Python

面對日漸複雜的大數據，科技工作者很難用單一的統計軟件高效、完美地完成從數據挖掘、數據清洗、統計分析到結果呈現的全部工作，因此需要熟悉和掌握多種統計工具，各取所長、整合使用。本書立足於大數據研究的現狀，基於實際醫療案例，介紹數學基礎知識和統計學基礎知識,SAS、R語言、Stata和Python這4款大數據常用分析工具的基礎編程知識及實踐操作。 本書主要面向在校本科生、研究生，以及要掌握SAS、R語言、Stata和Python的數據工作者，熟悉四個軟件的任意一個且想要在短時間內掌握其他軟件的讀者，也適合醫科學生、臨床醫生或藥企人員等醫療相關人員學習使用。

書中將自然語言處理技術和統計處理技術視為工具，不會涉及到其繁瑣的原理、數學定理等。書中利用操作簡便的Python套裝程式來處理文本資料，探索文本挖掘可以幫我們做到的事情，而非用尖端的技術進行程式設計。書中用簡單明快的例子演示應用效果，並配有視頻展示，下載資料包即可獲取視頻和案例二維碼！本書通過5個章節介紹相關知識，第1章介紹文本挖掘的整體印象；在第2章中概括介紹了本書後面用到的Python的必要知識；第3章中介紹文本處理相關的基本概念和觀點；第4章中利用Python學習作為基礎處理的頻率分析方法和其能得到的結果；最後，在第5章中介紹文本挖掘需要用到的各種具體方法以及在Python中的處理步驟。

本書以介紹為主，不要求讀者精通建模技術，從基礎開始假設讀者僅能夠理解變量的定義（在數學和編程的意義上）、方程式、不等式和函數。本書綜合了十年間的討論，以及在奧克蘭大學的建模入門課程和研究生課程，每個模型都使用Google OR-Tools在Python中表

《Python數據分析從入門到精通》全面介紹了使用Python進行數據分析所必需的各項知識。全書共分為14章，包括了解數據分析、搭建Python數據分析環境、Pandas統計分析、Matplotlib可視化數據分析圖表、Seaborn可視化數據分析圖表、第三方可視化數據分析圖表Pyecharts、圖解數組計算模塊NumPy、數據統計分析案例、機器學習庫Scikit-Learn、注冊用戶分析（M

本書以“任務驅動，實戰領先”為出發點，通過216個實例詳細介紹了Python語言的基礎知識和語法操作規範，同時，書中還剖析了10個綜合應用案例，以培養讀者解決問題的能力。本書將理論和實踐融為一體，讓讀者真正做到學以致用。

本書共13章，主要內容涵蓋Python語法及資料分析方法。第1章主要介紹資料分析的概念，使讀者有一個大致的印象，並簡單介紹本書頻繁使用的Python的5個協力廠商庫。第2章主要做一些準備工作，手把手帶讀者搭建Python環境，包括Python 3.7.6的安裝和pip的安裝。第3章介紹Python程序設計基礎。第4章到第7章介紹使用Python進行簡單資料分析的基礎庫，包

《Python應用程序設計/21世紀高等學校計算機基礎實用規劃教材》內容包括程序設計基礎和應用程序設計兩大部分。程序設計基礎部分內容簡單，易學易用；應用程序設計部分包括圖形化使用者接口程序設計、文本分析程序設計、可視化程序設計、資料庫程序設計、大資料程序設計、人工智能程序設計、簡單遊戲程序設計和其他應用程序設計（如影像處理程序設計、視頻處理常式設計、語音合成程序設計和

《Python OpenCV 從入門到實踐》這本書以在Python 開發環境下，如何運用OpenCV 提供的方法為主線，介紹了使用OpenCV 對圖像進行處理的方式方法。全書分為13 章，即走進OpenCV、數字化圖像基礎、繪製圖形、幾何變換、圖像運算、濾波器、腐蝕與膨脹、圖形檢測、模板匹配、視頻處理、人臉識別和MR 智能視頻打卡系統。本書圖文並茂，彩色印刷，通過對比原圖，展示了經過處理的圖像與原

在計算機科學中，數據結構是一種數據組織、管理和存儲的格式；簡而言之，決定了數據順序和位置關係的便是數據結構，由此可見數據結構的重要性。本書以學習筆記的形式闡述了Python語言框架下的數據結構核心知識和應用實踐，尤其是對Python不同於其他語言的內置數據結構（線性表、隊列和棧、數、圖等）進行了重點講解，全書更多地通過實戰演練的形式將數據結構應用經驗融入實踐之中，旨在幫讀者透徹理解數據結構在編程實踐中的內涵，以期與算法實現融合，提升讀者編程內功。

《Python數據分析與挖掘實戰》涵蓋數據分析與數據挖掘的基礎知識、必備工具和有效實踐方法，能讓讀者充分掌握數據分析與數據挖掘的基本技能。 《Python數據分析與挖掘實戰》共分為15章，主要內容包括大數據獲取、數據預處理、探索性數據分析、用Sklearn估計器分類、主流數據分析庫、大數據的數據庫類型、數據倉庫/商業智能、數據聚合與分組運算、數據挖掘工具、挖掘建模、模型評估、社會媒體挖掘、圖挖掘分類、基於深度學習的驗證碼識別、基於深度學習的文本分類挖掘實現。 《Python數據分析與挖掘實戰》采用理論與實踐相結合的方式，利用Python語言的強大功能，既適合Python數據分析與數據挖掘初學者、大數據從業人員閱讀，也適合高等院校和培訓機構大數據與人工智能相關專業的師生教學參考。

