亚马逊畅销Python编程图书，帮助你通过编程快速实现工作自动化在本书中，你将学习利用Python 编程，在几分钟内完成手工需要几小时的工作，而事先却无需具备编程经验。一旦掌握了编程的基础知识，你就可以毫不费力地创建Python 程序，完成高效的自动化工作，包括：● 在一个文件或多个文件中搜索文本；● 创建、更新、移动和重命名文件和文件夹；● 搜索网页和下载的在线内容；● 在任意大小的Excel电子表格中更新和格式化数据；● 拆分、合并PDF文件，以及如何加水印和加密；● 发送提醒邮件和文本通知；● 填写在线表格。本书的作者Al Sweigart是一位杰出Python程序员,他还是《Python 密码学编程》、《Python 游戏编程快速上手》和《Python 和Pygame 游戏开发指南》的作者。
想深应用手中的数据？还是想在上千份文件上重复同样的分析过程？没有编程经验的非程序员们如何能在zui短的时间内学会用当今炙手可热的Python语言行数据分析？来自Facebook的数据专家Clinton Brownley可以帮您解决上述问题。在他的这本书里，读者将能掌握基本Python编程方法，学会编写出处理电子表格和数据库中的数据的脚本，并了解使用Python模块来解析文件、分组数据和生成统计量的方法。- 学习基础语法，创建并运行自己的Python脚本- 读取和解析CSV文件- 读取多个Excel工作表和工作簿- 执行数据库操作- 搜索特定记录、分组数据和解析文本文件- 建立统计图并绘图- 生成描述性统计量并估计回归模型和分类模型- 在Windows和Mac环境下按计划自动运行脚本
畅销Python编程类门书，美国亚马逊Kindle编程类排行榜榜一。作者从文科毕业，通过自学编程转行为专业程序员，在硅谷工作多年后成功技术创业。本书不仅教读者如何使用Python语言编程，还会介绍其他书中所忽略的、编程初学者应该了解并掌握的其他所有知识。很多初学者在读完其他类似的编程门图书后，仍会很困惑：下一步该做什么？而本书，就是作者结合自身成功经验给出的答案。本书每章采用 要介绍 示例代码 术语总结 挑战练习 的模式，细化介绍编程门所需的各个知识。本书中一章所涵盖的许多主题可能都可以独立成书。但作者的目标并不是要读者了解到每个主题的所有细节，而是提供一份指引，一个编程职业发展所需要的所有技能的导览。*部分：编程概述。让你尽快写出自己的*个程序，*好在今天。第二部分：面向对象编程概述。将介绍不同的编程范式
本书是经典的Python门教程，层次鲜明、结构严谨、内容翔实，特别是后面几章，作者将前面讲述的内容应用到10个引人胜的项目中，并以模板的形式介绍了项目的发过程，手把手教授Python编程实践，让读者从项目中领略Python的真正魅力。本书既适合初学者夯实基础，又能帮助Python程序员提升技能，即使是中高-级Python程序员，也能从书里找到耳目一新的内容。
Python已成为数据驱动AI、金融优先选择的编程语言。现在，一些大型的投资银行和对冲资金均使用Python及其生态系统来构建核心交易与风险管理系统。在本书中，作者向发人员和量化分析人员介绍了使用Python程序库与工具，完成金融数据科学、算法交易和计算金融任务的方法。 Python与金融：Python交互式金融分析与程序发门。 基本知识：学习Python数据类型与结构、NumPy、pandas及其DataFrame类、面向对象编程。 金融数据科学：探索用于金融时间序列数据、I/O操作、推断统计学和机器学习的Python技术与程序库。 算法交易：使用Python来验证和部署自动算法交易策略。 衍生品分析：发灵活、强大的Python期权、衍生品定价和风险管理程序库。
全面涵盖当今应用发中的众多领域为中级Python发人员提供杰出实践方法涵盖大量实用的代码案例每章末尾的习题有助于巩固所学知识 想一步提升Python编程水平？请深分析真实应用程序中使用的大量相关主题涵盖了正则表达式、Internet/网络编程、GUI、SQL/数据库/ORM、多线程、Web发了解当前的发区域，比如Google 、Twitter、MongoDB、OAuth、Python 3迁移、Java/Jython囊括有关Django、Google App Engine、CSV/JSON/XML和Microsoft Office的全新内容。包含Python 2和Python 3代码，以便立即可以使用提供了代码片段、互动案例和实用练习，旨在巩固Python技能 Python是一种灵活、可靠且具有表现力的编程语言，它将编译语言的强大与脚本语言的简洁性、快速发特性整合起来。在《 Python核心编程 第3版 》中，杰出Python发人员兼企业培训师Wesley Chun会帮助您将Python技能提升到更高的水平。《 Python核心编程 第3版
