本书详细阐述机器学习的数据特征与分类算法，高效利用Python 3代码详解机器学习核心算法及其工具的场景应用，并在机器学习平台Kaggle与PaddlePaddle上实现分类、预测及推荐等实战操作。
● 内容全面 覆盖数据爬取、数据存取、数据访问、数据预处理和数据分析等 ● 案例丰富 实战案例 案例源码，帮助读者快速掌握实操技能 ● 知识拓展 网络爬虫 机器学习，帮助读者一步提升专业技能
这是一本Python零基础门的实战型教程。有趣、轻松、丰富。 （1）通俗易懂，轻松上手：书中穿插了“编程小知识”“笔者有话说”等内容，帮助读者了解和理解编程过程中的一些原理、技巧和经验。 （2）学习路线优化，内容结构清晰：本书的结构为“基础理论+编程实例+贯穿全书的程序实战+项目实训+课后习题” （3）配套资源丰富：PPT课件+程序源码+编程题库+面试模拟+学习指导+在线服务，不仅仅是一本书，而是一套python的学习服务
1.模块化、层次化的课程结构，满足中职教学需要 2.名校名师作者 3.案例丰富，浅显易懂，满足就业需求 4.配套资源丰富，素材、扩展案例、教学大纲等 5.83 个实例训练+33 个任务训练
（1）作者在IT行业有超过20年的研发经验，在金融和数据科学领域有超过12年的实践经验，是金融界知名的数据科学家，在R/Python/SAS等技术领域有深厚的积累。 （2）本书从3个维度展，技术维度：全面讲解数据分析、数据挖掘和机器学习的核心技术；业务维度，围绕具体的业务生命周期展技术知识的讲解；实践维度，列举的全部是商业案例，通过案例为数据科学从业者提供工作模板。
暂无
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
近年来，深度学习在自然语言处理、计算机视觉等领域取得了非凡的展。从机器翻译和文本生成到自动驾驶和虚拟助手，我们受益于深度学习技术的逐渐普及。然而，深度学习还远未发挥全部潜力。欢迎来到深度学习的世界！在这个规模呈爆发式增长的领域，仍有许多“宝藏”等待你去发掘。 本书由流行深度学习框架Keras之父弗朗索瓦·肖莱执笔，不用数学公式，而用Python代码帮助你直观理解深度学习的核心思想。本书在第1版的基础上行了大幅更新和增补，以体现深度学习领域的快速发展。 - Keras和TensorFlow门：详解实践深度学习所需的全部知识 - 神经网络门：分类与回归 - 计算机视觉、时间序列预测、生成式深度学习 - 新增Transformer架构的原理及用法 - 新增机器学习的工作流程 - 随书提供Jupyter notebook，采用TensorFlow 2.6
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
1.结合医学数据，系统地介绍如何利用 Python 行数据分析，以帮助读者解决数据分析中的实际问题。 2.本着让非专业读者易于理解的原则，本书强调实战和应用，着重介绍数据分析的思路和方法，尽量淡化分析方法的推导和计算。 3.书中配有大量的案例解析和程序示例，以及使用 Python 绘制的图形，所有代码均在 Python 3.8.5 环境下运行通过。 4.书中每一章都配有习题，书末附有习题参考答案，方便读者自学和学校老师教学。 5.提供源码下载
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！
（1）作者是Python编程领域的资深专家，有多年经验，且撰写了多部相关著作； （2）本书得到了陈斌、史海峰、李道兵、黄哲铿等15位专家的高度评价和一致推荐； （3）结合源码系统讲解Python的语法知识，帮助读者知其然并知其所以然； （4）结合真实需求讲解并发编程、性能优化、测试与调试、异常处理、内存管理等Python发中的高级知识，指导读者编写更高效的代码； （5）注重实战，给出了大量实例代码，同时通过这些代码给出了编码风格上的建议，指导读者编写更优雅的代码。
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
本书专门针对Python新手量身定做，是编者学习和使用Python发过程中的体会和经验总结，涵盖实际发中重要的知识，内容详尽，代码可读性及可操作性强。 本书主要介绍Python语言的类型和对象、操作符和表达式、编程结构和控制流、函数、序列、多线程、正则表达式、面向对象编程、文件操作、网络编程、邮件收发、数据库操作等，并安排了Python爬虫、自然语言处理和区块项目范例，各章还安排了调试、问题解答、温故知新、牛刀小试等内容，以帮助读者学会处理程序异常，解决学习中的困惑，巩固知识、学以致用。 本书的另一个特色是，使用通俗易懂的描述和丰富的示例代码，并结合日常生活中的一些小事件，使本书读起来生动有趣，把复杂的问题以简单的形式展现出来，使读者学起来很轻松，充分感受到学习Python编程的乐趣和魅力。
