本书以实战项目为主线，系统介绍了Python在自动化办公、图像处理、控制各种传感器、搭建网络等工作中的实际应用案例，能够让初学者快速入门Python系列知识。 全书共分为18章，第一篇为Python基础（第1章~第3章），详细介绍了Python的基础知识；第二篇为自动化办公（第4章~第6章），介绍了Word、Excel、PPT、txt、csv、JSON、图像、声频、视频等各种文件的自动化操作；第三篇为PyQt5编程（第7章~第10章），介绍了用designer可视化设计程序图形界面的知识；第四篇为OpenCV图像处理（第11章~第15章），介绍了OpenCV如何处理图像的基础知识；第五篇为树莓派与传感器（第16章），介绍了Python如何控制各种传感器；第六篇为Flask搭建网站与Python进阶（第17章~第18章），介绍了Flask搭建网站的基础知识、文字识别、人脸识别、语音识别等开源项目及提升自己的学习线路图。

本书以实战项目为主线，系统介绍了Python在自动化办公、图像处理、控制各种传感器、搭建网络等工作中的实际应用案例，能够让初学者快速入门Python系列知识。 全书共分为18章，第一篇为Python基础（第1章~第3章），详细介绍了Python的基础知识；第二篇为自动化办公（第4章~第6章），介绍了Word、Excel、PPT、txt、csv、JSON、图像、声频、视频等各种文件的自动化操作；第三篇为PyQt5编程（第7章~第10章），介绍了用designer可视化设计程序图形界面的知识；第四篇为OpenCV图像处理（第11章~第15章），介绍了OpenCV如何处理图像的基础知识；第五篇为树莓派与传感器（第16章），介绍了Python如何控制各种传感器；第六篇为Flask搭建网站与Python进阶（第17章~第18章），介绍了Flask搭建网站的基础知识、文字识别、人脸识别、语音识别等开源项目及提升自己的学习线路图。

本书基于面向Python的OpenCV（OpenCVforPython），介绍了图像处理的方方面面。本书以OpenCV官方文档的知识脉络为主线，并对细节进行补充和说明。书中不仅介绍了OpenCV函数的使用方法，还介绍了函数实现的算法原理。在介绍OpenCV函数的使用方法时，提供了大量的程序示例。而且在介绍函数对图像的处理前，往往先展示函数对数值、数组的处理，方便读者从数值的角度观察和理解函数的处理过程和结果。在介绍具体的算法原理时，本书尽量使用通俗易懂的语言和贴近生活的示例来说明问题，避免使用过多复杂抽象的公式。本书适合计算机视觉领域的初学者阅读，包括在校学生、教师、专业技术人员、图像处理爱好者。

本书基于面向Python的OpenCV（OpenCVforPython），介绍了图像处理的方方面面。本书以OpenCV官方文档的知识脉络为主线，并对细节进行补充和说明。书中不仅介绍了OpenCV函数的使用方法，还介绍了函数实现的算法原理。在介绍OpenCV函数的使用方法时，提供了大量的程序示例。而且在介绍函数对图像的处理前，往往先展示函数对数值、数组的处理，方便读者从数值的角度观察和理解函数的处理过程和结果。在介绍具体的算法原理时，本书尽量使用通俗易懂的语言和贴近生活的示例来说明问题，避免使用过多复杂抽象的公式。本书适合计算机视觉领域的初学者阅读，包括在校学生、教师、专业技术人员、图像处理爱好者。

Python是一种被广泛用于网站开发、数据处理和机器学习等领域的高级编程语言，同时也是一种学习门槛较低的高级编程语言。本书是Python语言的入门读物，旨在引导初学者能够在轻松的环境中，掌握Python的基础知识，包括基本对象类型、函数、类、模块以及数据存储方式。

