资源搜

资源名称：Python高性能编程 PDF 内容简介： 本书共有12章，围绕如何进行代码优化和加快实际应用的运行速度进行详细讲解。本书主要包含以下主题：计算机内部结构的背景知识、列表和元组、字典和集合、迭代器和生成器、矩阵和矢量计算、并发、集群和工作队列等。最后，通过一系列真实案例展现了在应用场景中需要注意的问题。本书适合初级和中级Python程序员、有一定Python语言基础想要得到进阶和提高的读者阅读。 作者简介： Micha Gorelick在bitly公司从事与数据打交道的工作，并负责建立了快速前进实验室（Fast Forward Labs），研究从机器学习到高性能流算法领域的问题。Ian Ozsvald是ModelInsight.io的数据科学家和教师，有着超过十年的Python经验。他在PyCon和PyData会议上教授Python编程，这几年一直在英国从事关于数据科学和高性能计算方面的咨询工作。 资源目录： 第1章 理解高性能Python 11.1 基本的计算机系统 11.1.1 计算单元 21.1.2 存储单元 51.1.3 通信层 61.2 将基本的元素组装到一起 81.3 为什么使用Python 12第2章 通过性能分析找到瓶颈 152.1 高效地分析性能 162.2 Julia集合的介绍 172.3 计算完整的Julia集合 202.4 计时的简单方法——打印和修饰 242.5 用UNIX的time命令进行简单的计时 272.6 使用cProfile模块 282.7 用runsnakerun对cProfile的输出进行可视化 332.8 用line_profiler进行逐行分析 342.9 用memory_profiler诊断内存的用量 392.10 用heapy调查堆上的对象 452.11 用dowser实时画出变量的实例 472.12 用dis模块检查CPython字节码 492.13 在优化期间进行单元测试保持代码的正确性 532.14 确保性能分析成功的策略 562.15 小结 57第3章 列表和元组 583.1 一个更有效的搜索 613.2 列表和元组 633.2.1 动态数组：列表 643.2.2 静态数组：元组 673.3 小结 68第4章 字典和集合 694.1 字典和集合如何工作 724.1.1 插入和获取 734.1.2 删除 764.1.3 改变大小 764.1.4 散列函数和熵 764.2 字典和命名空间 804.3 小结 83第5章 迭代器和生成器 845.1 无穷数列的迭代器 875.2 生成器的延迟估值 895.3 小结 93第6章 矩阵和矢量计算 946.1 问题介绍 956.2 Python列表还不够吗 996.3 内存碎片 1036.3.1 理解perf 1056.3.2 根据perf输出做出抉择 1066.3.3 使用numpy 1076.4 用numpy解决扩散问题 1106.4.1 内存分配和就地操作 1136.4.2 选择优化点：找到需要被修正的地方 1166.5 numexpr：让就地操作更快更简单 1206.6 告诫故事：验证你的“优化”（scipy） 1216.7 小结 123第7章 编译成C 1267.1 可能获得哪种类型的速度提升 1277.2 JIT和AOT编译器的对比 1297.3 为什么类型检查有助代码更快运行 1297.4 使用C编译器 1307.5 复习Julia集的例子 1317.6 Cython 1317.6.1 使用Cython编译纯Python版本 1327.6.2 Cython注解来分析代码块 1347.6.3 增加一些类型注解 1367.7 Shed Skin 1407.7.1 构建扩展模块 1417.7.2 内存拷贝的开销 1447.8 Cython和numpy 1447.9 Numba 1487.10 Pythran 1497.11 PyPy 1517.11.1 垃圾收集的差异 1527.11.2 运行PyPy并安装模块 1527.12 什么时候使用每种工具 1547.12.1 其他即将出现的项目 1557.12.2 一个图像处理单元（GPU）的注意点 1567.12.3 一个对未来编译器项目的展望 1577.13 外部函数接口 1577.13.1 ctypes 1587.13.2 cffi 1607.13.3 f2py 1637.13.4 CPython模块 1667.14 小结 170第8章 并发 1718.1 异步编程介绍 1728.2 串行爬虫 1758.3 gevent 1778.4 tornado 1828.5 AsyncIO 1858.6 数据库的例子 1888.7 小结 191第9章 multiprocessing模块 1939.1 multiprocessing模块综述 1969.2 使用蒙特卡罗方法来估算Pi 1989.3 使用多进程和多线程来估算Pi 1999.3.1 使用Python对象 2009.3.2 并行系统中的随机数 2079.3.3 使用numpy 2079.4 寻找素数 2109.5 使用进程间通信来验证素数 2219.5.1 串行解决方案 2259.5.2 Naïve Pool解决方案 2259.5.3 Less Naïve Pool解决方案 2269.5.4 使用Manager.Value作为一个标记 2279.5.5 使用Redis作为一个标记 2299.5.6 使用RawValue作为一个标记 2329.5.7 使用mmap作为一个标记 2329.5.8 使用mmap作为一个标记的终极效果 2349.6 用multiprocessing来共享numpy数据 2369.7 同步文件和变量访问 2439.7.1 文件锁 2439.7.2 给Value加锁 2479.8 小结 249第10章 集群和工作队列 25110.1 集群的益处 25210.2 集群的缺陷 25310.2.1 糟糕的集群升级策略造成华尔街损失4.62亿美元 25410.2.2 Skype的24小时全球中断 25510.3 通用的集群设计 25510.4 怎样启动一个集群化的解决方案 25610.5 使用集群时避免痛苦的方法 25710.6 三个集群化解决方案 25810.6.1 为简单的本地集群使用Parallel Python模块 25910.6.2 使用IPython Parallel来支持研究 26010.7 为鲁棒生产集群的NSQ 26510.7.1 队列 26510.7.2 发布者/订阅者 26610.7.3 分布式素数计算器 26810.8 看一下其他的集群化工具 27110.9 小结 272第11章 使用更少的RAM 27311.1 基础类型的对象开销高 27411.2 理解集合中的RAM使用 27811.3 字节和Unicode的对比 28011.4 高效地在RAM中存储许多文本 28111.5 使用更少RAM的窍门 29011.6 概率数据结构 29111.6.1 使用1字节的Morris计数器来做近似计数 29211.6.2 K最小值 29511.6.3 布隆过滤器 29811.6.4 LogLog计数器 30311.6.5 真实世界的例子 307第12章 现场教训 31112.1 自适应实验室（Adaptive Lab）的社交媒体分析（SoMA） 31112.1.1 自适应实验室（Adaptive Lab）使用的Python 31212.1.2 SoMA的设计 31212.1.3 我们的开发方法论 31312.1.4 维护SoMA 31312.1.5 对工程师同行的建议 31312.2 使用RadimRehurek.com让深度学习飞翔 31412.2.1 最佳时机 31412.2.2 优化方面的教训 31612.2.3 总结 31812.3 在Lyst.com的大规模产品化的机器学习 31812.3.1 Python在Lyst的地位 31912.3.2 集群设计 31912.3.3 在快速前进的初创公司中做代码评估 31912.3.4 构建推荐引擎 31912.3.5 报告和监控 32012.3.6 一些建议 32012.4 在Smesh的大规模社交媒体分析 32112.4.1 Python在Smesh中的角色 32112.4.2 平台 32112.4.3 高性能的实时字符串匹配 32212.4.4 报告、监控、调试和部署 32312.5 PyPy促成了成功的Web和数据处理系统 32412.5.1 先决条件 32512.5.2 数据库 32512.5.3 Web应用 32612.5.4 OCR和翻译 32612.5.5 任务分发和工作者 32712.5.6 结论 32712.6 在Lanyrd.com中的任务队列 32712.6.1 Python在Lanyrd中的角色 32812.6.2 使任务队列变高性能 32812.6.3 报告、监控、调试和部署 32812.6.4 对开发者同行的建议 329 资源截图：

资源名称：数据科学导论 Python语言实现 内容简介： 本书由两位资深数据科学家撰写，融合其多年从事数据科学相关的教学和科研工作经验，借助现有的Python语法和结构知识，全面而系统地讲解进行数据科学分析和开发的相关工具、技术和*佳实践，包含清晰的代码和简化的示例。通过阅读本书，你将深入理解Python核心概念，成为高效数据科学实践者。 本书共6章，系统介绍了进行数据科学分析和开发所涉及的关键要素。书中首先介绍Python软件及相关工具包的安装和使用；接着不仅讲解数据加载、运算和改写等基本数据准备过程，还详细介绍特征选择、维数约简等高级数据操作方法；并且建立了由训练、验证、测试等过程组成的数据科学流程，结合具体示例深入浅出地讲解了多种机器学习算法；然后介绍了基于图模型的社会网络创建、分析和处理方法；最后讲解数据分析结果的可视化及相关工具的使用方法。 作者简介： Alberto Boschetti　数据科学家、信号处理和统计学方面的专家。他拥有通信工程专业博士学位，现在伦敦居住和工作。基于所从事的项目，他每天都要面对包括自然语言处理、机器学习和概率图模型等方面的挑战。他对工作充满激情，经常参加学术聚会、研讨会等学术活动，紧跟数据科学技术发展的前沿。 Luca Massaron　数据科学家、市场研究总监，是多元统计分析、机器学习和客户洞察方面的专家，有十年以上解决实际问题的经验，使用推理、统计、数据挖掘和算法为利益相关者创造了巨大的价值。他是意大利网络受众分析的先锋，并在Kaggler上获得排名前十的佳绩，随后一直热心参与一切与数据分析相关的活动，积极给新手和专业人员讲解数据驱动知识发现的潜力。