Python

本書以Python語言為載體，將孩子們引進人工智能的奇妙世界。Python語言是最新流行的編程語言，適用於遊戲和人工智能編程。主要有三個部分：首先以一款叫CodeMonkey的小遊戲帶領孩子們初步建立對編程的感性認識；之後詳細介紹Python語言的基本語法和使用方法；第三部分高階篇

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

Python是一種解釋型、物件導向、動態資料類型的高級程式設計語言。Python可以用於很多的領域，從科學計算到遊戲開發。 《Python程式設計初學者指南》嘗試以輕鬆有趣的方式來説明初學者掌握Python語言和程式設計技能。全書共12章，每一章都會用一個完整的遊戲來演示其中的關鍵知識點，並通過編寫好玩的小軟體這種方式來學習程式設計，引發讀者的興趣，降低學習的難度。每章最後都會對該章的知識點進

現在有許多領域都廣泛使用Python，例如軟體建構、系統管理與資料處理。在這些領域中，經驗老到的專家可以找到效率低下、有問題的案例，以及導致不良程式的隱患。看完這本書的讀者將會瞭解這些問題，更重要的是知道如何修正它們。 本書首先介紹編寫簡潔程式的基本元素，以及它在Python程式設計中有多麼重要。你將瞭解如何運用Python標準程式庫與軟體設計最佳做法來編寫高效且易讀的程式。你也會學到如何在Python中實現SOLID原則，以及使用裝飾器來改善程式。本書將更深入地探討Python的物件導向程式設計，告訴你如何透過描述器與產生器來使用物件。本書也會展示軟體測試程式的設計原則，以及如何在程式中實作設計模式來解決軟體問題。在最後一章，我們會從堅實平台的基礎程式開始談起，將單體應用程式拆成微服務。 讀完本書之後，你將能夠熟練地運用業界認可的編寫技術來設計簡潔、易維護、易讀的Python程式。 你會學到； ‧設定工具，在開發環境中高效率地工作 ‧Python的魔術方法如何協助我們編寫更好的程式 ‧利用Python的特性來建立更高級的物件導向設計 ‧使用裝飾器與描述器來移除重複的程式 ‧藉助單元測試來有效地重構程式碼 ‧在Python中實現SOLID原則

全書共分9章，包括Python開發環境的搭建與編碼規範、Python語言基礎、流程控制語句、序列的應用、函數的定義與使用、文件操作、模塊與庫、Python數據可視化實戰等。書中所有知識都結合具體實例進行講解，涉及的程序代碼給出了詳細的注釋，可以使讀者輕鬆領會Python程序開發的精髓，快速提高程序開發技能。本書附有配套視頻、教學PPT、課後測試題、項目源碼等資源，課後測試題也給出了相應的答案，讀者可以掃描二維碼觀看視頻講解，解決學習疑難，降低編程門檻，讓零基礎者輕鬆跨入編程領域。本書可作為高職高專學生Python程序設計相關課程的教材，也可供從事相關工作的工程師和愛好者閱讀使用。

本書主要面向企業資料分析需求，全面且系統地介紹了如何通過 Python 來分析 Excel 資料。本書主要分為 3 部分：第 1 部分是 Python 3.9 語言基礎，主要介紹 Python 的基礎知識，為之後的學習奠定基礎；第 2 部分是 Excel 資料分析，主要介紹 NumPy、Pandas、Matplotlib、Seaborn、openpyxl 和 xlwings 等內容，使讀者可以通過 Python 讀取和統計分析 Excel 資料；第 3 部分是 Excel 資料分析實踐，使讀者回歸到實際應用中，並回顧之前學習的知識。本書既適合有一定 Excel 基礎，想進一步提高工作效率的辦公人員閱讀，也適合那些需要在日常工作中處理大量和複雜資料的辦公人員閱讀，更適合 Python 初學者、程序設計零基礎想通過程序設計實現辦公自動化的人士閱讀。