《Python深度学习》由Keras之父、现任Google人工智能研究员的Franc?ois Chollet执笔，详尽展示了用Python、Keras、TensorFlow行深度学习的探索实践，涉及计算机视觉、自然语言处理、生成式模型等应用。在学习完本书后，读者将了解深度学习、机器学习和神经网络的关键概念，具备搭建自己的深度学习环境、建立图像识别模型、生成图像和文字等能力，学会解决现实世界中的深度学习问题。除此之外，本书还深刻剖析了当前的"人工智能热"，从理性的视角展望了深度学习在未来的可能性。● 30多个代码示例，带你全面掌握如何用深度学习解决实际问题● Keras框架速成的明智之选● 夯实深度学习基础，在实践中培养对深度神经网络的良好直觉● 无须机器学习经验和高等数学背景"本书在当前的'人工智能热'和深度学习的本来面目之间架起了一座桥梁。"--Peter Rabinovitch，云平台Akamai
本书作者在国外发布英文版后，受到普遍欢迎和很好的评价。 本书通过详细分析11款示例游戏的源代码，介绍Pygame库的用法。寓教于乐，轻松有趣。 本书所涉及的11款示例游戏，是诸如Nibbles、Tetris、Simon、Bejeweled、Othello、Connect Four、Flood It等经典游戏的翻版。 本书的Web站http://inventwithpython.com/pygame，提供源代码下载等更多资源。
如果你在编写Python 3程序时需要帮助，或者想更新老的Python 2代码，本书正是你所需要的。本书包含了大量使用Python 3.3编写并测试过的实用编程技巧。对于那些关注现代工具和惯用技巧的有经验的Python程序员来说，本书无可替代。 本书包含了12个以上的完整主题，其范围涵盖了Python语言的核心以及多个应用领域中的常见任务。每一节中包含的示例代码都可以立刻应用到你自己的项目中去，而每节的讨论部分则告诉你解决方案是如何以及为什么能够工作。 本书主题包括： 数据结构和算法； 字符串和文本； 数字、日期和时间； 迭代器和生成器； 文件和I/O； 数据编码与处理； 函数； 类与对象； 元编程； 模块和包； 网络和Web编程； 并发； 实用脚本和系统管理； 测试、调试以及异常； C语言
罕见的NumPy中文门教程，Python数据分析**从*基础的知识讲起，手把手带你大数据挖掘领域囊括大量具有启发性与实用价值的实战案例。
本书教你如何使用流行的Python编程语言来编写计算机游戏，即便你之前没有任何编程经验。首先，本书带领读者猜数字和Tic Tac Toe这样的经典游戏，然后始学习更加高级的游戏的发，例如基于文本的Sonar Treasure Hunt游戏以及带有音效和动画的Dodger游戏。在此过程中， 我们还会学习关键的编程和数学概念，这些将使得你的游戏发技能达到更高的层级。通过本书，你将学习：使用组合循环、变量和流程控制语句；选择合适的数据结构来完成任务，例如列表、字典和元组；使用pygame模块，为游戏添加图形和动画；处理键盘和鼠标输；编写简单的人工智能程序，从而能够和计算机玩游戏；使用加密技术把文本信息转换为密码；调试程序并找出常见错误。随着你编写每一个游戏，你将下牢固的Python编程基础，并且能够更好地理解计算机科学的基础知识。
Python拥有许多强大的程序库，已经成为行各种数据分析和预测建模任务的流行平台。Python的应用范围很广，拓展性很大。本书介绍了众多的Python模块，例如Matplotlib、statsmodels、scikit-learn和NLTK。同时，本书还介绍了Python如何与外部环境（例如R、Fortran、C/C 和Boost库）行交互。通过阅读本书，你将学会如何使用Python处理和操作数据，并完成复杂的分析和建模。我们将借助NumPy和Pandas来学习数据的各种操作。本书将介绍如何从各种数据源（例如SQL、NoSQL、CSV文件和HDF5）中存储和检索数据。此外，我们还将学习如何通过可视化库实现数据的可视化，以及信号处理、时间序列、文本数据分析、机器学习和社交媒体分析等主题。
当前，深度学习和人工智能的发展和应用给人们留下了深刻的印象。神经网络是深度学习和人工智能的关键元素，然而，真正了解神经网络工作机制的人少之又少。本书用轻松的笔触，一步一步揭示了神经网络的数学思想，并介绍如何使用Python编程语言发神经网络。本书将带领您行一场妙趣横生却又有条不紊的旅行 从一个非常简单的想法始，逐步理解神经网络的工作机制。您无需任何超出中学范围的数学知识，并且本书还给出易于理解的微积分简介。本书的目标是让尽可能多的普通读者理解神经网络。读者将学习使用Python发自己的神经网络，训练它识别手写数字，甚至可以与专业的神经网络相媲美。本书适合想要了解深度学习、人工智能和神经网络的读者阅读，尤其适合想要通过Python编程行神经网络发的读者参考。这是一本精心编写、给完全初学者的图书。它带