他崇尚大道至简，坚信理解数据科学的本质能带来巨大收获。 资源目录： 译者序 前言 第1章　新手上路1 1.1　数据科学与Python简介1 1.2　Python的安装2 1.2.1　Python 2还是Python 33 1.2.2　分步安装3 1.2.3　Python核心工具包一瞥4 1.2.4　工具包的安装7 1.2.5　工具包升级9 1.3　科学计算发行版9 1.3.1　Anaconda10 1.3.2　Enthought Canopy10 1.3.3　PythonXY10 1.3.4　WinPython10 1.4　IPython简介10 1.4.1　IPython Notebook12 1.4.2　本书使用的数据集和代码18 1.5　小结25 第2章　数据改写26 2.1　数据科学过程26 2.2　使用pandas进行数据加载与预处理27 2.2.1　数据快捷加载27 2.2.2　处理问题数据30 2.2.3　处理大数据集32 2.2.4　访问其他数据格式36 2.2.5　数据预处理37 2.2.6　数据选择39 2.3　使用分类数据和文本数据41 2.4　使用NumPy进行数据处理49 2.4.1　NumPy中的N维数组49 2.4.2　NumPy ndarray对象基础50 2.5　创建NumPy数组50 2.5.1　从列表到一维数组50 2.5.2　控制内存大小51 2.5.3　异构列表52 2.5.4　从列表到多维数组53 2.5.5　改变数组大小54 2.5.6　利用NumPy函数生成数组56 2.5.7　直接从文件中获得数组57 2.5.8　从pandas提取数据57 2.6　NumPy快速操作和计算58 2.6.1　矩阵运算60 2.6.2　NumPy数组切片和索引61 2.6.3　NumPy数组堆叠63 2.7　小结65 第3章　数据科学流程66 3.1　EDA简介66 3.2　特征创建70 3.3　维数约简72 3.3.1　协方差矩阵72 3.3.2　主成分分析73 3.3.3　一种用于大数据的PCA变型—Randomized PCA76 3.3.4　潜在因素分析77 3.3.5　线性判别分析77 3.3.6　潜在语义分析78 3.3.7　独立成分分析78 3.3.8　核主成分分析78 3.3.9　受限玻耳兹曼机80 3.4　异常检测和处理81 3.4.1　单变量异常检测82 3.4.2　EllipticEnvelope83 3.4.3　OneClassSVM87 3.5　评分函数90 3.5.1　多标号分类90 3.5.2　二值分类92 3.5.3　回归93 3.6　测试和验证93 3.7　交叉验证97 3.7.1　使用交叉验证迭代器99 3.7.2　采样和自举方法100 3.8　超参数优化102 3.8.1　建立自定义评分函数104 3.8.2　减少网格搜索时间106 3.9　特征选择108 3.9.1　单变量选择108 3.9.2　递归消除110 3.9.3　稳定性选择与基于L1的选择111 3.10　小结112 第4章　机器学习113 4.1　线性和逻辑回归113 4.2　朴素贝叶斯116 4.3　K近邻118 4.4　高级非线性算法119 4.4.1　基于SVM的分类算法120 4.4.2　基于SVM的回归算法122 4.4.3　调整SVM123 4.5　组合策略124 4.5.1　基于随机样本的粘合策略125 4.5.2　基于弱组合的分袋策略125 4.5.3　随机子空间和随机分片126 4.5.4　模型序列—AdaBoost127 4.5.5　梯度树提升128 4.5.6　处理大数据129 4.6　自然语言处理一瞥136 4.6.1　词语分词136 4.6.2　词干提取137 4.6.3　词性标注137 4.6.4　命名实体识别138 4.6.5　停止词139 4.6.6　一个完整的数据科学示例—文本分类140 4.7　无监督学习概述141 4.8　小结146 第5章　社会网络分析147 5.1　图论简介147 5.2　图的算法152 5.3　图的加载、输出和采样157 5.4　小结160 第6章　可视化161 6.1　matplotlib基础介绍161 6.1.1　曲线绘图162 6.1.2　绘制分块图163 6.1.3　散点图164 6.1.4　直方图165 6.1.5　柱状图166 6.1.6　图像可视化167 6.2　pandas的几个图形示例169 6.2.1　箱线图与直方图170 6.2.2　散点图171 6.2.3　平行坐标173 6.3　高级数据学习表示174 6.3.1　学习曲线174 6.3.2　验证曲线176 6.3.3　特征重要性177 6.3.4　GBT部分依赖关系图179 6.4　小结180 资源截图：

资源名称：Python3.5从零开始学 PDF 内容简介： 《Python 3.5从零开始学》专门针对Python新手量身定做，涵盖了Python 3 实际开发的重要知识点，内容包括：Python语言的类型和对象、操作符和表达式、编程结构和控制流、函数、序列、多线程、正则表达式、面向对象编程、文件操作、网络编程、邮件收发、数据库操作等，提供Python爬虫、数据处理项目范例，各章还安排了调试、问题解答、温故知新、牛九小试等内容，以帮助读者学会处理程序异常、解答学习困惑、巩固知识、学以致用。 《Python 3.5从零开始学》通俗易懂、示例丰富、代码可读性及可操作性强。非常适合Python 3.x初学者、想学习和了解Python 3的程序员，也可作为Python网课、培训及大专院校教学用书。 作者简介： 刘宇宙，计算科学学学士，多年工作经验，先后供职于上海海鼎、上海云卯、上海宏力达，目前供职于上海透云科技码上加事业部，担任软件工程师，从事大数据研发。先后从事过卡系统的研发，云计算项目中IAAS系统的研发，大数据项目研发，物联网研发。对Java、Python有深入研究。Python技术爱好者，在CSDN发表原创Python博文多篇。 资源目录： 第1章 进入Python 3.5的精彩世界 1 1.1 Python的起源 2 1.2 Python的应用场合 3 1.3 从2.7到3.5，Python的新特性 5 1.4 如何学习Python 6 1.5 Python环境构建 7 1.5.1 在Windows系统中安装Python 7 1.5.2 在Linux和UNIX系统中安装Python 14 1.5.3 在Mac OS系统中安装Python 17 1.5.4 其他版本 18 1.6 从hello word开始 18 1.7 调试 19 1.8 问题解答 20 1.9 温故知新，学以致用 21 第2章 开启Python之旅 22 2.1 认识程序 23 2.1.1 程序 23 2.1.2 调试 24 2.1.3 语法错误 24 2.1.4 运行错误 24 2.1.5 语义错误 25 2.2 数据类型 25 2.2.1 整型 25 2.2.2 浮点型 27 2.2.3 复数 28 2.2.4 数据类型转换 28 2.2.5 常量 29 2.3 变量和关键字 29 2.3.1 变量 29 2.3.2 变量名称 33 2.4 语句 34 2.5 表达式 35 2.6 运算符和操作对象 36 2.6.1 什么是运算符和操作对象 36 2.6.2 算术运算符 36 2.6.3 比较运算符 38 2.6.4 赋值运算符 39 2.6.5 位运算符 40 2.6.6 逻辑运算符 41 2.6.7 成员运算符 42 2.6.8 身份运算符 43 2.6.9 运算符优先级 43 2.7 字符串操作 45 2.8 注释 49 2.9 调试 50 2.10 问题解答 50 2.11 温故知新，学以致用 51 第3章 列表和元组 52 3.1 通用序列操作 53 3.1.1 索引 53 3.1.2 分片 54 3.1.3 序列相加 57 3.1.4 乘法 58 3.1.5 成员资格 59 3.1.6 长度、最小值和最大值 60 3.2 列表 60 3.2.1 更新列表 61 3.2.2 嵌套列表 65 3.2.3 列表方法 65 3.3 元组 74 3.3.1 tuple函数 75 3.3.2 元组的基本操作 75 3.3.3 元组内置函数 76 3.4 列表与元组的区别 77 3.5 调试 78 3.6 问题解答 79 3.7 温故知新，学以致用 79 第4章 字符串 81 4.1 字符串的基本操作 82 4.2 字符串格式化 83 4.2.1 字符串格式化符号 83 4.2.2 字符串格式化元组 85 4.3 字符串方法 87 4.3.1 find()方法 87 4.3.2 join()方法 88 4.3.3 lower()方法 89 4.3.4 upper()方法 90 4.3.5 swapcase()方法 91 4.3.6 replace()方法 91 4.3.7 split()方法 92 4.3.8 strip()方法 92 4.3.9 translate()方法 93 4.4 调试 94 4.5 问题解答 95 4.6 温故知新，学以致用 95 第5章 字典 96 5.1 字典的使用 97 5.2 创建和使用字典 97 5.2.1 dict函数 98 5.2.2 字典的基本操作 98 5.2.3 字典的格式化字符串 100 5.2.4 字典和列表的区别 100 5.3 字典方法 101 5.3.1 clear()方法 101 5.3.2 copy()方法 102 5.3.3 fromkeys()方法 103 5.3.4 get()方法 104 5.3.5 key in dict方法 105 5.3.6 items()方法 105 5.3.7 keys()方法 105 5.3.8 setdefault()方法 106 5.3.9 update()方法 107 5.3.10 values()方法 107 5.4 调试 108 5.5 问题解答 108 5.6 温故知新，学以致用 109 第6章 条件、循环和其他语句 110 6.1 使用文本编辑器 111 6.2 import的使用 113 6.2.1 import语句 113 6.2.2 使用逗号输出 116 6.3 别样的赋值 116 6.3.1 序列解包 116 6.3.2 链式赋值 118 6.3.3 增量赋值 118 6.4 语句块 119 6.5 条件语句 119 6.5.1 布尔变量的作用 120 6.5.2 if语句 121 6.5.3 else子句 122 6.5.4 elif子句 123 6.5.5 