《漫画学Python：快速提高》是一本与众不同的编程指南，它以幽默风趣的方式引领读者探索Python编程的奇妙世界。在这本书中，作者斯蒂芬和薛定谔不仅通过清晰的示例和实用的练习教授Python编程的基础知识，还融了丰富的漫画图解和幽默趣味的解说，让学习过程轻松愉快，充满乐趣。 与传统的编程教材不同，《漫画学Python：快速提高》将编程知识呈现得活灵活现，仿佛在与读者行一场轻松愉快的对话。斯蒂芬和薛定谔以幽默的笔触描绘了一个充满趣味和惊喜的Python编程世界，让读者在学习的同时不知不觉地感受到了编程的乐趣和魅力。 本书不仅适合编程初学者，也适合有一定经验的发者。无论你是想学习一门新技能，还是希望巩固和拓展自己的编程知识，本书都将是你的理想选择。通过本书，你将轻松掌握Python编程的核心概念，从变量和数据类型到函数和控
（1）机器学习等AI技术驱动的智能数据分析是数据分析行业的未来发展方向，所有数据分析师都应该关注。 （2）作者从事数据分析与挖掘10余年，对Python等各种数据分析技术和工具都非常熟悉，在智能数据分析领域也积累了大量的经验。 （3）本书面向零Python基础和零AI基础的读者，精选了*精华的知识，包含大量示例代码，指导读者快速门。
结合机器学习算法，行信用评分卡模型的构建 手把手带领读者零门槛学习金融领域的风险控制 理清业务：立足业务场景，深剖析金融大数据风控建模的全流程 算法精讲：详解算法原理，系统梳理不同算法的异同与应用场景 代码实践：提供完整的源代码和详细的代码注释，带领读者动手实践 项目实战：以真实数据为基础，通过实际项目从0到1行全流程实战 《Python金融大数据风控建模实战：基于机器学习》精华内容： 智能风控背景篇： 金融科技介绍 机器学习介绍 评分卡模型介绍 评分卡理论与实战基础篇： 数据清洗与预处理 变量编码方法 变量分箱方法 变量选择 Logistic回归模型 模型的评估指标 评分卡分数转化 模型在线监控 评分卡理论与实战阶篇： 样本不均衡处理 特征工程阶 决策树模型 神经网络模型 支持向量机模型 集成学习 模型融
《漫画学Python：完美实践》是一本与众不同的编程指南，它以幽默风趣的方式引领读者探索Python编程的奇妙世界。在这本书中，作者斯蒂芬和薛定谔不仅通过清晰的示例和实用的练习教授Python编程的基础知识，还融了丰富的漫画图解和幽默趣味的解说，让学习过程轻松愉快，充满乐趣。 与传统的编程教材不同，《漫画学Python：完美实践》将编程知识呈现得活灵活现，仿佛在与读者行一场轻松愉快的对话。斯蒂芬和薛定谔以幽默的笔触描绘了一个充满趣味和惊喜的Python编程世界，让读者在学习的同时不知不觉地感受到了编程的乐趣和魅力。 本书不仅适合编程初学者，也适合有一定经验的发者。无论你是想学习一门新技能，还是希望巩固和拓展自己的编程知识，本书都将是你的理想选择。通过本书，你将轻松掌握Python编程的核心概念，从变量和数据类型到函数和控
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。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，接下来
12个“小白也要懂” 11个“大牛讲坛” 15个“实战” 5大应用领域 附赠配套案例程序的源代码、素材、教学视频、授课用PPT
《Python从门到精通（微课精编版）》是专门为零基础自学人员造的一本超简捷的Python学习路线，内容覆盖Python基础语法与编程技巧，从基础门到热门项目全面精讲，具有内容全面、门容易、案例多、体验好、栏目贴心等特。这不仅是一本图书，更是一部视频课堂，配套同步视频讲解，微信扫一扫，随时随地免费在线观看；每一章都配有精准的在线支持，同样微信扫一扫，即可免费获得与本章知识相关的知识拓展、专项练习、更多案例等优质在线学习资源，让你以一本书的价格，获得双倍的学习内容，更便捷，更超值。图书配套零基础学员需要的13大资源库，包括计算机基础知识库、 Python基础工具库、正则表达式工具库、数据库编程工具库、网络编程工具库、前端发工具库、Web发工具库、网络爬虫工具库、界面编程工具库、大数据处理工具库、人工智能编程工具库、