Python语言在科学计算和数据处理领域应用前景广阔。大数据时代，催生了人们处理大量数据的实际需求。Python应用领域的拓展，越来越多的人将Python用于处理大型数值数据集，使用标准格式来行数据的存储和通信也显得越来越重要，而HDF5也正迅速成为人们存储科学数据的选择。本书会带你迅速了解使用HDF5对大小从GB至TB的数字数据集行存档和共享的细节、实践以及陷阱，体验在Python语言中用HDF5存储科学数据。通过真实世界的例子以及动手练习，你将依次学习科学数据集、层次性组织的组、用户定义的元数据，以及有互操作性的文件等主题。本书的例子对于Python2和Python3都适用。 本书包括以下内容：设置HDF5工具并创建HDF5文件。通过学习HDF5数据集对象来使用数据集。理解数据集分块和压缩等高级功能。使用组来学习如何利用HDF5层次性结构。使用HDF5的属性来添加元数
Python 是一种强大的编程语言，容易学习而且充满乐趣。但掌握了基本知识后，下来做什么？本书包含了一组富有想象力的编程项目，它们将引导你用Python 来制作图像和音乐、模拟现实世界的现象，并与Arduino 和树莓派这样的硬件行交互。你将学习使用常见的Python 工具和库，如numpy、matplotlib 和pygame，来完成以下工作：● 利用参数方程和turtle模块生成万花尺图案；● 通过模拟频率泛音在计算机上创作音乐；● 将图形图像转换为ASCII文本图形；● 编写一个三维立体画程序，生成隐藏在*图案下的3D图像；● 通过探索粒子系统、透明度和广告牌技术，利用OpenGL着色器制作逼真的动画；● 利用来自CT和MRI扫描的数据实现3D可视化；● 将计算机连到Arduino编程，创建响应音乐的激光秀。通过本书，你可以享受作为极客的真正乐趣！
机器学习关注于预测，其核心是一种基于数学和算法的技术，要掌握该技术，需要对数学及统计概念有深理解，能够熟练使用R 语言或者其他编程语言。本书通过集中介绍两类可以行有效预测的机器学习算法，展示了如何使用Python 编程语言完成机器学习任务，从而降低机器学习难度，使机器学习能够被更广泛的人群掌握。作者利用多年的机器学习经验带领读者设计、构建并实现自己的机器学习方案。本书尽可能地用简单的术语来介绍算法，避免复杂的数学推导，同时提供了示例代码帮助读者迅速上手。读者会很快深了解模型构建背后的原理，不论简单问题还是复杂问题，读者都可以学会如何找到问题的解决算法。书中详细的示例，给出了具体的可修改的代码，展示了机器学习机理，涵盖了线性回归和集成方法，帮助理解使用机器学习方法的基本流程。本书为不具备
机器学习正在迅速成为数据驱动型世界的一个bi备模块。许多不同的领域，如机器人、医学、零售和出版等，都需要依赖这门技术。通过阅读 Python机器学习实践指南 ，你将学习如何一步步构建真实的机器学习应用程序。Python机器学习实践指南 以通俗易懂，简洁明了的方式，教你如何使用机器学习来收集、分析并操作大量的数据。通过易于理解的项目，本书讲解如何处理各种类型的数据、如何以及何时应用不同的机器学习技术，包括监督学习和无监督学习。本书中的每个项目都同时提供了教学和实践，你将学习如何使用聚类技术来发现低价的机票，以及如何使用线性回归找到一间便宜的公寓 。Python机器学习实践指南 适合的读者包括了解数据科学的Python程序员、数据科学家、架构师，以及想要构建完整的、基于Python的机器学习系统的人们。通过阅读Python机器学习实践
分别讲解了Tornado框架、Django框架、Flask框架、数据库存储框架、数据库驱动框架、使用ORM操作数据库、特殊文本格式处理、图像处理、图形用户界面、数据可视化、第三方多媒体库、第三方网络发库。 1.内容全面。 本书内容涵盖了12类常用的Python第三方库，通过案例，循序渐地讲解了这些库中函数的使用方法，帮助读者快速掌握和应用这些库。 2.通过实例驱动教学。 本书采用理论加实例的讲解方式，通过实例展示知识的应用，达到了学以致用的目的。 3.提供更为广泛的解决方案。 通过本书的学习，读者可以构建自己的Python工具箱。借助该工具箱，读者能够使用Python 发各种类型的应用程序。 4.提供示例源代码下载服务，可在异步社区轻松下载。
金融行业已经以惊人的速度采用Python，一些大的投资银行和对冲基金使用Python来构建核心的交易和风险管理系统。本书可以帮助发人员和量化分析人员门Python，并指导他们掌握Python在计量金融学上的重要应用。 本书通过大量的实用示例并以一个大型的真实案例研究为基础，讲解如何为基于蒙特卡洛模拟的衍生品和风险分析发一个成熟的框架。本书大部分内容使用了交互式的IPython Notebooks，并包含了如下主题。 基础知识：Python数据结构，NumPy数组处理、用pandas行时间序列分析，用matplotlib可视化，用PyTables行高性能I/O操作，日期/时间信息处理和精选的实践。 金融主题：使用了NumPy、SciPy和SymPy的数学技术，例如回归和优化；用于蒙特卡洛模拟、风险价值、风险信用价值计算的推断统计学；用于正态性检验、均方差投资组合优化、主成分分析（PCA）和贝