嵌套代码块 124 6.5.6 更多操作 124 6.5.7 断言 127 6.6 循环 128 6.6.1 while循环 128 6.6.2 for循环 129 6.6.3 循环遍历字典元素 131 6.6.4 迭代工具 132 6.6.5 跳出循环 134 6.6.6 循环中的else子句 136 6.7 pass语句 137 6.8 牛刀小试——猜字游戏编写 138 6.9 Python程序调试 140 6.10 问题解答 141 6.11 温故知新，学以致用 141 第7章 函数 142 7.1 调用函数 143 7.2 定义函数 145 7.3 函数的参数 147 7.3.1 必须参数 148 7.3.2 关键字参数 149 7.3.3 默认参数 149 7.3.4 可变参数 153 7.3.5 组合参数 155 7.4 执行流程 155 7.5 形参和实参 156 7.6 变量作用域 157 7.6.1 局部变量 157 7.6.2 全局变量 159 7.7 有返回值和无返回值函数 161 7.8 为什么要有函数 163 7.9 返回函数 163 7.10 递归函数 166 7.11 匿名函数 169 7.12 偏函数 171 7.13 牛刀小试——经典排序之快速排序实现 172 7.14 调试 173 7.15 问题解答 174 7.16 温故知新，学以致用 174 第8章 面向对象编程 176 8.1 理解面向对象 177 8.1.1 什么是面向对象编程 177 8.1.2 面向对象术语简介 177 8.2 类的定义与使用 178 8.2.1 类的定义 178 8.2.2 类的使用 178 8.3 深入类 179 8.3.1 类的构造方法 179 8.3.2 类的访问权限 184 8.4 继承 189 8.5 多态 192 8.6 封装 196 8.7 多重继承 197 8.8 获取对象信息 199 8.9 类的专有方法 202 8.10 牛刀小试——出行建议 207 8.11 调试 209 8.12 问题解答 209 8.13 温故知新，学以致用 210 第9章 异常 211 9.1 什么是异常 212 9.2 异常处理 212 9.3 抛出异常 213 9.4 捕捉多个异常 215 9.5 使用一个块捕捉多个异常 216 9.6 捕捉对象 217 9.7 全捕捉 217 9.8 异常中的else 218 9.9 自定义异常 219 9.10 finally子句 220 9.11 异常和函数 222 9.12 bug的由来 223 9.13 温故知新，学以致用 223 第10章 日期和时间 224 10.1 日期和时间 225 10.1.1 时间戳 225 10.1.2 时间格式化符号 225 10.1.3 struct_time元组 226 10.2 time模块 227 10.2.1 time()函数 227 10.2.2 localtime([secs])函数 227 10.2.3 gmtime([secs])函数 228 10.2.4 mktime(t)函数 228 10.2.5 asctime([t])函数 229 10.2.6 ctime([secs])函数 229 10.2.7 sleep(secs)函数 230 10.2.8 clock()函数 230 10.2.9 strftime(format[, t])函数 231 10.2.10 strptime(string[, format])函数 232 10.2.11 三种时间格式转化 232 10.3 datetime模块 232 10.4 日历模块 236 10.5 牛刀小试——时间大杂烩 237 10.6 调试 242 10.7 温故知新，学以致用 242 第11章 正则表达式 244 11.1 认识正则表达式 245 11.2 re模块 247 11.2.1 re.match函数 247 11.2.2 re.search方法 247 11.2.3 re.match与re.search的区别 248 11.3 贪婪模式和非贪婪模式 249 11.4 替换 250 11.5 编译 250 11.6 温故知新，学以致用 251 第12章 文件操作 252 12.1 打开文件 253 12.1.1 文件模式 254 12.1.2 缓冲 255 12.2 基本文件方法 255 12.2.1 读和写 256 12.2.2 读写行 258 12.2.3 关闭文件 260 12.2.4 文件重命名 261 12.2.5 删除文件 262 12.3 对文件内容进行迭代 262 12.3.1 按字节处理 262 12.3.2 按行操作 263 12.3.3 使用fileinput实现懒加载式迭代 264 12.3.4 文件迭代器 264 12.4 StringIO函数 264 12.5 序列化与反序列化 265 12.5.1 一般序列化与反序列化 266 12.5.2 JSON序列化与反序列化 267 12.6 调试 269 12.7 问题解答 269 12.8 温故知新，学以致用 270 第13章 多线程 271 13.1 线程和进程 272 13.1.1 进程 272 13.1.2 线程 272 13.1.3 多线程与多进程 272 13.2 使用线程 273 13.2.1 全局解释器锁 273 13.2.2 退出线程 274 13.2.3 Python的线程模块 274 13.3 _thread模块 274 13.4 threading模块 277 13.5 线程同步 282 13.6 线程优先级队列 284 13.7 线程与进程比较 287 13.7.1 线程切换 287 13.7.2 计算密集型与IO密集型 288 13.7.3 异步IO 288 13.8 调试 289 13.9 问题解答 289 13.10 温故知新，学以致用 290 第14章 发送和接收电子邮件 291 14.1 电子邮件介绍 292 14.2 发送邮件 293 14.2.1 SMTP发送邮件 293 14.2.2 发送HTML格式的邮件 296 14.2.3 发送带附件的邮件 297 14.2.4 发送图片 298 14.2.5 同时支持HTML和Plain格式 300 14.2.6 加密SMTP 301 14.3 POP3接收邮件 302 14.3.1 POP3下载邮件 302 14.3.2 解析邮件 303 14.4 调试 305 14.5 问题解答 305 14.6 温故知新，学以致用 306 第15章 网络编程 307 15.1 网络编程初识 308 15.2 TCP/IP简介 308 15.3 网络设计模块 309 15.3.1 Socket简介 309 15.3.2 socket模块 309 15.3.3 socket对象（内建）方法 311 15.4 TCP编程 312 15.4.1 客户端 312 15.4.2 服务器 315 15.5 UDP编程 319 15.6 urllib模块 322 15.6.1 GET请求 322 15.6.2 POST请求 323 15.7 调试 324 15.8 问题解答 325 15.9 温故知新，学以致用 325 第16章 操作数据库 326 16.1 数据库介绍 327 16.2 Python数据库API 327 16.2.1 全局变量 328 16.2.2 异常 328 16.2.3 连接和游标 329 16.2.4 类型 330 16.3 数据库操作 331 16.3.1 数据库连接 331 16.3.2 创建数据库表 332 16.3.3 数据库插入 333 16.3.4 数据库查询 334 16.3.5 数据库更新 335 16.3.6 数据库删除 337 16.4 事务 338 16.5 调试 339 16.6 问题解答 339 16.7 温故知新，学以致用 340 第17章 项目实战——爬虫 341 17.1 了解爬虫 342 17.2 爬虫的原理 342 17.3 爬虫常用的几种技巧 343 17.3.1 基本方法 343 17.3.2 使用代理服务器 343 17.3.3 cookie处理 344 17.3.4 伪装成浏览器 344 17.3.5 登录 345 17.4 爬虫示例——抓取豆瓣电影Top250影评数据 345 17.4.1 确定URL格式 346 17.4.2 页面抓取 346 17.4.3 提取相关信息 347 17.4.4 写入文件 348 17.4.5 完善代码 348 17.5 本章小结 351 第18章 项目实战——数据分析 352 18.1 数据持久化 353 18.2 模块化 357 18.2.1 数据库操作模块化 357 18.2.2 文件生成模块化 360 18.2.3 邮件发送模块化 361 18.3 数据分析的实现 365 18.4 项目小结 369 附录 370 A.1 数学函数 371 A.2 随机函数 371 A.3 三角函数 371 A.4 Python字符串内建函数 372 A.5 列表方法 373 A.6 字典内置方法 374 A.7 正则表达式模式 374 结束语 376