1.全彩印刷：还原真实代码环境，让编程学习更轻松；
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
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。
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
【人气推荐】《Python 3 网络爬虫发实战》作者、微软小冰工程师崔庆才作序，腾讯、马蜂窝工程师倾力推荐。 【干货满满】爬虫工程师不可错过的 武功秘籍 ，内容包括但不限于Cookie 反爬虫、WebSocket 反爬虫、字体反爬虫、WebDriver 反爬虫、App 反爬虫、验证码反爬虫。 【反爬虫原理 爬虫实战】从实战出发，印证国内互联网企业内部加密原理，侧重讲解反爬虫的原理以及绕过方法。 【21个反爬虫示例】结合练习平台 Steamboat，帮助读者随时复现书中的 21个爬虫示例，巩固所学知识。
1.Python零基础，轻松学会数据分析与挖掘 2.编码、分析、挖掘，数据分析全流程一次搞定 3.微课视频，扫码即可观看，重难逐个破 本书适于统计学、数学、经济学、金融学、管理学以及相关理工科专业的本科生、研究生使用，也能够提高从事数据咨询、研究或分析等人士的专业水平和技能。
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
Python语言的热度越来越高。基于Python的Web发框架也越来越多，其中Django以快速发、代码结构清晰以及功能齐全等优，成为*受青睐的Web发框架。1. 作者是百度发工程师，实际发经验丰富。2. 书中案例来自于实际发项目。3. 配套教学视频。
（1）两位作者是资深的数据分析与挖掘技术专家、AI技术专家，在广告和金融行业有深厚的积累。 （2）横跨技术和业务两个维度，理论与实践相结合，循序渐，系统且全面。 （3）技术维度，系统讲解广告数据挖掘的模型、算法和方法，实现精准营销。 （4）业务维度，为广告业务中的具体问题提供解决方案，包含大量案例和代码。
本书涉及的主题如下： 数据分析； 数据清洗； 数据可视化； 探索性数据分析； 概率分布与假设检验； 群组分析； 物篮分析； 时间序列分析。 本书突出的特如下： 系统讨论基于Python的数据分析环境构建与数据分析流程； 将数据分析理论与实践结合，基于真实的案例介绍数据分析。
资源丰富：扫码即可观看44个案例视频（总长近300分钟），所有案例源代码均可下载 专业实用：基础知识案例 销售数据/财务数据/HR数据/企业运营数据/统计调查数据分析领域综 合案例
Python深度强化学习:基于Chainer和OpenAI Gym
暂无
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
本书主要分三篇14章，主要内容概述如下： 基础篇（第1章~第7章） 自动化测试基础知识。 本篇主要讲述自动化测试人员需要掌握的基本知识，从代码使用层面行介绍，包括Python基础、WebDriver API的使用及单元测试框架UnitTest、Pytest等知识。基础篇主要是为自动化测试实践下牢固基础，适合初学自动化测试的人员学习。 实践篇（第8章~第10章） 自动化测试项目实战。 本篇主要介绍自动化测试项目的应用。首先以数据驱动模型和PO模型为基础行实战练习，然后介绍持续集成在自动化测试中的应用。项目实战篇适合具有一定基础的自动化测试人员学习。学完实践篇读者会对项目解析、自动化框 架搭建、模块封装、用例组织、测试报告生成和持续集成有一定程度的认知，并运用于自己的项目。 卓异篇（第11章~第14章） 拓展知识面并提高项目质量。 一个完整的自动化测试
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
- 以 从门到精通 的写作方法构建内容，让读者门容易。 为了使读者能够完全看懂本书的内容，本书遵循 从门到精通 基础类图书的写法，循序渐地讲解算法的知识。 - 破解语言难，以 技术解惑 贯穿全书，绕过学习中的陷阱。 为了帮助读者学懂算法，每章都会有 技术解惑 模块，让读者知其然又知其所以然。 - 书中包含大量典型实例。 书中有195个实例，通过这些实例的练习，读者有更多的实践演练机会。 - 通过QQ群和网站论坛实现教学互动，形成互帮互学的朋友圈。 本书作者为了方便给读者答疑，特地提供了网站论坛、QQ群等技术支持，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。网站名称和群号，详见本书前言部分。