Python是非常适合数据科学家在中小型数据集上建造原型、可视化和分析数据的编程语言。本书将帮助你获取和分析来自各大社会媒体网站的数据，展示如何使用科学的Python工具来挖掘Stack Exchange等流行社交网站。※ 通过公共API与社会媒体平台行交互※ 以方便的格式存储社交数据以行分析※ 使用Python数据科学工具对社交数据行切片和分段※ 应用文本分析技术来理解人们在社会媒体上谈论的内容※ 运用先的统计和分析技术从数据中发现有用的见解※ 采用Web技术行可视化，以探索数据和呈现数据产品
本书介绍了贝叶斯统计中的主要概念，以及将其应用于数据分析的方法。本书采用编程计算的实用方法介绍了贝叶斯建模的基础，使用一些手工构造的数据和一部分简单的真实数据来解释和探索贝叶斯框架中的核心概念，然后在本书涉及的模型中，抽象出了线性模型用于解决回归和分类问题，此外还详细解释了混合模型和分层模型，并单独用一章讨论了如何做模型选择，还简单介绍了非参模型和高斯过程。本书所有的贝叶斯模型都用PyMC3实现。PyMC3是一个用于概率编程的Python库，其许多特性都在书中有介绍。在本书和PyMC3的帮助下，读者将学会实现、检查和扩展贝叶斯统计模型，从而解决一系列数据分析的问题。从本书你将学到：从实用的角度理解基本的贝叶斯概念；学习如何用PyMC3构建概率模型；掌握检查和修改模型的技能；利用分层模型的优势给模型加结构；针
全面、整体：详细讲解22大经典算法和10个数据结构的基本原理，干货满满 直观、易懂：包含336张图解，帮助理解复杂的算法 实操、应用：全书包含大量例题，在实战中学习算法的应用 流行、方便：使用简单易学的Python语言实现书中算法
《Python少儿趣味编程》由少儿编程畅销图书作者精心编写，是少儿学习Python编程的趣味指南，全书共17章，按照由简到难、逐步深的方式组织各章内容。《Python少儿趣味编》精心选取内容，注重难易适度，语言通俗易懂，代码示例丰富。在每章的末尾，还给出了一些练习题并给出了解答。 《Python少儿趣味编程》具有以下特色： ● 精心选取和组织内容，注重难易适度 涵盖基础知识、趣味应用和热门应用。 ● 坚持 做中学 的理念和方法 通过详细的示例和课后练习帮助读者学习和掌握。 ● 体现趣味性 用海龟给图绘制的机器猫、小猪佩奇等卡通角色，编写贪吃蛇游戏，对古典名著《西游记》分词。 ● 增强可拓展性 逐步扩展和改的 成绩单 示例程序，章末习题既巩固知识，也拓展编程技能。 《Python少儿趣味编》适合想要学习Python 编程基础的少年儿童（尤其是10 岁
1.基于Python 3.X讲解，从门到实战，全面讲解Python爬虫技术。 2.全书重难附带微课讲解，书网融合互动学习。 3.案例丰富，重视实践，着重培养读者的实际运用能力。
Python是一门动态编程语言，它简单而又强大，适用于众多领域。尽管编写Python代码比较容易，但是编写高效且易于维护和复用的代码是一个挑战。本书的重是让你熟悉zui佳实践、有用的工具以及标准，这都是Python专业人士每天使用的。首先，你将了解Python 3.5中新增加的功能以及可以提高生产力的快速技巧。下来，你将学习使用这个新版本中的高-级且有用的Python语法元素，以及实现元编程的不同方法。本书讲解了代码管理工具、编写清晰文档的方法和测试驱动发，这些都是编写代码的重要因素。通过学习优化的一般原则、查找瓶颈的策略以及应用优化的选定工具，你可以对如何编写高效的代码有更深的理解。读完本书后，你会成为一名可以编写高效且可维护代码的专家。通过阅读本书，你将能够：了解在Python社区中广泛采用的约定和zui佳实践；高效包Python代码，以
本书主要介绍如何通过Python来实现数据可视化。本书包含了一系列实用的示例，旨在帮助读者熟悉运用Python及其流行的可视化库和数据操作库，牢固地掌握数据可视化的知识。本书从安装和搭建Python数据操作和可视化环境讲起，循序渐，直到读者掌握使用Python库绘制3D动画等技能。另外，本书还讲解了如何配置matplotlib及相关库，如何在不同的环境（如文字排版系统或LaTeX）中使用matplotlib，以及如何使用Python创建甘特图等实用技能。通过本书，读者能更好地理解数据可视化的概念和技术。本书包括以下内容： 搭建工作环境所需的工具； 使用标准的Python数据处理库和Pandas库处理数据； 绘制并定制化图表； 使用流行的Python数据可视化库； 使用mplot3d绘制3D图表； 使用图像和地图绘制图表； 使用恰当的图表描述数据； 更多matplotlib的高级内容； 使用Plot.ly在线分享可视化