资源名称：零起点Python大数据与量化交易  内容简介： 《零起点Python大数据与量化交易》是国内较早关于Python大数据与量化交易的原创图书，配合zwPython开发平台和zwQuant开源量化软件学习，是一套完整的大数据分析、量化交易的学习教材，可直接用于实盘交易。《零起点Python大数据与量化交易》有三大特色：第一，以实盘个案分析为主，全程配有Python代码；第二，包含大量的图文案例和Python源码，无须专业编程基础，懂Excel即可开始学习；第三，配有专业的zwPython集成开发平台、zwQuant量化软件和zwDat数据包。 《零起点Python大数据与量化交易》内容源自笔者的原版教学课件，虽然限于篇幅和载体，省略了视频和部分环节，但核心内容都有保留，配套的近百套Python教学程序没有进行任何删减。考虑到广大入门读者的需求，笔者在各个核心函数环节增添了函数流程图。 资源目录： 第1章 从故事开始学量化 1 1.1 亿万富翁的“神奇公式” 2 1.1.1 案例1-1：亿万富翁的“神奇公式” 2 1.1.2 案例分析：Python图表 5 1.1.3 matplotlib绘图模块库 7 1.1.4 案例分析：style绘图风格 10 1.1.5 案例分析：colormap颜色表 12 1.1.6 案例分析：颜色表关键词 14 1.1.7 深入浅出 17 1.2 股市“一月效应” 18 1.2.1 案例1-2：股市“一月效应” 18 1.2.2 案例分析：“一月效应”计算 19 1.2.3 案例分析：“一月效应”图表分析 24 1.2.4 案例分析：颜色表效果图 26 1.2.5 “一月效应”全文注解版Python源码 27 1.2.6 大数据·宏分析 34 1.3 量化交易流程与概念 36 1.3.1 数据分析I2O流程 36 1.3.2 量化交易不是高频交易、自动交易 37 1.3.3 小资、小白、韭菜 38 1.3.4 专业与业余 38 1.4 用户运行环境配置 42 1.4.1 程序目录结构 43 1.4.2 金融股票数据包 44 1.5 Python实战操作技巧 46 1.5.1 模块检测 46 1.5.2 Spyder编辑器界面设置 47 1.5.3 代码配色技巧 48 1.5.4 图像显示配置 50 1.5.5 Python2、Python 3双版本双开模式 51 1.5.6 单版本双开、多开模式 52 1.5.7 实战胜于一切 54 1.6 量化、中医与西医 54 第2章 常用量化技术指标与框架 56 2.1 案例2-1：SMA均线策略 56 2.1.1 案例要点与事件编程 58 2.1.2 量化程序结构 61 2.1.3 main程序主入口 61 2.1.4 KISS法则 63 2.2 Python量化系统框架 64 2.2.1 量化行业关键词 64 2.2.2 国外主流Python量化网站 65 2.2.3 我国主流Python量化网站 67 2.2.4 主流Python量化框架 70 2.3 常用量化软件包 78 2.3.1 常用量化软件包简介 79 2.3.2 案例2-2：模块库列表 80 2.4 常用量化技术指标 82 2.4.1 TA-Lib金融软件包 83 2.4.2 案例2-3：MA均线函数调用 84 2.4.3 TA-Lib函数调用 86 2.4.4 量化分析常用指标 88 2.5 经典量化策略 90 2.5.1 阿尔法（Alpha）策略 90 2.5.2 Beta策略 92 2.5.3 海龟交易法则 93 2.5.4 ETF套利策略 95 2.6 常用量化策略 95 2.6.1 动量交易策略 96 2.6.2 均值回归策略 97 2.6.3 其他常用量化策略 98 2.7 起点与终点 100 第3章 金融数据采集整理 101 3.1 常用数据源API与模块库 102 3.1.1 大数据综合API 102 3.1.2 专业财经数据API 103 3.1.3 专业数据模块库 104 3.2 案例3-1：zwDatX数据类 104 3.3 美股数据源模块库 108 3.4 开源文档库Read the Docs 109 3.5 案例3-2：下载美股数据 110 3.6 财经数据源模块库TuShare 113 3.6.1 沪深股票列表 115 3.6.2 案例3-3：下载股票代码数据 116 3.6.3 CSV文件处理 119 3.7 历史数据 121 3.7.1 历史行情 121 3.7.2 案例3-4：下载近期股票数据 124 3.7.3 历史复权数据 130 3.7.4 案例3-5：下载历史复权数据 131 3.8 其他交易数据 134 3.9 zwDat超大股票数据源与数据更新 143 3.9.1 案例3-6：A股基本概况数据下载 144 3.9.2 案例3-7：A股交易数据下载 146 3.9.3 案例3-8：A股指数行情数据下载 150 3.9.4 案例3-9：美股交易数据下载 151 3.10 数据归一化处理 153 3.10.1 中美股票数据格式差异 153 3.10.2 案例3-10：数据格式转化 154 3.10.3 案例3-11：A股策略PAT实盘分析 156 3.10.4 案例3-12：数据归一化 158 3.11 为有源头活水来 160 第4章 PAT案例汇编 162 4.1 投资组合与回报率 163 4.1.1 案例4-1：下载多组美股数据 163 4.1.2 案例4-2：投资组合收益计算 165 4.2 SMA均线策略 168 4.2.1 SMA简单移动平均线 168 4.2.2 案例4-3：原版SMA均线策略 169 4.2.3 案例4-4：增强版SMA均线策略 173 4.2.4 案例4-5：A股版SMA均线策略 174 4.3 均线交叉策略 175 4.3.1 案例4-6：均线交叉策略 176 4.3.2 案例4-7：A股版均线交叉策略 178 4.4 VWAP动量策略 181 4.4.1 案例4-8：VWAP动量策略 182 4.4.2 案例4-9：A股版VWAP动量策略 183 4.5 布林带策略 183 4.5.1 案例4-10：布林带策略 185 4.5.2 案例4-11：A股版布林带策略 186 4.6 RSI2策略 188 4.6.1 案例4-12：RSI2策略 190 4.6.2 案例4-13：A股版RSI2策略 190 4.7 案例与传承 194 第5章 zwQuant整体架构 196 5.1 发布前言 196 5.2 功能简介 197 5.2.1 目录结构 197 5.2.2 安装与更新 198 5.2.3 模块说明 199 5.2.4 zwSys模块：系统变量与类定义 200 5.2.5 zwTools模块：常用（非量化）工具函数 201 5.2.6 zwQTBox：常用“量化”工具函数集 201 5.2.7 zwQTDraw.py：量化绘图工具函数 203 5.2.8 zwBacktest：回溯测试工具函数 203 5.2.9 zwStrategy：策略工具函数 203 5.2.10 zw_TA-Lib：金融函数模块 204 5.3 示例程序 207 5.4 常用量化分析参数 208 5.5 回溯案例：对标测试 209 5.5.1 对标测试1：投资回报参数 209 5.5.2 对标测试2：VWAP策略 211 5.6 回报参数计算 214 5.7 主体框架 220 5.7.1 stkLib内存数据库 220 5.7.2 Bars数据包 221 5.7.3 案例：内存数据库&数据包 222 5.7.4 qxLib、xtrdLib 227 5.7.5 案例5-1：qxLib数据 228 5.7.6 量化系统的价格体系 230 5.7.7 数据预处理 231 5.7.8 绘图模板 234 5.8 新的起点 236 第6章 模块详解与实盘数据 237 6.1 回溯流程 238 6.1.1 案例6-1：投资回报率 238 6.1.2 代码构成 242 6.1.3 运行总流程 243 6.2 运行流程详解 244 6.2.1 设置股票数据源 244 6.2.2 设置策略参数 247 6.2.3 dataPre数据预处理 249 6.2.4 绑定策略函数 253 6.2.5 回溯测试：zwBackTest 253 6.2.6 输出回溯结果数据、图表 258 6.3 零点策略 260 6.3.1 mul多个时间点的交易&数据 263 6.3.2 案例6-2：多个时间点交易 264 6.4 不同数据源与格式修改 270 6.4.1 案例6-3：数据源修改 272 6.4.2 数据源格式修改 274 6.5 金融数据包与实盘数据更新 275 6.5.1 大盘指数文件升级 276 6.5.2 实盘数据更新 277 6.5.3 案例6-4：A股实盘数据更新 277 6.5.4 案例6-5：大盘指数更新 279 6.6 稳定第一 281 第7章 量化策略库 282 7.1 量化策略库简介 282 7.1.1 量化系统的三代目 283 7.1.2 通用数据预处理函数 283 7.2 SMA均线策略 286 7.2.1 案例7-1：SMA均线策略 286 7.2.2 实盘下单时机与推荐 289 7.2.3 案例7-2：实盘SMA均线策略 290 7.3 CMA均线交叉策略 294 7.3.1 案例7-3：均线交叉策略 294 7.3.2 对标测试误差分析 296 7.3.3 案例7-4：CMA均线交叉策略修改版 299 7.3.4 人工优化参数 300 7.4 VWAP策略 301 7.4.1 案例7-5：VWAP策略 301 7.4.2 案例7-6：实盘VWAP策略 303 7.5 BBands布林带策略 304 7.5.1 案例7-7：BBands布林带策略 305 7.5.2 案例7-8：实盘BBands布林带策略 306 7.6 大道至简1+1 307 第8章 海龟策略与自定义扩展 309 8.1 策略库 309 8.1.1 自定义策略 310 8.1.2 海龟投资策略 310 8.2 tur海龟策略v1：从零开始 311 8.3 案例8-1：海龟策略框架 311 8.4 tur海龟策略v2：策略初始化 312 8.5 案例8-2：策略初始化 312 8.6 tur海龟策略v3：数据预处理 313 8.7 案例8-3：数据预处理 314 8.8 tur海龟策略v4：策略分析 317 8.9 案例8-4：策略分析 317 8.10 tur海龟策略v5：数据图表输出 320 8.10.1 案例8-5：图表输出 320 8.10.2 参数优化 324 8.10.3 案例8-6：参数优化 324 8.11 tur海龟策略v9：加入策略库 325 8.12 案例8-7：入库 326 8.13 庖丁解牛 328 第9章 TA-Lib函数库与策略开发 329 9.1 TA-Lib技术指标 329 9.1.1 TA-Lib官网 329 9.1.2 矩阵版TA-Lib金融函数模块 330 9.2 MACD策略 331 9.2.1 MACD策略1 331 9.2.2 案例9-1：MACD_v1 335 9.2.3 MACD策略2 336 9.2.4 案例9-2：MACD_v2 338 9.3 KDJ策略 340 9.3.1 KDJ策略1 340 9.3.2 案例9-3：KDJ01 343 9.3.3 KDJ策略2 346 9.3.4 案例9-4：KDJ02 347 9.4 RSI策略 350 9.4.1 RSI取值的大小 351 9.4.2 RSI策略 351 9.4.3 预留参数优化接口 356 9.4.4 案例9-5：A股版RSI策略 357 9.5 基石、策略与灵感 358 第10章 扩展与未来 360 10.1 回顾案例2-1：SMA均线策略 360 案例10-1：SMA均线策略扩展 363 10.2 大盘指数资源 365 10.2.1 大盘指数文件升级 366 10.2.2 大盘指数内存数据库 367 10.2.3 扩展zwQuantX类变量 368 10.2.4 大盘指数读取函数 368 10.2.5 案例10-2：读取指数 369 10.2.6 大盘数据切割 370 10.2.7 案例10-3：inxCut数据切割 372 10.3 系统整合 373 10.3.1 案例10-4：整合设置 375 10.3.2 案例10-5：修改指数代码 376 10.3.3 修改sta_dataPre0xtim函数 377 10.3.4 案例10-6：整合数据切割 380 10.3.5 修改绘图函数 381 10.4 扩展完成 384 案例10-7：SMA均线扩展策略 384 10.5 其他扩展课题 386 10.5.1 复权数据冲突 386 10.5.2 波动率指标DVIX 386 10.5.3 修改回溯主函数zwBackTest 387 10.5.4 案例10-8：波动率 390 10.5.5 空头交易 392 10.5.6 虚拟空头交易 392 10.5.7 修改检查函数 393 10.5.8 案例10-9：空头数据 396 10.6 终点与起点 397 附录A zwPython开发平台用户手册 398 附录B Python量化学习路线图 423 资源截图：