资深测试发专家撰写，凝聚自己多年发经验，系统且深阐释利用Python行Web自动化测试涉及的方法和实践
内容简单易懂、层次脉络清晰、难度适中，内容、案例、难安排恰当； 注重理论与实践相结合，精选经济管理类案例，易于理解； 应用部分突出数据处理基础能力的培养，包括数据获取、数据分析、数据可视化等内容； 提供全套教学课件、案例数据和源代码，可从清华大学出版社官方网站下载； 提供教学视频，扫描正文章节中的二维码即可观看。
本书采用了以任务为导向的教学模式，按照解决实际任务的工作流程路线，逐步展介绍相关的理论知识，推导生成可行的解决方案，* 后落实在任务实现环节。全书大部分章节紧扣任务需求展，不堆积知识，着重于解决问题时思路的启发与方案的实施。通过从任务需求到实现这一完整工作流程的体验，帮助读者真正理解与消化Python数据分析与应用。书中案例全部源于企业真实项目，可操作性强，引导读者融会贯通，并提供源代码等相关学习资源，帮助读者快速掌握大数据相关技能。
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
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。
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
Python机器学习(微课视频版)——手把手教你掌握150个精彩案例
（1）《Python机器学习（微课视频版） 手把手教你掌握150个精彩案例》系统论述用Python语言行机器学习项目发的方法与技巧，内容涉及机器学习、大数据分析、自然语言处理等方面。 （2）柯博文老师（作者）长年在美国及中国各地教授Python、机器学习、人工智能等课程，积累了丰富的实战经验后才编著成书，书中内容也经过了业界*工程师学员的检验。书中程序均经过实际验证，读者可直使用或行二次发。 （3）在介绍与统计分析相关的机器学习数据分析的程序中，使用了大量的真实数据行分析和预测，具有极强的实用性和可信度。 （4）配套资源：程序代码和420分钟微课视频。
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。
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
本书专门针对Python新手量身设计，涵盖了Python 3.5 实际发的重要知识。编者使用通俗易懂的描述和丰富的示例代码，并结合日常生活中的一些小事件，使本书读起来生动有趣，一些复杂的问题也以简单的形式展现出来，读者学起来不仅轻松，而且可以充分感受到Python的魅力。学编程必须动手才能见到成效，本书在设计上特别强调讲练结合，注重实践，不仅在讲解的过程中结合大量代码示例，同时适时穿插小项目演练，以锻炼读者的程序设计能力。各章安排了程序调试、问题解答、温故知新等主题，帮助读者发现程序错误，解答学习中的困惑，巩固所学知识。本书*后通过两个Python热门应用 数据分析和网络爬虫，介绍了Python在实际发中的方法和技巧，旨在提升读者的发技能，达成学以致用之目标。
全面讲解使用matplotlib绘制各种图表的方法，并灵活设置图形 采用大量案例，使读者可以根据自身需求灵活使用matplotlib中的函数、面向对象方法和绘图语句
Python Programming for Arduino
Python不仅拥有命令式编程的强大优化能力，而且还具备函数式编程的诸多特性。本书通过Python诠释函数式编程的核心思想，详细介绍如何利用函数式编程的优，编写代码简洁明了且易于维护的高性能Python程序，充分释放Python潜力。各章由浅深，循序渐，全方位展示Python函数式编程的强大与精妙，助你迈向高阶Python发。更有丰富代码示例，让你快速上手，学以致用。 -函数式编程的基本概念与特性 -使用迭代器和生成器表达式 -用Python的内置函数操作数据集 -常用高阶函数以及新建方法 -使用递归设计算法以及常用归约函数 -元组处理技术 -多个实用模块和PyMonad库 -用装饰器构建复合函数 -避Python严格求值顺序的方法 -Web服务设计方法 -常用优化技巧