随着人们对优化软件架构和设计的关注度的不断提高，软件架构师也愈发认识到在架构和设计层面，对象创建、代码结构和对象之间的交互优化的重要性。因为这样不仅能够降低软件的维护成本，而且还能确保代码的可重用性，提高代码适应变化的能力。在上一版成功的基础上，本书的第2版将利用Python 3.5来帮助读者实现现实世界的各种场景。本书首先从Python的角度对各种设计模式行了介绍。然后，逐步带领读者深学习单例模式、工厂模式和门面模式。之后，还介绍了如何使用代理模式来控制对象访问。此外，本书还讲解了观察者模式、命令模式和复合模式。通过阅读本书，读者能够一步提高其在软件架构、设计和发方面的专业技能。 本书的目标读者本书适用于软件架构师以及热衷于软件设计的Python应用发人员。对于具有初级Python编程技能并且喜欢使用Python 3.5的工
本书手把手教你从头始发一个真正的Web应用，并且展示使用Python做测试驱动发（TDD）的优势。你将学到如何在发应用的每一个部分之前先编写和运行测试，然后再编写少量的代码让测试通过。也就是说，你将学会应用TDD理念，写出简洁可用、赏心悦目的代码。 在这个过程中，你还将学到Django、Selenium、Git、jQuery和Mock的基础知识，以及其他当前流行的Web发技术。如果你准备提升自己的Python技能，本书将清楚地演示如何使用TDD实现简单的设计。 通过阅读本书，你将： 深分析TDD流程，包括“单元测试/编写代码”循环和重构； 使用单元测试检查类和函数，使用功能测试检查浏览器中的用户交互； 学习何时以及如何使用模拟对象，以及隔离测试和整合测试的优缺； 在过渡服务器中测试和自动部署； 测试网站中集成的第三方插件； 使用持续集成环境自动运行测试。
本书是学习用Python编程实现加密算法的初学者指南。本书采用的示例源代码，是几个加密算法及其破解程序，包括凯撒密码、换位加密法、乘数加密法、仿射加密法、简单代替加密法、维吉尼亚加密法等，以及这些加密法的破解程序。本书的后一章还介绍了现代RSA加密法和公钥加密法。本书适合Python初学者和密码学的初学者，也适合信息安全从业人员。
1.内容讲解深。 本书对Python的核心知识行了深剖析，循序渐地讲解了核心功能模块的发技术，帮助读者快速步Python发高手之列。 2.提供更为广泛的解决方案。 本书深讲解了10个不同的主题模块，每一个主题涵盖了特定应用发领域。在书中不仅给出了案例讲解，还包含了更多的拓展知识，能够帮助读者使用Python 发各种类型的应用程序。 3.通过网站论坛形成互帮互学的朋友圈。 为了方便给读者答疑，特提供了网站论坛等支持，并且随时在线与读者互动，让大家在互学互帮中形成一个良好的学习编程的氛围。
Python是杰出的脚本语言，可以为应用程序注动力，提供出色的速度、安全性和可扩展性。本书从解决具体问题角度出发，通过一系列实例来剖析Python，带领读者在特定的情境中全面深了解其具体的语言特性，无论是新手还是老手都能从中获益。●了解Python语法的复杂细节及其合理用法●通过Python中的函数提高代码的可读性●使用内置数据结构有效地操作数据●熟悉Python中的编程技术●处理JSON、XML等多种不同文件格式●编写测试以确保程序按预期的方式工作●使用Python集成应用软件
Python测试驱动开发：使用Django、Selenium和JavaScript进行Web编程(第2版)
本书手把手教你从头发一个真正的Web应用，演示使用Python做测试驱动发（TDD）的优势。你将学会如何在发应用的每一个组成部分之前编写和运行测试，然后再编写少量的代码让测试通过，*终得到简洁可用的代码。此外，你还会了解Django、Selenium、Git、jQuery和Mock的基础知识，以及其他目前流行的Web发技术。 深分析TDD流程，包括 单元测试 编写代码 循环和重构 使用单元测试检查类和函数，使用功能测试检查浏览器中的用户交互 学习何时、如何使用驭件，以及隔离测试和整合测试的优缺 在过渡服务器中测试和自动部署 测试网站中集成的第三方插件 使用持续集成环境自动运行测试 使用TDD构建一个具有Ajax前端界面的REST API
Scrapy是一个源的Python爬虫框架，可以用来轻松提取从页面数据。Scrapy带有丰富的特性，可通过简单的编码或配置来访问，从而可以节省发人员数周的发时间，并高效地提取所需数据。Scrapy有一个高度活跃且迅速增长的社区，而且已经成为黑客、创业者和Web爬取专家的首 选框架。本书讲解了Scrapy的基础知识，讨论了如何从任意源提取数据，如何清理数据，以及如何使用Python和第三方API行处理，以满足自身需求。本书还讲解了如何将爬取的数据高效地馈数据库、搜索引擎和流数据处理系统（比如Apache Spark）。在学习完本书后，你将对数据爬取胸有成竹，并将数据应用在自己的应用程序中。本书内容：使用HTML和Xpath提取所需的数据；使用Python编写Scrapy爬虫，并在网络上行爬取操作；将数据推送到任意数据库、搜搜引擎或分析系统的方法；配置爬虫，使其下载文件和图形，