资源名称：Python程序设计教程 PDF 资源截图：

资源名称：Python算法教程 内容简介： 本书用Python语言来讲解算法的分析和设计。本书主要关注经典的算法，但同时会为读者理解基本算法问题和解决问题打下很好的基础。全书共11章。分别介绍了树、图、计数问题、归纳递归、遍历、分解合并、贪心算法、复杂依赖、Dijkstra算法、匹配切割问题以及困难问题及其稀释等内容。本书在每一章结束的时候均有练习题和参考资料，这为读者的自我检查以及进一步学习提供了较多的便利。在全书的最后，给出了练习题的提示，方便读者进行查漏补缺。 作者简介： Magnus Lie Hetland是一位经验丰富的Python程序员，他自20世纪90年代以来就一直在使用该语言。同时，他还是挪威科技大学的副教授，有着数十年的算法教学经验，是《Beginning Python》1一书的作者。 资源目录： 作者简介 版权声明 内容提要 技术评审人简介 译者简介 译者序 致谢 前言 第1章 引言 1.1 这是一本怎么样的书 1.2 为什么要读这本书 1.3 一些准备工作 1.4 本书主要内容 1.5 本章小结 1.6 如果您感兴趣 1.7 练习题 1.8 参考资料 第2章 基础知识 2.1　计算领域中一些核心理念 2.2　渐近记法 2.3　图与树的实现 2.4　请提防黑盒子 2.5　本章小结 2.6　如果您感兴趣 2.7　练习题 2.8　参考资料 第3章 计数初步 第4章 归纳、递归及归简 第5章 遍历：算法学中的万能钥匙 第6章 分解、合并、解决 第7章 贪心有理吗？请证明 第8章 复杂依赖及其记忆体化 第9章 Dijkstra及其朋友们从A到B的旅程 第10章 匹配、切割及流量 第11章 困难问题及其（有限）稀释 附录A　猛踩油门！令Python加速 附录B 一些著名问题与算法 附录C 图论基础 附录D 习题提示 资源截图：

资源名称：零起点PYTHON足彩大数据与机器学习实盘分析 内容简介： 《零起点Python足彩大数据与机器学习实盘分析》采用Python编程语言、Pandas数据分析模块、机器学习和人工智能算法，对足彩大数据进行实盘分析。设计并发布了开源大数据项目zc-dat足彩数据包，汇总了2010—2016年全球5万余场足球比赛的赛事和赔率数据，包括威廉希尔、澳门、立博、Bet365、Interwetten、SNAI、皇冠、易胜博、伟德、必发等各大赔率公司。介绍了如何使用Python语言抓取网页数据，下载更新zc-dat足彩数据包，并预测分析比赛获胜球队的取胜概率，同时提出了检测人工智能算法优劣的“足彩图灵”法则。 作者简介： 何海群，网名：字王，CHRD前海智库CTO，《中华大字库》发明人，出版书籍20余部，在人工智能、数据分析等方面具有20年一线专业经验；zwPython开发平台、zwQuant量化软件设计师，中国“Python创客”项目和“Python产业联盟”发起人，国内Python量化课程：《Python量化实盘 魔鬼训练营》创始人，极宽量化开源团队的创始人。 1990年，发明国内VR数据手套并获得专利授权，被业界称为“中国VR之父”；1992年，论文《人工智能与中文字型设计》入选《广东青年科学家文集》，现已成为中文字库行业三大基础建模理论之一；1997年，出版国内首部网络经济专著《网络商战》；2008年，在北京联合创办国内4A级网络公关公司，服务过200余家国际五百强企业，被公关协会誉为：中国网络公关事业的开创者与启蒙者；2012年，发布国内自主研发的智能中文字库设计软件《x2ttf涂鸦造字》，全功能全免费公益软件；2016年，推出国内首套纯python开源量化软件：zwQuant，以及国内Tick级别开源金融大数据项目：zwDat金融数据包。 研究成果有：“小数据”理论，快数据模型，黑天鹅算法，GPU超算工作站、MTRD多节点超算集群算法、“1+N”网络传播模型、人工智能“足彩图灵法则”等。 资源目录： 第1章 足彩与数据分析 1 1.1 “阿尔法狗”与足彩 1 1.2 案例1-1：可怕的英国足球 3 1.3 关于足彩的几个误区 7 1.4 足彩·大事件 8 1.5 大数据图灵（足彩）原则 10 1.6 主要在线彩票资源 11 1.7 主要在线足彩数据源 15 1.8 足彩基础知识 17 1.9 学习路线图 18 第2章 开发环境 19 2.1 数据分析首选Python 19 2.1.1 大数据，why Python 19 2.1.2 入门简单，功能强大 21 2.1.3 难度降低90%，性能提高10倍 23 2.1.4 “零对象”编程模式 24 2.2 用户运行平台 25 2.3 程序目录结构 26 2.4 tfbDat足彩数据包 27 2.5 Spyder编辑器界面设置 28 2.5.1 开发环境界面设置 28 2.5.2 代码配色技巧 29 2.5.3 图像显示配置 31 2.5.4 重剑无锋 32 2.6 Notebook模式 34 2.7 模块库控制面板 36 2.7.1 模块库资源 37 2.7.2 模块库维护更新 37 2.7.3 系统关联 38 2.8 使用pip命令更新模块库 39 2.8.1 pip常用命令 39 2.8.2 进入Python命令行模式 41 2.8.3 pip安装模板 41 2.8.4 pip参数解释 42 2.8.5 pip-install参数选项 43 第3章 入门案例套餐 45 3.1 案例3-1：第一次编程，“hello,ziwang” 45 3.1.1 简单调试 46 3.1.2 控制台复位 47 3.2 案例3-2：增强版“hello,ziwang” 47 3.3 案例3-3：列举系统模块库清单 49 3.4 案例3-4：常用绘图风格 50 3.5 案例3-5：Pandas常用绘图风格 52 3.6 案例3-6：常用颜色表cors 53 第4章 足彩量化分析系统 55 4.1 功能简介 55 4.1.1 目录结构 56 4.1.2 TFB安装与更新 56 4.2 TFB主体框架 57 4.2.1 模块构成 57 4.2.2 Top-Base极宽基础模块库 57 4.2.3 Top-Football极宽足彩专业模块库 58 4.2.4 tfbDat极宽足彩数据包 59 4.2.5 量化系统模块构成 60 4.2.6 案例4-1：赔率文件切割 61 4.2.7 案例4-2：批量切割数据文件 64 4.3 tfbDat数据结构 66 4.3.1 案例4-3：tfb数据格式 67 4.3.2 gid基本比赛数据格式 67 4.3.3 xdat赔率数据格式 69 4.4 足彩基本数据分析 73 4.4.1 案例4-4：比赛数据基本图表分析 73 4.4.2 案例4-5：比赛数据进阶图表分析 77 4.4.3 案例4-6：比赛数据年度图表分析 80 4.4.4 案例4-7：比赛数据时间细分图表分析 81 4.5 胜、平、负数据分析 88 4.5.1 案例4-8：胜、平、负数据分析 88 4.5.2 @修饰符 88 4.5.3 胜、平、负分析 90 4.6 赔率数据分析 91 4.6.1 案例4-9：赔率分析 91 4.6.2 扩充dr_gid_top10绘图函数 92 4.6.3 赔率对比 93 第5章 常用数据分析工具 96 5.1 Pandas数据分析软件 96 5.1.1 Pandas简介 96 5.1.2 案例5-1：Pandas常用统计功能 99 5.2 科学计算 104 5.3 人工智能 105 5.4 NLTK语义分析 107 5.5 数据清洗统计分析 109 5.6 数据可视化 109 第6章 辅助工具 114 6.1 性能优化 114 6.1.1 Numexpr矢量加速库 115 6.1.2 Numba支持GPU的加速模块库 115 6.1.3 Blaze大数据优化模块库 115 6.1.4 Pyston加速模块 116 6.1.5 PyPy加速模块 116 6.1.6 Cython 116 6.1.7 其他优化技巧 117 6.2 网页信息抓取 117 6.2.1 Requests人性化的网络模块 118 6.2.2 Scrapy网页爬虫框架 118 6.2.3 Beautiful Soup 4 119 6.3 其他工具模块 120 6.3.1 Logging日志模块 120 6.3.2 Debug调试工具 121 6.3.3 re正则表达式 121 6.3.4 并行编程 122 6.4 网络辅助资源 123 6.5 arrow优雅简捷的时间模块库 125 6.5.1 案例6-1：arrow入门案例 126 6.5.2 创建arrow时间对象 128 6.5.3 创建时间戳 128 6.5.4 arrow属性 129 6.5.5 replace替换和shift位移 130 6.5.6 format格式化参数 130 6.5.7 时间转换 131 6.5.8 短命令 131 6.5.9 人性化 131 6.5.10 范围和跨度 132 6.5.11 工厂模式 133 6.5.12 Token特殊字符 133 第7章 网络足彩数据抓取 135 7.1 500彩票网站数据接口的优势 135 7.1.1 案例7-1：抓取赔率数据网页 136 7.1.2 网页数据实战操作技巧 139 7.2 网页解析的心灵鸡汤 141 7.2.1 BS4四大要素三缺一 142 7.2.2 Tag标签对象 