随着数据存储、数据处理等大数据技术的快速发展，数据科学在各行各业得到广泛的应用。数据清洗、特征工程、数据可视化、数据挖掘与建模等已成为高校师生和职场人士迎接数字化浪潮、与时俱进提升专业技能的必修课程。本书将“Python课程学习”与“数据科学应用”有机结合，为数字化人才的培养助力。 全书共分13章，内容包括：第1章数据科学应用概述；第2章Python的入门基础知识；第3章数据清洗；第4~6章特征工程介绍，包括特征选择、特征处理和特征提取；第7章数据可视化应用；第8~13章介绍6种数据挖掘与建模的方法，分别为线性回归、Logistic回归、决策树、随机森林、神经网络、RFM分析。 《Python数据科学应用从入门到精通》既适合作为经济学、管理学、统计学、金融学、社会学、医学、电子商务等相关专业的学生学习Python数据科学应用的专业教材或参考书，也适合作为企事业单位数字化人才培养的教科书与工具书。此外，还可以作为职场人士提升数据处理与分析挖掘能力，提高工作效能和绩效水平的自学Python数据科学应用的工具书。

随着数据存储、数据处理等大数据技术的快速发展，数据科学在各行各业得到广泛的应用。数据清洗、特征工程、数据可视化、数据挖掘与建模等已成为高校师生和职场人士迎接数字化浪潮、与时俱进提升专业技能的必修课程。本书将“Python课程学习”与“数据科学应用”有机结合，为数字化人才的培养助力。 全书共分13章，内容包括：第1章数据科学应用概述；第2章Python的入门基础知识；第3章数据清洗；第4~6章特征工程介绍，包括特征选择、特征处理和特征提取；第7章数据可视化应用；第8~13章介绍6种数据挖掘与建模的方法，分别为线性回归、Logistic回归、决策树、随机森林、神经网络、RFM分析。 《Python数据科学应用从入门到精通》既适合作为经济学、管理学、统计学、金融学、社会学、医学、电子商务等相关专业的学生学习Python数据科学应用的专业教材或参考书，也适合作为企事业单位数字化人才培养的教科书与工具书。此外，还可以作为职场人士提升数据处理与分析挖掘能力，提高工作效能和绩效水平的自学Python数据科学应用的工具书。

本书分为三大部分，共计17章。第一部分（第1~2章）介绍了基础知识，包括如何配置开发环境和在网上寻求帮助。第二部分（第3~14章）介绍了Python编程的最佳实践、实用工具和技巧，不仅涵盖了如何编写高质量的Python代码、什么是高级的Python语法、如何使用专业开发者所用的命令行工具，还介绍了性能测量和大O算法分析，并用游戏实例演示了什么是最佳实践。第三部分（第15~17章）介绍了面向对象的Python，内容包括如何编写类、什么是类的继承，以及Python独有的面向对象功能。

本书分为三大部分，共计17章。第一部分（第1~2章）介绍了基础知识，包括如何配置开发环境和在网上寻求帮助。第二部分（第3~14章）介绍了Python编程的最佳实践、实用工具和技巧，不仅涵盖了如何编写高质量的Python代码、什么是高级的Python语法、如何使用专业开发者所用的命令行工具，还介绍了性能测量和大O算法分析，并用游戏实例演示了什么是最佳实践。第三部分（第15~17章）介绍了面向对象的Python，内容包括如何编写类、什么是类的继承，以及Python独有的面向对象功能。

这是一本Python快速入门书，基于Python 3.6编写。本书分为4部分，第一部分讲解Python的基础知识，对Python进行概要的介绍；第二部分介绍Python编程的重点，涉及列表、元组、集合、字符串、字典、流程控制、函数、模块和作用域、文件系统、异常等内容；第三部分阐释Python的高级特性，涉及类和面向对象、正则表达式、数据类型即对象、包、Python库等内容；第四部分关注数据处理，涉及数据文件的处理、网络数据、数据的保存和数据探索，最后给出了相关的案例。 本书框架结构清晰，内容编排合理，讲解循序渐进，并结合大量示例和习题，让读者可以快速学习和掌握Python，既适合Python初学者学习，也适合作为专业程序员的简明Python参考书。