本书用实际生活中的例子带你了解常用的设计模式，介绍了诸多有关编写Python风格代码的底层细节和概念，包括故障排除、*实践、系统架构和设计原则等，帮你解决每天都会遇到的问题。 探索用工厂方法和抽象工厂来创建对象 使用原型模式克隆对象 使用适配器模式让不兼容的口变得兼容 使用代理模式保障口安全 使用策略模式动态选择算法 使用修饰器模式，在不使用子类化的情况下扩展对象 使用模型 视图 控制器模式将逻辑从用户界面解耦
（1）理论 案例的编写风格：首先以简练的语言行理论知识的讲解，*后配上丰富而实用的案例，在保证教材体系及比例科学的前提下，增加案例教学比重。 （2）充分考虑学生学习之便利：考虑到当今大学生的实际情况，教材所选的实例都是贴近读者的理解水平，术语引节奏合理，不会让读者产生晦涩的感觉，其个别难，都尽量讲解详尽与清晰。 （3）以Python3为教学主体，案例实用性强。书稿*后几章分别为数据库编程、GUI编程和Web编程
（1）理论联系实际，强化思维能力培养。语法介绍以够用、实用和应用为原则，将Python语言的语法融到问题求题中；从实际应用案例中抽取教学要素，重强化模块化程序设计方法与基本算法的学习。全书从数据组织的维度介绍了基本数据类型以及数组、函数等在数据处理中的应用。让读者在学习的过程中潜移默化地提高计算思维能力。 （2）案例选取贴近生活，有助于提高学习兴趣。 （3）内容呈现直观、形象，知识讲解深浅出，通俗易懂。 （4）提供了丰富的辅助教学资源。提供的教学课件、教材源代码、实验案例、实验指导、习题解答、实验参考答案
不同类型文本数据的获取、清洗、组织和可视化如何用NumPy和Pandas模块处理数值数据探索用MySQL和MongoDB配置、填充、查询数据网络创建、度量和分析概率与统计以及机器学习的相关基本概念
基于Python 3.4版本，易于学习、高可适应性、应用领域广泛，结合工科院校程序设计课程教学大纲，精心设计了各章的内容，突出简洁、使用，注重算法的掌握。配有多媒体课件和程序源代码，立体化资源丰富
本书具有以下特：● 广泛使用计算机图形学 本书提供一个简单的图形软件包graphics.py作为示例。● 生动有趣的例子 本书包含了完整的编程示例来解决实际问题。● 亲切自然的行文 以自然的叙事风格介绍了重要的计算机科学概念。● 灵活的螺旋式学习过程 简单地呈现概念，逐渐介绍新的思想，章节末加以巩固强化。● 时机恰好地介绍对象 本书既不是严格的 早讲对象 ，也不是 晚讲对象 ，而是在命令式编程的基础上简要地介绍了对象概念。● 提供丰富的教学素材 提供了大量的章末习题。还提供代码示例和教学PPT下载。本书以Python语言为工具教授计算机程序设计。本书强调解决问题、设计和编程是计算机科学的核心技能。本书特色鲜明、示例生动有趣、内容易读易学，适合Python门程序员阅读，也适合高校计算机专业的教师和学生参考。访问异步社区（www.epubit
基于Python3.6的测试发实践总结1. 作者多年从事测试发管理工作，写作风格将教育融于生活，有趣地气，广受读者好评。2. 作者的内容在百度阅读上量达4万余次，深受发者欢迎。3. 作者运营的公众号 心花绽放测试窝 ，拥有很高的人气，深受测试工程师欢迎。
本书通过编写一个个小巧、有趣的游戏来教授Python编程。本书包含了14个游戏程序和示例，贯穿其中，介绍了Python基础知识、数据类型、函数、流程控制、程序调试、流程图、字符串操作、列表和字典、图形和动画、碰撞检测、声音和图像等方方面面的知识。本书可以帮助读者在轻松有趣的过程中，掌握Python游戏编程的基本技能。本书包含的示例游戏程序包括猜数字游戏、Jokes、DragonRealm、Hangman、Tic Tac Toe、Bagels、Sonar TreasureHunt、Reversi、Dodger等。本书适合不同年龄和层次的Python编程初学者阅读。
本书致力于深讲解Python语言的高级特性，通过丰富、强大的代码示例为读者循序渐地讲解如何编写高质量的Python代码。本书可谓是成就Python编程高手的之选。本书通过实际的例子对Python中面向对象编程的理念行介绍。针对所有可用于和Python内置功能行无缝结合的特殊方法，本书都提供了详细示例，并且介绍了如何使用JSON、YAML、Pickle、CSV、XML、Shelve和SQL来创建持久化对象以及在程间传输对象。本书还介绍了Logging和Warning模块、单元测试、配置文件以及如何使用命令行。本书主要分为3个部分：用特殊方法实现Python风格的类；持久化和序列化；测试、调试、部署和维护。特殊方法部分又分为：初始化方法、基本特殊方法、属性访问、可调用对象、上下文、容器、集合、数值，以及装饰器和mixin类等高级技术。本书示例丰富，通过诸多实际的例子对Python中面向对象编程的理
实用的Python源模块的大集合；简单易懂、示例丰富的数据分析教程；掌握数据可视化、机器学习等高端主题；新手变身数据分析专家的上好读本；