142 7.2.3 案例7-2：Tag标签对象 142 7.2.4 案例7-3：Tag标签对象数据类型 145 7.2.5 NavigableString导航字符串 149 7.2.6 BeautifulSoup复合对象 149 7.2.7 Comment注释对象 150 7.2.8 案例7-4：BS4查找匹配功能 150 7.2.9 BS4节点遍历功能 154 7.3 足彩基本数据抓取 155 7.3.1 案例7-5：分析网页比赛数据 155 7.3.2 案例7-6：提取网页比赛数据 157 7.3.3 gid比赛基本数据结构 159 7.3.4 案例7-7：提取比赛得分 161 7.3.5 案例7-8：提取球队id编码 164 7.3.6 案例7-9：抓取历年比赛数据 167 7.3.7 案例7-10：流程图工具与Python 171 7.3.8 实盘技巧 172 7.3.9 案例7-11：进程池并发运行 174 7.4 批量抓取足彩网页数据实盘教程 177 7.4.1 案例7-12：批量抓取赔率数据 177 7.4.2 fb_gid_getExt扩展网页下载函数 178 7.4.3 bars节点数据包与pools彩票池 178 7.4.4 抓取扩展网页 180 7.5 足彩赔率数据抓取 181 7.5.1 gid与赔率数据网页 181 7.5.2 案例7-13：提取赔率数据 184 7.5.3 赔率数据与结构化数据 186 7.5.4 瀑布流数据网页与小数据理论 189 第8章 足彩数据回溯测试 191 8.1 TFB系统构成 192 8.1.1 TFB系统模块结构 192 8.1.2 Top-Base极宽基础模块库 192 8.1.3 Top-Football极宽足彩专业模块库 193 8.2 实盘数据更新 194 8.2.1 案例8-1：实盘数据更新 194 8.2.2 实盘要点：冗余 195 8.2.3 实盘要点：耐心 196 8.2.4 实盘要点：数据文件 197 8.2.5 main_get函数 197 8.3 变量初始化 199 8.3.1 全局变量与类定义 201 8.3.2 彩票池内存数据库 202 8.3.3 案例8-2：内存数据库&数据包 204 8.4 回溯测试 205 8.4.1 案例8-3：回溯 206 8.4.2 main_bt回溯主入口 207 8.4.3 案例8-4：实盘回溯 209 8.4.4 彩票池与统计池 211 8.4.5 poolTrd下单交易数据 212 8.4.6 poolRet回报记录数据 213 8.4.7 实盘足彩推荐分析 214 8.4.8 实盘回报分析 214 8.4.9 全数据分析与足彩数据集 215 8.5 bt_main回溯主函数 216 8.5.1 bt_1dayMain单日回溯函数 218 8.5.2 赔率数据合并函数 219 8.5.3 单日回报分析函数 220 8.5.4 单日回报分析 221 8.5.5 单场比赛回报分析 223 8.6 sta01策略的大数据分析 224 8.6.1 一号策略函数 226 8.6.2 超过100%的盈利策略与秘诀 227 8.6.3 统计分析 228 8.6.4 回溯时间测试 229 8.6.5 bt_main_ret总回报分析 230 第9章 参数智能寻优 232 9.1 一元参数寻优 233 9.1.1 案例9-1：一号策略参数寻优 233 9.1.2 一元测试函数 234 9.1.3 测试结果数据格式 236 9.1.4 案例9-2：一元参数图表分析 237 9.2 策略函数扩展 241 9.2.1 扩展一号策略函数 241 9.2.2 案例9-3：一号扩展策略 242 9.2.3 案例9-4：sta10策略 244 9.3 二元参数寻优 246 9.3.1 案例9-5：sta10参数寻优 246 9.3.2 案例9-6：二元参数图表分析 248 9.4 策略310准多因子策略 252 9.4.1 案例9-7：数据预处理 254 9.4.2 案例9-8：策略310参数寻优 257 9.4.3 案例9-9：策略310图表分析 259 9.4.4 案例9-10：策略310 264 第10章 Python人工智能入门与实践 266 10.1 从忘却开始 266 10.2 Iris经典爱丽丝 269 10.2.1 案例10-1：经典爱丽丝 270 10.2.2 案例10-2：爱丽丝进化与矢量化文本 272 10.3 AI操作流程 273 10.3.1 机器学习与测试数据集合 274 10.3.2 机器学习运行流程 274 10.3.3 经典机器学习算法 275 10.3.4 黑箱大法 275 10.3.5 数据切割函数 276 10.3.6 案例10-3：爱丽丝分解 277 10.3.7 案例10-4：线性回归算法 281 第11章 机器学习经典算法案例（上） 286 11.1 线性回归 286 11.2 逻辑回归算法 293 11.2.1 案例11-1：逻辑回归算法 294 11.3 朴素贝叶斯算法 296 11.3.1 案例11-2：贝叶斯算法 297 11.4 KNN近邻算法 299 11.4.1 案例11-3：KNN近邻算法 301 11.5 随机森林算法 302 11.5.1 案例11-4：随机森林算法 306 第12章 机器学习经典算法案例（下） 308 12.1 决策树算法 308 12.1.1 案例12-1：决策树算法 310 12.2 GBDT迭代决策树算法 311 12.2.1 案例12-2：GBDT迭代决策树算法 312 12.3 SVM向量机 313 12.3.1 案例12-3：SVM向量机算法 315 12.4 SVM-cross向量机交叉算法 316 12.4.1 案例12-4：SVM-cross向量机交叉算法 317 12.5 神经网络算法 318 12.5.1 经典神经网络算法 319 12.5.2 Sklearn神经网络算法 320 12.5.3 人工智能学习路线图 320 12.5.4 案例12-5：MLP神经网络算法 321 12.5.5 案例12-6：MLP_reg神经网络回归算法 323 第13章 机器学习组合算法 326 13.1 CCPP数据集 326 13.1.1 案例13-1：CCPP数据集 327 13.1.2 案例13-2：CCPP数据切割 328 13.1.3 数据切割函数 330 13.1.4 案例13-3：读取CCPP数据集 331 13.1.5 数据读取函数 333 13.2 机器学习统一接口函数 334 13.2.1 案例13-4：机器学习统一接口 334 13.2.2 统一接口函数 336 13.2.3 机器学习算法代码 338 13.2.4 效果评估函数 339 13.2.5 常用评测指标 340 13.3 批量调用机器学习算法 341 13.3.1 案例13-5：批量调用 341 13.3.2 批量调用算法模型 344 13.4 一体化调用 345 13.4.1 案例13-6：一体化调用 345 13.4.2 一体化调用函数 346 13.5 模型预制与保存 348 13.5.1 案例13-7：储存算法模型 348 13.5.2 模型保存函数 350 13.5.3 模型预测函数 350 13.5.4 案例13-8：批量储存算法模型 351 13.5.5 批量模型储存函数 353 13.5.6 案例13-9：批量加载算法模型 353 13.6 机器学习组合算法 357 13.6.1 案例13-10：机器学习组合算法 357 13.6.2 机器学习组合算法函数 359 第14章 足彩机器学习模型构建 361 14.1 数据整理 361 14.1.1 案例14-1：赔率数据合成 362 14.1.2 案例14-2：按年切割赔率数据 365 14.1.3 案例14-3：累计切割赔率数据 365 14.2 年度足彩赔率模型 366 14.2.1 案例14-4：2016年度足彩赔率模型组 367 14.2.2 案例14-5：年度多字段足彩赔率模型组 370 14.3 累计足彩赔率模型 373 14.3.1 案例14-6：累计2016足彩赔率模型组 373 14.3.2 案例14-7：累计多字段足彩赔率模型组 376 14.3.3 足彩算法模型文件 379 第15章 足彩机器学习模型验证 381 15.1 年度赔率模型验证 381 15.1.1 案例15-1：年度赔率模型验证 381 15.1.2 案例15-2：多字段年度赔率模型验证 383 15.2 累计赔率模型验证 385 15.2.1 案例15-3：累计赔率模型验证 385 15.2.2 案例15-4：多字段累计赔率模型验证 386 15.3 年度组合模型验证 388 15.3.1 案例15-5：年度组合模型验证 388 15.3.2 案例15-6：多字段年度组合模型验证 391 15.3.3 案例15-7：全字段年度组合模型验证 391 15.3.4 年度组合模型测试数据对比分析 392 15.4 累计组合模型验证 393 15.4.1 案例15-8：年度组合模型验证 393 15.4.2 案例15-9：多字段年度组合模型验证 394 15.4.3 累计组合模型测试数据对比分析 394 第16章 结果数据分析 397 16.1 神秘的df9 397 16.1.1 案例16-1：调试模式 397 16.1.2 神秘的df9结果数据变量 400 16.2 盈利率分析 402 16.2.1 案例16-2：盈利率计算 402 第17章 机器学习足彩实盘分析 407 17.1 回溯主入口 408 17.1.1 案例17-1：策略sta01 409 17.1.2 结果文件解读 409 17.1.3 数据字段分析 411 17.2 机器学习与回溯分析 412 17.2.1 案例17-2：Log回归策略足彩分析 414 17.2.2 Log回归策略函数 415 17.2.3 案例17-3：30天Log回归策略足彩分析 418 17.2.4 数据文件分析 420 17.2.5 足彩推荐 421 17.3 进一步深入 421 附录A Sklearn常用模块和函数 423 资源截图：