本書主要通過案例介紹Python程序設計基本語法及應用，為後續的數據分析課程打下堅實基礎。包括：Python學前準備、認識Python編程、Python基礎語法、簡單數據類型與運算符、字符串、列表與元組、分支結構、循環結構、異常處理、集合與字典、函數與模塊、面向對象編程、文件、常用基礎庫、數據庫應用、數據分析和數據可視化等十七章內容。本書可作為高等院校理學、工學、經濟、管理、教育等多門類專業的計算機語言教材或者參考書，也可為從事數據處理的科學工作者、技術人員提供參考。

自然語言處理技術在構建智能社會中發揮越來越重要的作用。本書介紹如何學習和使用流行的Python編程語言開發自然語言處理應用。主要內容包括面向自然語言處理開發的Python編程語言入門，使用Python開發中文分詞，實現Word文檔自動校對基礎，文本相似度計算和排重的原理與實現，文本摘要的原理與實現，問答式聊天機器人算法與代碼實現、機器翻譯技術及其實現與評測。本書是獵兔搜索技術在Python自然語言

本书介绍了Python基础、机器学习，以及最好也最易学习的两个平台PyTorch和Keras。全书共20章，包括Python安装配置、Python语言基础、流程控制语句、序列、函数、对象、文件及异常处理、数据处理和分析的重要模块(NumPy、Pandas)、机器学习基础、机器学习常用调优方法、神经网络、卷积神经网络，以及使用PyTorch、Keras实现多个人工智能实战案例等。

《Python在財務管理中的應用》旨在培養具有一定數智化技術功底的財務管理應用型人才。書中內容先結合財務背景知識介紹Python的變量、常用語句、函數等基礎知識，以及Python的庫、模塊、可視化、數據采集和處理等功能，然後結合財務管理的專業知識，探討運用Python解決貨幣時間價值、資本成本分析、投資項目評價、證券投資組合策略、成本管理、本量利分析、短期經營決策、財務報表分析、財務預測與預算管理等場景中的典型分析和決策問題。最後，通過綜合實例講解了Python在行業財務報表採集和財務報表分析中的應用。《Python在財務管理中的應用》提供了完善的教學資源，包括教學課件、教學視頻、練習數據、參考答案等。適合作為高等院校財務管理、會計、審計、工商管理、信息管理等相關專業的教學用書，也適合作為企業中高層財務管理人員和信息化主管在數字化管理轉型中的參考書。

Python簡單易學，擁有豐富的庫，並且具有極強的包容性。本書展示了如何利用Python語言的強大功能，以最小的編程代價對數據進行提取、處理和分析。這一版除了介紹數據分析和Python基礎知識、NumPy庫和pandas庫，使用pandas讀寫和處理數據，用matplotlib庫實現數據可視化，用scikit-learn庫進行機器學習，D3庫嵌入和識別手寫體數字，還新增了用TensorFlow進行

本書系統地介紹了基於Python的數據分析和數據挖掘技術，全書由3篇，約13章組成。第一篇為Python基礎知識，內容涵蓋Python基礎語法、函數和面向對象知識；第二篇為數據分析部分，包括Numpy和Pandas庫的應用，數據基本統計分析、交叉分析、相關分析等，數據可視化技術等；第三篇為數據挖掘方法與實戰，包括關聯規則、決策樹分析、預測與時間序列分析等。

本書是一本教初學者學習Python 基礎知識及簡單數據處理的入門書籍。以PyCharm作為開發工具，採用理論與項目結合的形式，循序漸進地講解Python 基礎知識、網絡爬蟲、pandas 數據處理及數據可視化。本書共12章，第1～9章講解了Python 基礎知識，包括Python 開發環境的安裝、語法基礎、控制流程語句、序列、字典和集合、函數、類與對象、異常處理、文件操作；第10章講解了網絡爬蟲，包括使用requests 庫爬取數據、使用BeautifulSoup 庫解析數據、使用Scrapy 框架實現爬蟲；第11章講解了pandas 數據處理，包括Series 對象、DataFrame 對象、數據清洗與數據處理；第12章講解了使用matplotlib 庫進行數據可視化。本書適合編程初學者學習Python 基礎知識和簡單的數據處理，也適合作為專科、本科院校計算機相關的教材。