Python是一门很绝妙的编程语言，它快速、灵活且内置了丰富的标准库，已经用于越来越多的不同行业。通常，大多数关于Python的书都会教读者这门语言的基础知识，但是掌握了这些基础知识后，读者在设计自己的应用程序和探索实践时仍需要完全靠自己。本书则不同，它介绍了如何利用Python有效地解决问题，以及如何构建良好的Python应用程序。从本书中读者将学到什么 ●杰出实践：书中给出了构建应用程序时可参考的方法和建议，帮助读者充分利用Python的特性，构建不会过时的应用程序。如果读者正在做一些东西，可以立刻应用本书中提及的技术去改自己当前的工作。 ●解决问题：书中介绍了测试、移植、扩展Python应用程序和库等方面的实际问题并提供了相应的解决方案，还介绍了一些非常好的小技巧，讨论了一些长期维护软件的策略。 ●语言的内部机制：书中
Python是使用广泛的动态编程语言之一。它支持一组丰富的库和框架，从而能够用来行快速发。但是，如此快速的发通常会带来一些问题，容易导致代码整体质量、性能和扩展性的降低。本书将会教你如何处理这些问题，以及如何编写出更好的Python应用程序。本书从简单命令行应用程序的基础知识手，帮助读者不断提高技能，直到可以设计出高效的、高级的Python应用。本书使用轻松奇幻的学习主线，用具体解决方案来应对在复杂的Python发中遇到的实际问题。读者从关注健壮性，以及程序代码的包和发布始，通过提高代码的可扩展性、可重用性以及可读性来提高应用程序的生命周期，并掌握Python代码重构、设计模式和*实践。在关于性能的章节中，读者学会识别性能瓶颈并提升性能，*后还将学习如何发Python图形界面应用程序。通过阅读本书，您将能够：● 通过异常处理
本书是使用Python 行深度学习实践的一本初学指南，将带领读者学习使用Python构建深度神经网络模型。本书不要求读者具有深度神经网络的相关经验，也没有罗列大量的公式，而是通过一些实际案例，以简单直白的方式介绍深度神经网络的两项任务 分类和回归，解析深度学习模型中的一些核心问题，以期让读者对深度学习的全貌有一个清晰的认识。通过简单易学的步骤，读者将学会如何使用Python构建深度神经网络模型。一旦掌握了这些步骤，读者就能够把这些知识转换为强大的数据科学应用程序。本书包括以下精彩内容：★ 释放深度神经网络的有效预测能力；★ 动手发二元分类的解决方案；★ 为多元问题设计成功的应用；★ 掌握有效模型构建的技术；★ 调节深度神经网络，以改善其性能。
Python不仅是一种通用的编程语言，更是免费且源的语言和环境，在科学计算领域具有巨大的应用潜力。本书以数学应用为背景介绍Python的相关知识。通过学习本书， 你将认识到Python 是一种将科学计算与数学紧密结合起来的强大工具；学会使用面向对象的Python执行计算任务的方法，并掌握计算数学的一个必要构建块 线性代数及其对象；学会函数和类的使用方法；熟悉测试工具并学习复杂的编程示例；通过Python模块SymPy启计算机代数的学习之旅。本书将介绍所有需要掌握的Python知识，以及将这些知识应用于线性代数、数组、绘图、迭代、函数以及多项式等的方法。本书旨在帮助你：● 理解Python的主要语法元素；● 了解Python中重要和基本的数据类型；● 理解计算数学的一个必要构建块 线性代数及其对象；● 用Python的matplotlib包创建高质量的表格和图形，以便绘制和可
1.基于Python 3.X讲解，内容编排由简到难，层层递。 2.全书重难附带微课讲解，书网融合互动学习。 3.案例丰富，重视实践，着重培养读者的实际运用能力。
本书从讲解如何在数据科学中应用Python始，陆续介绍了Python的工作环境，如何用Python分析数据，以及数据挖掘的概念，然后又扩展到机器学习。本书还涵盖了缩减原则、集成方法、*森林、旋转森林和超树等方面的内容，这些都是一个成功的数据科学专家所必需掌握的。 阅读本书，你将学会： ■ 揭示数据科学算法的完整范畴； ■ 高效地掌握和使用numpy、scipy、scikit-learn和matplotlib等Python库； ■ 了解阶回归方法的建模和变量选择； ■ 一步彻底理解集成方法的潜在含义及实施； ■ 在各种各样的数值和文本数据集上解决实际问题； ■ 熟悉先的算法，如梯度提升、*森林、旋转森林等。本书特色： ■ 内容明确且易于跟学； ■ 甄选重要的任务与问题； ■ 精心组织编排内容，有效解决问题； ■ 清晰易懂的讲解方式； ■ 书中呈现的解决方案能够直应用到
NLTK是自然语言处理领域中非常受欢迎和广泛使用的Python库。NLTK的优在于其简单性，其中大多数复杂的自然语言处理任务使用几行代码即可实现。本书旨在讲述如何用Python和NLTK解决各种自然语言处理任务并发机器学习方面的应用。本书首先介绍任何文本挖掘/ NLP任务中所需的所有预处理步骤，如文本的整理、清洗、语法分析、分类等，然后讲述如何使用NLTK 3行文本处理，如标记文本、替换和校正单词、创建自定义语料库等，讨论了如何使用Python完成自然语言处理任务，如语义分析、情感分析、信息检索等。本书适合NLP和机器学习领域的爱好者、对文本处理感兴趣的读者、想要快速学习NLTK的Python程序员以及机器学习领域的专业人士阅读。本书包括以下主要内容● 使用词性标注和分块的方法对文本行整理与清洗。● 把文本标记为句子，把句子标记为单词。● 文本