Learn Quantum Computing with Python and Q# introduces quantum computing from a practical perspective. Summary Learn Quantum Computing with Python and Q# demystifies quantum computing. Using Python and the new quantum programming language Q#, you'll build your own quantum simulator and apply quantum programming techniques to real-world examples including cryptography and chemical analysis. Purchase of the print book includes a free eBook in PDF, Kindle, and ePub formats from Manning Publications. About the technology Quantum computers present a radical leap in speed and computing power. Improved scientific simulations and new frontiers in cryptography that are impossible with classical computing may soon be in reach. Microsoft's Quantum Development Kit and the Q# language give you the tools to experiment with quantum computing without knowing advanced math or theoretical physics. About the book Learn Quantum Computing with Python and Q# introduces quantum computing from a practical pers

本書採用項目化教程的模式，以理論講解與實戰案例演練相結合的方式，以知識點為主線，將每個項目按照知識點拆解分為多個任務，每個任務均以充滿趣味性的遊戲入手，系統、全面、循序漸進地講解Python知識點，使讀者能夠學以致用，融會貫通。全書共分為8個項目，分別是認識新朋友（Python）、開啟編程之旅、高級編程之路、叩開面向對象編程之門、異常處理、Python圖形界面設計、網絡爬蟲和使用Python操作數據庫。本書的每個知識點都有相應的實現代碼，並配有詳細的註釋說明，便於讀者快速理解和掌握。本書適合零基礎的讀者，也可作為高等院校的教材，還可供相關領域的廣大科研人員、從事大數據分析、數據爬取或深度學習的專業人員等作為參考書使用。

本書既是一本針對所有層次讀者的Python編程教學書籍, 又是一本利用Python解決量化交易實際問題的專業書籍。本書共分為四部分。第一部分是Python語言基礎, 主要介紹Python的基礎編程、數據結構、結構化編程、函數以及模塊和包等內容, 這一部分算是Python的基本入門。第二部分是Python編程進階, 包括面向對象的編程、面向數據的分析與可視化以及數據持久化等內容。掌握了這一部分可以進

本書對於機器學習的核心方法，進行了深入而詳細的介紹，並特別關注各學科最常用的算法。**特色在於力圖以生動的語言、較多的插圖與大量的實例來直觀地解釋機器學習的原理。同時，結合流行的Python語言，及時地介紹相應的軟件操作與經典案例，為讀者提供“一站式”服務。本書還提供詳盡的數學推導，盡量避免跳躍，並輔以直觀的文字解釋。對於看似復雜的機器學習原理，則刪繁就簡，娓娓道來，讓

無

全書共9章。第1章講解Python開發環境的搭建與使用，標準庫與擴展庫對象的導入與使用，以及Python代碼編寫規範。第2章重點講解內置函數和運算符的使用。第3章講解選擇結構、循環結構、異常處理結構的語法與應用。第4章講解列表常用方法、列表推導式和切片的語法與應用、元組與生成器表達式、序列解包等內容。第5章講解字典與集合的創建與使用。第6章講解字符串常用方法，標準庫string、zlib、json的基本用法，以及中英文分詞、中文拼音處理、簡體中文與繁體中文的轉換。第7章講解函數定義與調用的語法，位置參數、默認值參數、關鍵參數和可變長度參數的使用，變量作用域的分類與搜索順序，lambda表達式語法與應用、生成器函數和修飾器函數的定義與應用。第8章講解文本文件和二進制文件內容讀寫以及文件複製、移動、重命名、刪除、查看屬性、文件夾遍歷等操作。第9章通過幾個案例介紹標準庫tkinter、sqlite3在GUI編程和SQLite數據庫編程方面的應用，擴展庫python-docx、openpyxl、python-pptx對Office文檔的簡單操作，擴展庫requests、BeautifulSoup在網絡爬蟲方面的應用，以及擴展庫matplotlib在可視化領域的應用。本書適合作為研究生、本科、專科各專業程序設計課程的教材，也可以作為Python工程師和愛好者的自學用書。全書代碼支持Python 3.6以上的版本，部分代碼用到了Python 3.8和Python 3.9的新特性。

本書引領讀者進入Python機器學習領域。理論上突出機器學習原理講解的可讀性並兼具知識深度和廣度，實踐上強調機器學習的可操作性並兼具應用廣泛性。本書不僅對原理進行了深入透徹的理論講解，而且通過Python編程給出了原理的直觀解釋以及可操作實現的應用案例。

本書由淺入深、循序漸進地介紹了基於Python的商業資料視覺化技術，並結合實際案例詳細介紹了Python在資料視覺化方面的具體應用。本書重點介紹了Python的9個視覺化庫，分別為Matplotlib、Seaborn、Pyecharts、Bokeh、HoloViews、Plotly、Pygal、plotnine、Altair，並介紹了商業資料視覺化的思維，不僅做到授之以魚，更做到授之以漁。讀者通過