本書基於Python語言，結合實際的數據集，介紹了機器學習算法以及數據分析方法的應用。本書主要包含兩部分內容，第一部分為Python機器學習入門知識：主要介紹了Python的基礎內容、Numpy與Pandas庫數據操作、Matplotlib與Seaborn庫數據可視化、Sklearn庫機器學習，以及與機器學習相關的基礎知識；第二部分為Python機器學習算法應用：主要介紹了數據的回歸預測分析、時間序列預測，數據無監督學習中的聚類、降維以及關聯規則，數據分類模型的應用以及針對文本數據與網絡圖數據的機器學習算法應用。本書適合對機器學習、數據分析感興趣的初學者學習，也可作為Python機器學習、數據分析、數據可視化的入門及進階的教材。

本書主要包含三部分內容，第一部分為Python編程基礎，第二部分是HTTP協議，第三部分是HTTP接口測試實戰。讓讀者可以從零開始，逐步掌握Python語言，具備基本的Python編程基礎。通過練習的方式瞭解HTTP協議中常用的概念和機制。最後，將兩者相結合，學會用Python進行HTTP接口測試，主要採用Python的單元測試方法進行HTTP接口測試工作，通過一步一步的練習，讀者會掌握unittest單元測試框架的使用，掌握測試數據的外部化(到文件和到Excel等)，掌握HTTP接口的發現和探測。 本書亦學亦練，學練結合，每個章節分為多個小節，每個小節的前半部分會對本小節的知識點主題進行詳細的介紹，後半部分會啟動一個練習，讓讀者邊閱讀邊練習，在練習中檢驗學習的成果。

《對比Excel，輕鬆學習Python統計分析》是“對比Excel”的第4本書，全書依舊突出對比學習的特點，通過對比 Excel 的方式來講解如何利用 Python 學習統計學知識，即統計分析。是“對比 Excel”之前3本書的延續，同時也是數據分析師技能樹的擴展。 《對比Excel，輕鬆學習Python統計分析》的主線是圍繞統計學的理論知識展開的，層層遞進，依次為描述性分析、概率和概率分布、抽樣推 斷與參數估計、假設檢驗、方差分析、卡方分析、回歸模型、相關性分析、時間序列。每個理 論知識又由核心的 3 個部分組成：該理論知識在數據分析中的應用、理論知識講解、Excel 和 Python 工具的實現，讓大家學完本書以後既學到了理論知識，也知道如何將理論知識在數據分 析中應用，還知道如何用 Excel 和 Python 去實現。

《Python數據分析、挖掘與可視化》從大數據分析實際業務流程出發，利用案例貫穿介紹了大數據分析應具備的基礎開發技術，包括Python基礎、Python高級開發技術、數據采集與存儲、數據預處理、數據分析、數據可視化、數據挖掘等；詳細介紹了基於Python的數據分析全流程技術和相關機器學習算法；並通過社交用戶畫像挖掘案例，介紹了從應用場景需求分析→社交數據分析→用戶畫像構建的開發方法和過程，以及基於Flask框架、用戶屬性、神經網絡挖掘的社交用戶數據分析和畫像構建過程。 《Python數據分析、挖掘與可視化》既可作為高等院校人工智能、計算機、大數據等專業的相關課程的教材，也可作為大數據分析人員的技術參考書。

隨著大數據技術的發展及Python在人工智能領域的火熱應用，Python得到越來越多的應用。本書就是在這個背景下編寫的，是一本Python 3.6入門教材，特別適合想直接切入爬蟲編程及大數據分析處理的讀者學習使用。本書贈送示例源代碼與教學視頻。 本書分為16章，主要內容包括開發環境、數據結構、函數、面向對象、多線程、模塊、包、GUI模塊、圖形模塊、正則模塊、文件處理模塊、網絡編程模塊和爬蟲模塊等，並且為每個模塊提供了實戰示例，最後用兩章來介紹數據庫編程實戰和爬蟲框架實戰。 本書內容詳盡、示例豐富，適合廣大Python入門讀者和Python開發人員閱讀，同時也可作為高等院校和培訓學校計算機相關專業的師生教學參考。

