本书不是一本关于数据管理的“如何做”的书（如规范数据属性或是创建数据库），而是一本关于数据管理“如何思考”的书。本书将心理学和哲学与数据管理巧妙的融合在一起。将心理学和哲学学科与数据管理结合在一起，以创造有关我们如何感知和管理信息的知识。书中阐述了当今数据库系统通过数据来捕获现实世界的方式及缺陷，作者运用非常清晰的逻辑、仔细地描述了信息系统中所表示的现实世界的各个方面。对系统中所使用的数据模型、语言、语义和现实世界描述下的哲学问题进行了深刻的检视，对这些核心概念、其对信息系统的影响，是坊间遍寻不到的。这本书的价值在于批判性地探索解决现实世界的信息系统建模方法，这是一本令读者愉悦并具有启发性的佳作。适合从事数据建模、大数据、数据管理的人士阅读。

在本书中，作者结合理论与实践，详细描述了决定股权类证券内在价值的现代技术，并演示了如何在国内和国外市场成功地运用这些技术。本书涵盖了技术分析、基本分析以及众多的估值方法，阐述清晰并由案例驱动，非常适合有动力自学的读者，也适合将它作为一般参考的读者。

本书详细描述了Linux内核的设计与实现。内核代码的编写者、开发者以及程序开发人员都可以通过阅读本书受益，他们可以更好理解操作系统原理，并将其应用在自己的编码中以提高效率和生产率。 本书详细描述了Linux内核的主要子系统和特点，包括Linux内核的设计、实现和接口。从理论到实践涵盖了Linux内核的方方面面，可以满足读者的各种兴趣和需求。 作者Robert Love是一位Linux内核核心开发人员，他分享了在开发Linux2.6内核过程中颇具价值的知识和经验。本书的主题包括进程管理、进程调度、时间管理和定时器、系统调用接口、内存寻址、内存管理和页缓存、VFS、内核同步、移植性相关的问题以及调试技术；同时也涵盖了Linux2.6内核中颇具特色的内容，包括CFS调度程序、抢占式内核、块I/O层以及I/O调度程序。

行为金融学是技术分析的灵魂。证券技术分析图表是投资者群体的行为偏差的图像化反映。

本书介绍科学计算需要的各类数值分析方法，不但在严谨的数学科学背景下进行讨论，而且给出了数值分析方法的严格证明。内容宽泛而深入，讲解细致而生动，包含大量定理、各种习题，曾被美国多所大学采纳为教材。 　　本书特点：涵盖了科学计算中数值分析的广泛主题，除数值分析的基础知识外，还涉及线性代数和非线性代数方程组的求解、数值微分与数值积分、常微分方程和偏微分方程的数值解、函数逼近等方面的内容。增加了优化方面的内容和查询相关信息的网络资源。着重讲解与算术相关的理论基础。算法以伪代码的形式给出，以便学生可以立即用标准语言和交互数据包来编写实现算法的计算机程序。 　　这是一本对所研究的问题作更多学术性讨论的数值分析教材，介绍了与科学计算有关的各类算法和方法以及这些方法的数学基础。主要内容包括：计算机算术运算、非线性方程的解、解线性方程组、数值线性代数精选、函数逼近、数...(展开全部)

行为金融学是技术分析的灵魂。证券技术分析图表是投资者群体的行为偏差的图像化反映。 本书是技术分析行业的一本全面客观的指南。全面更新了新研究、新方法、新理论，以及数据、图表和参考资料。由浅入深，以清晰的逻辑介绍了数百个最新的示例。囊括了指标、周期、力度、图表、趋势确认、测试、交易系统等更多内容。内容大幅更新，是技术分析领域目前最完整、客观的教材和参考书之一。 读者可以从中学习： 分析市场及市场参与者 设计完整的投资系统 制订投资组合计划 测试投资系统 使用技术分析降低风险 更新内容占全书近30%篇幅，并新增大量新知识： 情绪测试 资金流分析 黑天鹅 确认模式 交易系统设计 市场和投资标的选择 从估波曲线到日本技术分析指标

行为金融学是技术分析的灵魂。证券技术分析图表是投资者群体的行为偏差的图像化反映。

行为金融学是技术分析的灵魂。证券技术分析图表是投资者群体的行为偏差的图像化反映。

本书是Python数据分析经典畅销书的升级版，由Python pandas项目的创始人Wes McKinney撰写。本书自2012年第1版出版以来，迅速成为该领域的权威指南，并且为了保持与时俱进，作者对本书内容进行持续更新，以摒弃一些过时、不兼容的工具，添加新的内容来介绍新特性、新工具及方法。第3版针对Python 3.10和pandas 1.4进行了更新，并通过实操讲解和实际案例向读者展示了如何高效地解决一系列数据分析问题。读者将在阅读过程中学习新版本的pandas、NumPy、IPython和Jupyter。

本书第1版出版于2012年，彼时基于 Python 的开源数据分析库（例如 pandas）仍然是一个发展迅速的新事物，本书也成为该领域排名No1的经典畅销书，前两版中文版累计销售近30万册。 第3版针对 Python3.10 和 pandas1.4 进行了更新，并通过实操讲解和实际案例向读者展示了如何高效地解决一系列数据分析问题。读者将在阅读过程中学习新版本的 pandas、NumPy、IPython 和 Jupyter。 本书作者 Wes McKinney 是 Python pandas 项目的创始人。本书对 Python 数据科学工具的介绍既贴近实战又内容新颖，非常适合刚开始学习 Python 的数据分析师或刚开始学习数据科学和科学计算的 Python 程序员阅读。读者可以从 GitHub 获取数据文件和相关资料。