据分析实战 主要内容 ●对数据集进行组织、 分组、合并、分割以及连接 ●发现基于文本和时间的数据的趋势 ●对数据进行排序、过滤、枢轴化、优化，并得出结论 ●应用聚合操作 极速Python：高性能编码、计算与数据分析 主要内容 ● 使用Cython重构关键代码。 ● 设计健壮的数据结构。 ● 精简不同架构的代码。 ● 实现Python GPU计算。 Python和PySpark数据分析 主要内容 ● 组织PySpark代码 ● 管理任何规模的数据 ● 充满信心地扩展你的数据项目 ● 解决常见的数据管道问题 ● 创建可靠的长时间运行的任务