《用Python寫網絡爬蟲（第 2版》講解了如何使用Python來編寫網絡爬蟲程序，內容包括網絡爬蟲簡介，從頁面中抓取數據的3種方法，提取緩存中的數據，使用多個線程和進程進行併發抓取，抓取動態頁面中的內容，與表單進行交互，處理頁面中的驗證碼問題，以及使用Scarpy和Portia進行數據抓取，並在最後介紹了使用本書講解的數據抓取技術對幾個真實的網站進行抓取的實例，旨在幫助讀者活學活用書中介紹的技術。《用Python寫網絡爬蟲（第 2版》適合有一定Python編程經驗而且對爬蟲技術感興趣的讀者閱讀。

本書共分為9章，第1章和第2章簡單介紹Python的基本情況和基礎知識，使讀者瞭解統計中經常用到的Python基礎知識；第3章主要是對如何使用Python讀取及處理數據進行介紹；第4章是對數據可視化進行講解，通過折線圖、箱形圖、餅狀圖等圖的繪製進一步掌握讀取數據的方法，並且能夠掌握Python基礎知識點；第5章則是對數據進行描述性統計分析介紹，如對數據的集中趨勢、離散程度等進行講解；第6～9章包括T檢驗、方差分析、相關分析和回歸分析等統計分析方式，以及對於相關結果的解讀和分析。

《Python 實驗編程：自然科學探究》選取一些自然科學的經典知識和案例，如數學中的傅裡葉變換、圓周率，計算機技術中的RSA加密，數學建模中的微分方程數值算法，航天領域的火箭、發動機、衛星軌道和衛星探測等，將這些案例中的知識點、研究和計算過程與Python編程的應用有機結合，帶領讀者初步體驗和學習使用Python進行數學建模、數據處理等。

本書分為3部分：第1部分是基礎篇，帶領初學者實踐Python開發環境和掌握基本語法，同時對網路通訊協定、Web用戶端技術、資料庫建模程式設計等網路程式設計基礎深入淺出地進行學習；第2部分是框架篇，學習當前最流行的Python Web框架，即Django、Tornado、Flask和Twisted，達到對各種Python網路技術融會貫通的目的；第3部分是實戰篇，分別對幾種常用WEB框架進行項目實踐，

本書是一本從零開始、手把手教你運維的書籍，通過上百個實際運維場景案例，幫助讀者理解並掌握自動化運維。 本書分為三篇共11章，第一篇是基礎運維，介紹自動化運維、Python基礎、文本處理、日誌、FTP服務器、使用Python發郵件、微信等。通過本篇的學習，可以達到編寫Python程序來解決基礎運維問題的水平；第二篇是中級運維，介紹自動化運維工具（Ansible）、作業調度工具（APScheduler

Provides information on using Python along with the Pygame library to create video games.

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。

本教材立足中國製造有關戰略背景，為智能製造工程專業量身打造，構建“工業問題驅動—算法實現—系統集成”三位一體的教學體系，通過五個典型工業場景案例，培養學生將 Python 編程能力轉化為解決工業實際問題的工程素養。第一部分：Python 基礎語法。本部分突破傳統編程教材範式，通過與工業領域緊密結合，展開介紹Python在工業自動化和數據處理中的應用，旨在幫助讀者掌握Python 編程的基礎技能。 第二部分：項目實踐。本部分將理論知識應用到工業實際問題中，側重培養讀者的智能製造全棧開發能力，以及讓讀者掌握現代智能製造核心技術。

本書採用案例和理論相結合的形式，以Anaconda和PyCharm為開發工具，系統地重點闡述了利用Python進行數據預處理、分析與可視化等相關知識，講解了Python各種數據處理展示的函數方法的使用方法。全書共有6章，分別是數據分析概述、Python基礎、利用Pandas進行數據預處理、利用Pandas進行數據分析、利用Matplotlib進行數據可視化、Python數據分析與綜合應用。書中安排了思維導圖、學習目標、知識指南、任務實訓、結果分析、鞏固訓練、每章測試等模塊。本書既可以作為本科和高職院校各專業數據分析相關課程的教材，也可以作為企業電子商務、市場營銷、數據分析人員的參考資料。