资源名称：Python密码学编程 内容简介： 本书主要介绍了加密算法，同时从Python编程的角度来引导读者将加密算法更好地实现。书中不仅讲述了详细的算法理论，还附以详细的代码示例帮助读者更好地学习算法，并最终实现加密算法。除此之外，书中还提供了相应的源码下载资源，能够让读者获取到最完整真实的代码示例，帮助读者更好地进行后续的开发和学习。 作者简介： Al Sweigart是加利福尼亚州旧金山的一名软件开 发者。他很喜欢骑自行车、当志愿者、泡咖啡吧以 及开发有用的软件。他编写了《Python游戏编程 快速上手》《Python和Pygame游戏开发指南》 《Python密码学编程》《Python编程快速上手——让繁琐工作自 动化》等图书，深受读者欢迎。他生于德克萨斯的休斯顿。他在德 克萨斯大学Austin分校读完了计算机科学学位。 资源目录： 第1章　制作纸质加密工具　1 1.1　密码学是什么　1 1.2　代码与加密法　2 1.3　制作纸质加密轮盘　2 1.4　虚拟加密轮盘　4 1.5　如何使用加密轮盘加密　4 1.6　如何使用加密轮盘解密　5 1.7　另一个加密法工具：St. Cyr滑条　6 1.8　A组练习　6 1.9　不用纸质工具做加密　7 1.10　B组练习　9 1.11　双重强度加密　9 1.12　通过计算机编程进行加密　9 第2章　Pygame基础知识　11 2.1　下载和安装Python　11 2.1.1　Windows安装步骤　11 2.1.2　OS X安装步骤　12 2.1.3　Ubuntu和Linux安装步骤　12 2.2　下载pyperclip.py　12 2.3　启动IDLE　12 2.4　特色程序　13 2.5　行号和空格　14 2.6　本书的文本换行　14 2.7　在线跟踪程序　15 2.8　使用在线比较工具检查输入的 代码　15 2.9　复制粘贴文本　15 2.10　更多信息链接　15 2.11　编程和密码学　16 第3章　Interactive Shell　20 3.1　一些简单的数学知识　20 3.2　整数和浮点数　21 3.3　表达式　21 3.4　运算符顺序　22 3.5　计算表达式　22 3.6　错误是可以接受的　22 3.7　A组练习　23 3.8　每个值都有一个数据类型　23 3.9　通过赋值语句把值存到变量里　23 3.10　重写变量　24 3.11　使用多个变量　25 3.12　变量名　26 3.13　驼峰式大小写　26 3.14　B组练习　26 3.15　总结——那我们什么时候开始 破译　26 第4章　字符串和写程序　28 4.1　字符串　28 4.2　使用+运算符的字符串连接　29 4.3　使用*运算符的字符串复制　30 4.4　使用print()函数输出值　30 4.5　转义字符　31 4.6　引号和双引号　32 4.7　A组练习　32 4.8　索引操作　33 4.9　负索引　33 4.10　分片操作　34 4.11　空分片索引　35 4.12　B组练习　35 4.13　在IDLE的文件编辑器里写程序　35 4.14　Hello World!　36 4.15　Hello World的源代码　36 4.16　保存你的程序　37 4.17　运行你的程序　37 4.18　打开你保存的程序　38 4.19　“Hello World”程序如何工作　38 4.20　注释　38 4.21　函数　39 4.22　print()函数　39 4.23　input()函数　39 4.24　结束程序　40 4.25　C组练习　40 4.26　总结　40 第5章　反转加密　41 5.1　反转加密　41 5.2　反转加密程序的源代码　41 5.3　运行反转加密程序　42 5.4　用在线比较工具检查你的源代码　42 5.5　这个程序如何工作　43 5.6　len()函数　43 5.7　while循环简介　44 5.8　布尔数据类型　44 5.9　比较运算符　45 5.10　条件　46 5.11　代码块　47 5.12　while循环语句　47 5.13　“增长”一个字符串　48 5.14　一步一步跟踪程序　50 5.15　在我们的程序里使用input()　52 5.16　A组练习　52 5.17　总结　52 第6章　凯撒加密法　53 6.1　实现程序　53 6.2　凯撒加密程序的源代码　53 6.3　运行凯撒加密程序　54 6.4　使用在线比较工具检查你的 源代码　55 6.5　A组练习　55 6.6　这个程序如何工作　55 6.7　使用import语句导入模块　55 6.8　常量　56 6.9　upper()和lower()字符串方法　57 6.10　for循环语句　58 6.11　相当于for循环的while循环　59 6.12　B组练习　59 6.13　if语句　59 6.14　else语句　60 6.15　elif语句　60 6.16　in和not in运算符　61 6.17　find()字符串方法　62 6.18　C组练习　62 6.19　回到代码　62 6.20　显示和复制加密/解密之后的 字符串　64 6.21　加密非字母字符　65 6.22　总结　66 第7章　暴力破译凯撒加密法　67 7.1　破译加密　67 7.2　暴力破译　67 7.3　凯撒加密法破译程序的源代码　68 7.4　运行凯撒加密法破译程序　68 7.5　这个程序如何工作　69 7.6　range()函数　69 7.7　回到代码　70 7.8　字符串格式化　72 7.9　A组练习　72 7.10　总结　72 第8章　使用换位加密法加密　73 8.1　换位加密法　73 8.2　A组练习　74 8.3　换位加密法加密程序　74 8.4　换位加密法加密程序的源代码　75 8.5　运行换位加密法加密程序　76 8.6　这个程序如何工作　76 8.7　使用def语句创建你自己的函数　76 8.8　程序的main()函数　77 8.9　形参　78 8.10　对形参的修改只存在于函数 之内　79 8.11　全局作用域和本地作用域里的 变量　79 8.12　global语句　79 8.13　B组练习　81 8.14　列表数据类型　81 8.15　使用list()函数把区间对象转换 成列表　82 8.16　重新赋值列表里的项　83 8.17　重新赋值字符串里的字符　83 8.18　列表的列表　83 8.19　C组练习　84 8.20　在列表上使用len()和in运算符　84 8.21　使用+和*运算符的列表连接和 复制　85 8.22　D组练习　85 8.23　换位加密算法　85 8.24　增强赋值运算符　88 8.25　回到代码　88 8.26　join()字符串方法　90 8.27　返回值和return语句　91 8.28　E组练习　91 8.29　回到代码　91 8.30　特殊的__name__变量　92 8.31　密钥的大小和消息的长度　93 8.32　总结　93 第9章　使用换位加密法解密　94 9.1　在纸上使用换位加密法解密　94 9.2　练习A组　96 9.3　换位加密法解密程序　96 9.4　换位加密法解密程序的源代码　96 9.5　这个程序如何工作　97 9.6　math.ceil()、math.floor()和round()函数　98 9.7　and和or布尔运算符　101 9.8　B组练习　102 9.9　真值表　102 9.10　and和or运算符可以简化代码　103 9.11　布尔运算符的运算顺序　103 9.12　回到代码　103 9.13　C组练习　105 9.14　总结　105 第10章　写一个程序测试我们的程序　106 10.1　换位加密法测试程序的源代码　106 10.2　运行换位加密法测试程序　107 10.3　这个程序如何工作　108 10.4　伪随机数和random.seed() 函数　108 10.5　random.randint()函数　109 10.6　引用　110 10.7　copy.deepcopy()函数　112 10.8　A组练习　112 10.9　random.shuffle()函数　112 10.10　随机打乱一个字符串　113 10.11　回到代码　114 10.12　sys.exit()函数　114 10.13　测试我们的测试程序　115 10.14　总结　116 第11章　加密和解密文件　117 11.1　纯文本文件　117 11.2　换位加密法文件加密程序的 源代码　118 11.3　运行换位加密法文件加密程序　120 11.4　读取文件　120 11.4.1　open()函数和文件对象　120 11.4.2　read()文件对象方法　120 11.4.3　close()文件对象方法　121 11.5　写入文件　121 11.5.1　write()文件对象方法　122 11.6　这个程序如何工作　122 11.7　os.path.exists()函数　123 11.8　startswith()和endswith()字符串方法　123 11.9　title()字符串方法　124 11.10　time模块和time.time()函数　125 11.11　回到代码　126 11.12　A组练习　126 11.13　总结　127 第12章　通过编程检测英文　128 12.1　计算机如何理解英文　128 12.2　A组练习　130 12.3　检测英文模块　130 12.4　检测英文模块的源代码　130 12.5　这个程序如何工作　131 12.6　词典和词典数据类型　132 12.7　添加或修改词典里的项　132 12.8　B组练习　133 12.9　在词典上使用len()函数　133 12.10　在词典上使用in运算符　133 12.11　在词典上使用for循环　134 12.12　C组练习　134 12.13　词典与列表之间的区别　134 12.14　在词典上查找项比在列表上 更快　135 12.15　split()方法　135 12.16　None值　136 12.17　回到代码　136 12.18　“除以零”错误　138 12.19　float()、int()和str()函数以及 整数除法　138 12.20　D组练习　139 12.21　回到代码　139 12.22　append()列表方法　139 12.23　默认参数值　140 12.24　计算比例　141 12.25　E组练习　142 12.26　总结　143 第13章　破译换位加密法　144 13.1　换位加密法破译程序的源代码　144 13.2　运行换位加密法破译程序　145 13.3　这个程序如何工作　146 13.4　使用三引号的多行字符串　146 13.5　回到代码　147 13.6　strip()字符串方法　148 13.7　A组练习　150 13.8　总结　150 第14章　取模运算与乘数加密法和 仿射加密法　151 14.1　噢，不，数学！　151 14.2　数学，噢耶！　