本书讲解深入浅出、实例短小精悍。从基础问题出发，逐步引导学生掌握Python语言的内容和应用方法。全书共分8章，内容包括Python语言基础、基本数据类型、运算符和表达式、程序控制结构、序列、字典和集合、函数、文件、Python第三方库安装及常用库等。各章均根据所讲内容给出配套的上机练习和习题。
本书可作为高等学校各专业的计算机程序设计基础教材，也可作为广大程序设计开发者、爱好者的自学参考书。

本书在知识编排上采用了以任务为导向的编写模式，尽可能使用通俗易懂的语言，采用实例法、类比法等多种适合学习者的讲解形式，全书分为 9 个项目，内容包含：Python 概述、Python 基础语法、Python 常用语句、序列、字典与集合等，由浅入深、循序渐进地介绍各项目内容，确保逻辑性和易读性，各项目任务中配套的实验内容围绕工作及生活中常见问题展开，具有趣味性及可读性，如实验案例有合理安排工资、绘制钢琴键等，同时为了提高学生“二级”考试通过率，在每个任务后设置“直击二级”，帮助学生理解“二级”考试

本书从程序设计的基本概念出发，由浅入深、循序渐进地讲述Python程序设计的基本知识和应用技能。本书主要介绍Python编程环境，Python语言基础，流程控制结构，复合数据类型，字符串与正则表达式，函数、模块和包，面向对象编程，文件操作，图形用户界面设计，以及数据库访问。本书以Python 3.8.1为蓝本，实例全部在PyCharm Community 2019.3.2中编写和测试。除了基本实例，本书还精选和安排了与实际工作项目密切结合的典型案例，以帮助读者进一步提高编程能力。本书可作为高等职

Python 是一种面向对象的脚本语言，其代码简洁优美，类库丰富，开发效率也很高，得到越来越多开发者的喜爱，广泛应用于Web 开发、网络编程、爬虫开发、自动化运维、云计算、人工智能、科学计算等领域。预测技术在当今智能分析及其应用领域中发挥着重要作用，也是大数据时代的核心价值所在。随着AI 技术的进一步深化，预测技术将更好地支撑复杂场景下的预测需求，其商业价值不言而喻。基于Python 来做预测，不仅能够在业务上快速落地，还让代码维护更加方便。对预测原理的深度剖析和算法的细致解读，是本书的一大亮点

主要内容
●　处理大型的结构化和非结构化数据集
●　使用Seaborn和Datashader实现可视化
●　实现自己的算法
●　构建分布式应用
●　打包和部署Dask应用

《Python科学计算和数据科学应用(第2版) 使用NumPy、SciPy和matplotlib》全面介绍Python在数值计算和数学领域的模块、标准库以及多个开源Python库，如NumPy、SciPy、FiPy、matplotlib等。在上一版的基础上，本书做了全面修订，更新了每个包的更新细节以及Jupyter项目的变化，演示了数值计算和数学建模在大数据、云计算、金融工程、商业管理等领域的应用。
　　本书提供了Python在数据科学和统计分析中很多新的应用示例，对上一版中的示

《Python数据分析》通过研究重要的行业案例探索这种数据分析方法的威力。四个内容精彩且结构完整的项目将你与每天可能遇到的重要数据分析挑战联系在一起。第一个案例是TensorFlow图像识别应用程序——包括让你在数据分析中使用如火如荼的人工智能技术。第二个案例分析社交媒体趋势，探索大数据问题和自然语言处理的人工智能方法。第三个案例是一个金融投资组合分析应用程序，让你参与时间序列分析技术——这是当今诸多数据科学应用程序的关键。第四个案例将带领你深入了解图形算法以及现代数据科学中编程的能力。最

《Python入门 第2版》内容简单易懂、生动有趣，是面向Python初学者的佳作。本书升级版涵盖了Python的基础知识的大量高级主题，以攻略式风格的代码示例来阐述Python 3的重要知识。每章结尾的练习可以帮你巩固所学的知识。

　　《Python程序设计（第3版 微课版）》共18章，主要内容如下：第1章介绍Python基础知识与概念；第2章讲解列表、元组、字典、集合等常用序列结构；第3章讲解Python选择结构与循环结构；第4章讲解字符串基本操作方法与正则表达式模块re的用法；第5章讲解函数设计与使用；第6章讲解面向对象编程有关的知识；第7章讲解文本文件与二进制文件的读写，以及文件与目录操作，Office文件操作；第8章讲解异常处理结构以及Python程序的调试与测试方法；第9章讲解标准库tkinter的GUI应用；第

　　Python作为一种程序设计语言，凭借其简洁、易读及可扩展性日渐成为程序设计领域备受推崇的语言。同时，Python语言的数据分析功能也逐渐为大众认可。《Python数据分析（微课版）》基于Python 3.6构建Python开发平台，全面涵盖Python基础编程知识；详解数据分析的数据特征、数据清洗、数据集成、数据规范化、数据归约、数据降维、数据分析建模、数据可视化和评估等流程，涵盖了Python常用的数据分析模块和数据分析算法。该书以13章的篇幅介绍Python数据分析，包括Python语