本書主要介紹如何使用Python處理Excel數據。本書內容分為三大部分：第一部分主要介紹數據分析的概念和Python基礎；第二部分通過蜂蜜電商數據分析案例詳細介紹數據分析的技術要點，包括讀寫Excel文件所需的xlwings庫和openpyxl庫、數據分析的pandas核心庫，以及數據可視化常用的Matplotlib庫和Seaborn庫；第三部分包括個人消費貸款數據分析和螺螄粉連鎖店銷售數據分析兩個實踐案例，通過實踐案例幫助讀者回顧理論知識並提高實踐能力。 本書適合Python零基礎且需要處理大量Excel數據的辦公人員閱讀，也可以作為學習Python數據分析的入門教程。

本書介紹如何使用Python語言進行網絡爬蟲程序的開發，從Python語言的基本特性入手，詳細介紹了Python爬蟲程序開發的各個方面，包括HTTP、HTML、JavaScript、正則表達式、自然語言處理、數據科學等不同領域的內容。全書共14章，分為基礎篇、進階篇、提高篇和實戰篇四個部分，內容覆蓋網絡抓取與爬蟲編程中的主要知識和技術。同時，本書在重視理論基礎的前提下，從實用性和豐富度出發，結合實例演示了編寫爬蟲程序的核心流程。 本書適合Python語言初學者、網絡爬蟲技術愛好者、數據分析從業人員以及高等院校計算機科學、軟件工程等相關專業的師生閱讀。

作者根據自己多年的前後端開發經驗，站在完全零基礎讀者的角度，詳盡介紹了Python數據可視化的基礎知識，以及大量的開發技巧。本書分為3篇，圍繞Python的3個主要數據可視化庫進行詳細的講解：Python中最基礎的可視化庫Matplotlib、在實際工作中首選的Seaborn、可以在網站後臺中實現數據可視化的Pyecharts。讀者將這3個數據可視化庫掌握，就能夠解決90%以上的開發需求。最後還有附錄幫助讀者快速查找3個數據可視化庫中常用的繪圖函數。本書適合完全0基礎的初學者、想要系統學習的Python工程師、大中院校相關專業的老師和學生使用。

本書以PyCharm為主要開發工具，採用理論與實訓案例相結合的形式，系統性地講解Python的核心知識。本書共11章，其中，第1～10章介紹Python語言的核心理論知識，包括基礎知識、流程控制、字符串、組合數據類型、函數、文件與數據格式化、面向對象、異常和Python計算生態與常用庫；第11章圍繞著前期學習的理論知識開發一個遊戲項目――飛機大戰。除第1章和第11章外，其他章均配有豐富的實訓案例和

《算法零基礎一本通(Python版)》使用 Python 指導讀者從零開始學習算法 ：由基礎數據結構開始，逐步解說信息安全算法，最後也講解了人工智能入門領域的 KNN 和 K-means 算法。《算法零基礎一本通(Python版)》包含約 120 個程序實例，使用約 600 張完整圖例，深入講解了 7 種數據結構和數十種算法，此外也針對國內外著名公司招聘程序員的算法考題做了講解。《算法零基礎一本通

全書共分為4篇：第1篇，包括瞭解Python、配置機器及搭建開發環境、語言規則；第2篇，介紹了Python語言的基礎操作，包括變量與操作、控制流、函數操作、錯誤與異常、文件操作；第3篇，介紹了更高級的Python語法知識及應用，包括面向對象編程、系統調度編程；第4篇，是對前面知識的綜合及實際應用，包括爬蟲實戰、自動化實戰、機器學習實戰、人工智能實戰。本書結構清晰、案例豐富、通俗易懂、實用性強。特別

