本書以Visual Studio Code軟件環境講解Python語言在數據採集與處理技術的部分應用技能。技能講解以案例應用的形式呈現，把技能知識的應用呈現於案例實現過程中，把理論知識貫穿於案例教學。全書收集了數據採集與處理技術相關的部分應用案例，分5個項目主要講解應用Python語言實現Excel電子表格操作、圖片處理、Word文檔操作及Matplotlib模塊的圖表實現等數據採集與處理技術方面的技能。本書可供數據採集與處理愛好者參考使用，也可作為大數據相關專業學生的教材。
本書是主教材《大學計算機基礎教程》(第九版，柴欣、姚怡主編)的配套教材。採用的軟件版本為Windows 10、Python 3.6.3、Photoshop CC 2018和Dreamweaver CC 2018。 全書分為實驗、習題和模擬測試題三部分。實驗部分包含19個精心設計的實驗；習題部分的內容編排與主教材的章節相呼應，題量過千，題型多樣，包括單選題、填空題、判斷題、問答題、編程題等；模
這本教科書的原作者為諾獎得主Thomas J. Sargent，本教材由竇錢斌、孫美露、胡靈翻譯，該書是對經濟網絡的介紹，面向經濟學和應用數學領域的學生和研究人員。教科書強調定量建模，主要的基礎工具是圖論、線性代數、不動點理論和編程。大多數數學工具都涵蓋了第一原理，其中兩個主要技術成果：Neumann 級數引理和 Perron-Frobenius 定理：起著核心作用。本書適合一學期的課程，既可以教授給熟悉線性代數的高年級本科生，也可以教授給剛入門的研究生。例如，雖然我們定義了特徵值，但學生應該已經知道特徵值和特徵向量是什麼，因此“特徵向量中心性”之類的概念或諾依曼級數引理之類的結果很容易被理解。本書也適合數學專業的學生，希望瞭解經濟學和網絡之間聯繫的工程、計算機科學和其他相關領域。 本書包含 Python 和 Julia 代碼的混合體。大多數是在 Python 中運行，因為這些庫在撰寫本文時更加穩定(儘管 Julia 也有強大的圖形操作和優化庫)。數字代碼可從作者處獲得。在每章的末尾我們提供了注釋，其中包含非正式的評論和參考。