本书包含了一系列实用的示例，旨在帮助读者运用Python及其流行的可视化库和数据操作库，牢固地掌握数据可视化的知识。 搭建用于数据可视化的理想的Python环境，熟悉数据导和数据格式化，掌握和使用正确的数据可视化方法。 本书将为Python程序员拓展数据可视化这一新的知识领域。丰富的代码示例、可视化的图表可以帮助读者更好地理解数据可视化的概念和技术。
Python是一种通用型编程语言，其语法清晰简洁、标准库强大，还有大量的第三方库，因而近几年人气急剧上升，在很多领域都得到了广泛应用。本书是一本Python性能提升指南，展示了如何利用Python的原生库以及丰富的第三方库来构建健壮的应用程序。书中阐释了如何利用各种剖析器来找出Python应用程序的性能瓶颈，并应用正确的算法和高效的数据结构来解决它们；介绍了如何有效地利用NumPy、Pandas和Cython高性能地执行数值计算；解释了异步编程的相关概念，以及如何利用响应式编程实现响应式应用程序；概述了并行编程的概念，并论述了如何利用TensorFlow和Theano为并行架构编写代码，以及如何通过Dask和PySpark等技术在计算机集群上执行大规模计算。通过学习本书，你将能够实现高性能、可伸缩的Python应用程序。- 利用NumPy和Pandas编写高效的数值计算代码- 利用Cython和Numba
简洁的步骤和解释 助你快速上手。 的参考指南 值得反复品味。 学习Python基础知识的不二选择 从算术运算、字符串、变量，到函数、数据结构、输输出和异常处理，应有尽有！ 通俗易懂的语言结合常见任务、屏幕图和详细的解释，循序渐地介绍了Python的基础知识，助你轻松、迅速地学习Python。书中没有深奥的理论或者高级应用，非常适合用来自学。你定能掌握Python的各项基础知识，成为一名真正的Python程序员！
在数据规模急速膨胀的大数据时代，数据挖掘这项甄别重要数据的核心技术正发挥越来越重要的作用。它将赋予你解决实际问题的 超能力 ：预测体育赛事结果、投放广告、根据作品的风格解决作者归属问题，等等。本书使用简单易学且拥有丰富第三方库和良好社区氛围的Python语言，由浅深，以真实数据作为研究对象，真刀实枪地向读者介绍Python数据挖掘的实现方法。通过本书，读者将迈数据挖掘的殿堂，透彻理解数据挖掘基础知识，掌握解决数据挖掘实际问题的杰出实践！
本书由具有丰富的教学经验和专业经验的严玉星教授编写，囊括了他多年在金融领域教学一线的经典思想，并且结合了众多实际的金融数据，严教授还全程参与了本书的翻译和审校工作。本书在原作者全程参与的前提下，邀请香港理工大学的张少军老师全程主导并负责本书的翻译，将基本的金融理论和丰富的代码示例及金融模型深度解析，引导读者编写高效的Python程序，构建实际的Python应用，实现金融数据的高效分析。在理论和实践中，把握量化交易的核心思想，将金融模型运用得得心应手。
Python自然语言处理方面的权威之作 快速了解一些概念及基本工作原理的 提供丰富英文语料库和代码，方便练习 从输法联想提示（predictive text）、email过滤到自动文本汇总、机器翻译，大量的语言相关的技术都离不自然语言处理的支持，而这本书提供了自然语言处理的门指南。通过本书，你将学到如何编写能处理大量非结构化文本的Python程序。你可以访问具有丰富标注的、涵盖了语言学各种数据结构的数据集，而且你将学习分析书面文档的内容以及结构的主要算法。 通过大量的例子和练习，本书将帮助你： 从非结构化文本中提取信息，无论是猜测主题还是识别 命名实体 ； 分析文本的语言学结构，包括语法和语义分析； 访问流行的语言学数据集，包括WordNet和treebanks； 整合从语言学到人工智能等多个领域的技术。 通过使用Py
对于Python程序员来说，仅仅知道如何写代码是不够的，还要能够充分利用关键代码的处理能力。本书将讨论如何对Python代码行性能分析，找出性能瓶颈，并通过不同的性能优化技术消除瓶颈。 本书从基本的概念始，循序渐地介绍高级的优化主题。首先介绍了Python的主流性能分析器，以及用于帮助理解性能分析结果的可视化工具。然后介绍了通用的性能优化方法和专门针对Python的性能优化方法，带你浏览该语言的主要结构，让你只需做一改变，即可迅速改善代码的性能。*后介绍了一些专门用于数据处理的程序库，教你如何正确地使用它们以获得*性能。 如果你是一名Python发者，想优化Python代码的性能，或是想一步提升编程能力，那么本书非常适合你阅读。 通过阅读本书，你将能够： 掌握逐步优化代码的方法，学会使用不同的性能分析工具 理解性能分析器的概