全書共分14章，第1章～第8章為Python基礎知識的講解，包括Python概述、數據與數據結構、分支、循環、函數、文件操作、面向對象編程、異常處理、多任務編程、GUI編程等內容； 從第9章開始，講述了Python在網絡相關領域的應用，主要包括數據庫操作、加解密、網絡編程、圖像處理、Web編程、網絡數據抓取等內容。本書每一章節都包含大量的編程示例及其解釋說明。本書適合於編程的初學者，或者學過其他編

Python 語言是目前市面上最受歡迎的程式設計語言之一，除了功能強大之外，還有快速上手、隨時可擴充、社群支援等特性。本書以16章的篇幅快速介紹Python 語言的精要，包括程式設計的重要性以及由來、Python語言的基礎知識、程式設計環境的安裝與設置、套裝軟體管理與線上資源、jupyter的使用 、資料類型、運算式、函數、程式控制流程、與資料庫的操作、提取網頁數據、Firebase資料庫、Fac

本書以PyCharm為主要開發工具，採用理論與實訓案例相結合的編寫方式，系統性地講解Python的相關知識。本書共11章，其中，第1～10章介紹Python 語言的理論知識，內容包括Python概述、Python基礎知識、流程控制、字符串、組合數據類型、函數、文件與數據格式化、面向對象、異常、Python計算生態與常用庫等；第11章運用前面所學知識開發一個實戰項目——飛機大戰遊戲。除第1章和第11章外，其他章均配有豐富的實訓案例，讀者可以一邊學習一邊練習，鞏固所學知識，並在實踐中提升實際開發能力。本書配套豐富的教學資源，包括教學PPT、教學大綱、教學設計、教學視頻、源代碼、課後習題及答案等。此外，為幫助讀者更好地學習本書，編者團隊還提供在線答疑服務，希望可以幫助更多讀者。本書可作為高等教育本、專科院校計算機相關專業的教材，也可作為編程愛好者的自學參考書。

《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。

本書分為10章。第1章介紹Python語言的起源和特性，以及安裝Python及其開發環境的方法；第2章介紹Python語言的基礎知識；第3章介紹Python數據組織結構，作為學習後續數據操作的基礎；第4～7章介紹為了能夠有效進行數據分析和數據挖掘所必須對數據進行的多種處理方法；第8章介紹使用不同的Python擴展庫，以不同的可視化方法和形式對數據進行探索和分析；第9章介紹數據分析方法；第10章介紹數據挖掘的關聯、分類和聚類算法。 本書配套以下教學資源：教學PPT、習題答案、數據分析支撐文件、程序代碼等，請選用本書作教材的教師登錄www.cmpedu.com註冊後下載，或發郵件至jinacmp@163.com索取(注明學校名+姓名)。 本書可作為普通高校計算機、大數據、人工智能、金融管理等專業的教材，也可供廣大從事數據分析、人工智能、機器學習等應用系統開發的技術人員參考。 本書配有電子課件和程序代碼，書中的程序代碼均在Python 3.8、Anaconda 3上調試通過，有些需要安裝第三方庫。選用本書作教材的老師請登錄www.cmpedu.com註冊下載課件等教學資源，或發郵件至jinacmp@163.com索取。

本书对 Ｐｙｔｈｏｎ 编程的基础内容、Ｐｙｔｈｏｎ 数据处理与分析的基本工具、统计建模的常见方法和原理以及 Ｐｙｔｈｏｎ 实现进行了详细介绍ꎬ本书最后两章ꎬ从两个实际的建模案例出发ꎬ对数据预处理、特征工程、统计建 模、结果分析与可视化ꎬ即统计建模的整个过程进行了详细说明ꎮ 本书适合从事统计学、应用数学、经济管理及计算机等方面工作或学习的本科生、研究生和教师阅读与 使用ꎮ

本書以淺顯易懂的語言和循序漸進的方式介紹Python語言的各個核心知識點：程序設計語言中基礎的算法；設置和安裝Python語言的運行環境；Python語言的各個基本語法，包括數據類型、變量與常數、表達式與運算符、流程控制、字符與字符串、函數、高級數據類型等；程序設計中更實用的主題，包括遞歸函數、排序算法、lambda表達式、開放數據、模塊與程序包、文件與數據流、錯誤與異常處理、面向對象程序設計及G