151 14.3　取模运算（又名时钟运算）　151 14.4　取模运算符%　152 14.5　A组练习　153 14.6　GCD：最大公约数（又名最大 公因数）　153 14.7　使用古氏积木（Cuisenaire rods）可视化因数和GCD　154 14.8　B组练习　155 14.9　多重赋值　155 14.10　通过多重赋值交换值　156 14.11　找出两个数字的GCD的 欧几里得算法　156 14.12　“互质”　157 14.13　C组练习　157 14.14　乘数加密法　157 14.15　D组练习　159 14.16　乘数加密法 + 凯撒加密法 = 仿射加密法　159 14.17　仿射密钥的第一个问题　159 14.18　使用仿射加密法解密　160 14.19　找出模逆　161 14.20　//整数除法运算符　161 14.21　cryptomath模块的源代码　162 14.22　E组练习　163 14.23　总结　163 第15章　仿射加密法　164 15.1　仿射加密法程序的源代码　164 15.2　运行仿射加密法程序　166 15.3　A组练习　166 15.4　这个程序如何工作　166 15.5　把一个密钥分成两个密钥　167 15.6　元祖数据类型　168 15.7　密钥的输入验证　168 15.8　仿射加密法加密函数　169 15.9　仿射加密法解密函数　170 15.10　生成随机密钥　171 15.11　仿射密钥的第二个问题：仿射加密法可以有多少个密钥　172 15.12　总结　173 第16章　破译仿射加密法　174 16.1　仿射加密法破译程序的 源代码　174 16.2　运行仿射加密法破译程序　175 16.3　这个程序如何工作　176 16.4　仿射加密法破译函数　177 16.5　**指数运算符　177 16.6　continue语句　178 16.7　A组练习　180 16.8　总结　180 第17章　简单替代加密法　181 17.1　使用纸笔实现简单替代加密法　181 17.2　A组练习　182 17.3　简单替代加密法的源代码　182 17.4　运行简单替代加密法程序　183 17.5　这个程序如何工作　184 17.6　程序的main()函数　184 17.7　sort()列表方法　185 17.8　包装器函数　186 17.9　程序的translateMessage() 函数　187 17.10　isupper()和islower()字符串 方法　189 17.11　B组练习　190 17.12　生成随机密钥　190 17.13　加密空格和标点符号　191 17.14　C组练习　191 17.15　总结　192 第18章　破译简单替代加密法　193 18.1　计算单词模式　193 18.2　获取密词的候选单词列表　194 18.3　A组练习　195 18.4　单词模式模块的源代码　195 18.5　运行单词模式模块　196 18.6　这个程序如何工作　197 18.7　pprint.pprint()和pprint. pformat()函数　197 18.8　在Python里使用列表创建 字符串　198 18.9　计算单词模式　199 18.10　单词模式程序的main()函数　200 18.11　破译简单替代加密法　202 18.12　简单替代破译程序的源代码　202 18.13　破译简单替代加密法（理论）　205 18.14　使用Interactive Shell探索 破译函数　205 18.15　这个程序如何工作　209 18.16　导入所有东西　209 18.17　正则表达式和sub()正则方法 简介　210 18.18　破译程序的main()函数　211 18.19　部分破译加密法　211 18.20　空密字映射　212 18.21　把字母添加到密字映射　213 18.22　计算两个字母映射的交集　214 18.23　从密字映射移除已经破译的 字母　215 18.24　破译简单替代加密法　217 18.25　从密字映射创建密钥　219 18.26　我们不能把空格也加密吗　220 18.27　总结　220 第19章　维吉尼亚加密法　221 19.1　不可破译的加密法　221 19.2　维吉尼亚密钥里的多个“密钥”　221 19.3　维吉尼亚加密法程序的源代码　224 19.4　运行维吉尼亚加密法程序　226 19.5　这个程序如何工作　227 19.6　总结　230 第20章　频率分析　231 20.1　字母频率和ETAOIN　231 20.1.1　匹配字母频率　232 20.1.2　计算频率匹配分值的例子　233 20.1.3　另一个计算频率匹配分值的例子　233 20.1.4　破译每个子密钥　234 20.2　匹配字母频率的代码　234 20.3　这个程序如何工作　236 20.4　最常见的字母“ETAOIN”　237 20.5　这个程序的getLettersCount() 函数　237 20.6　这个程序的getItemAtIndex Zero()函数　238 20.7　这个程序的getFrequencyOrder()函数　238 20.8　sort()方法的key和reverse关键字参数　239 20.9　把函数作为值传递　240 20.10　通过keys()、values()和items()词典方法把词典转换成列表　241 20.11　对词典的项进行排序　242 20.12　这个程序的englishFreqMatch Score()函数　243 20.13　总结　244 第21章　破译维吉尼亚加密法　245 21.1　词典攻击　245 21.2　维吉尼亚词典攻击程序的源代码　245 21.3　运行维吉尼亚词典破译程序　246 21.4　readlines()文件对象方法　247 21.5　巴贝奇攻击和卡西斯基试验　247 21.6　卡西斯基试验的第1步—— 找出重复序列的间距　247 21.7　卡西斯基试验的第2步—— 获取间距的因数　248 21.8　从字符串获取每隔N个字母　249 21.9　频率分析　249 21.10　暴力破译可能密钥　251 21.11　维吉尼亚破译程序的源代码　251 21.12　运行维吉尼亚破译程序　256 21.13　这个程序如何工作　258 21.14　找出重复序列　259 21.15　计算因数　260 21.16　通过set()函数来移除重复值　261 21.17　卡西斯基测试算法　263 21.18　extend()列表方法　264 21.19　print()的end关键字参数　268 21.20　itertools.product()函数　269 21.21　break语句　272 21.22　A组练习　273 21.23　修改破译程序的常量　273 21.24　总结　274 第22章　一次密码本加密法　275 22.1　牢不可破的一次密码本加密法　275 22.2　为什么一次密码本加密法是 牢不可破的　275 22.3　小心伪随机　276 22.4　小心二次密码本加密法　277 22.5　二次密码本加密法就是维吉尼亚加密法　277 22.6　A组练习　278 22.7　总结　278 第23章　寻找质数　279 23.1　质数　279 23.2　合数　280 23.3　质数筛选模块的源代码　280 23.4　这个程序如何工作　281 23.5　如何判断一个数字是不是质数　282 23.6　埃拉托色尼筛选法　283 23.7　primeSieve()函数　284 23.8　检测质数　285 23.9　拉宾米勒模块的源代码　285 23.10　运行拉宾米勒模块　287 23.11　这个程序如何工作　287 23.12　拉宾米勒算法　287 23.13　新的经过改进的isPrime()函数　288 23.14　总结　289 第24章　公钥密码学和RSA加密法　291 24.1　公钥密码学　291 24.2　“课本”RSA的危险　292 24.3　身份验证的问题　292 24.4　中间人攻击　293 24.5　生成公钥和私钥　293 24.6　RSA密钥生成程序的源代码　294 24.7　运行RSA密钥生成程序　295 24.8　这个密钥生成程序如何工作　296 24.9　这个程序的generateKey()函数　297 24.10　RSA密钥文件格式　299 24.11　混合加密机制　300 24.12　RSA加密法程序的源代码　300 24.13　运行RSA加密法程序　303 24.14　A组练习　304 24.15　数字签名　304 24.16　RSA加密法程序如何工作　306 24.17　ASCII：使用数字来表示字符　307 24.18　chr()和ord()函数　308 24.19　B组练习　308 24.20　区块　308 24.21　使用getBlocksFromText()把 字符串转成区块　311 24.22　encode()字符串方法和字节数 据类型　311 24.23　bytes()函数和decode()bytes 方法　312 24.24　C组练习　312 24.25　回到代码　313 24.26　min()和max()函数　313 24.27　insert()列表方法　315 24.28　RSA加密和解密的数学运算　316 24.29　pow()函数　317 24.30　从密钥文件读取公钥和私钥　318 24.31　完整的RSA加密流程　318 24.32　完整的RSA解密流程　320 24.33　D组练习　321 24.34　我们为什么不能破译RSA 加密法　321 24.35　总结　323 资源截图：

资源名称：零起点PYTHON机器学习快速入门 PDF 内容简介： 《零起点Python机器学习快速入门》采用独创的黑箱模式，MBA案例教学机制，结合一线实战案例，介绍 Sklearn人工智能模块库和常用的机器学习算法。《零起点Python机器学习快速入门》中配备大量图表说明，没有枯燥的数学公式，只要懂 Word、Excel，就能够轻松阅读全书，并学习使用书中的知识，分析大数据。 《零起点Python机器学习快速入门》具有以下特色： 独创的黑箱教学模式，《零起点Python机器学习快速入门》无任何抽象理论和深奥的数学公式。 首次系统化融合 Sklearn人工智能软件和 Pandas数据分析软件，不用再直接使用复杂的 Numpy数学矩阵模块。 系统化的 Sklearn函数 API接口中文文档，可作为案头工具书随时查阅。 基于 Sklearn+Pandas架构，全程采用 MBA案例模式，无需任何理论基础，懂 Excel就可看懂。 资源目录： 第 1 章从阿尔法狗开始说起 1 1.1 阿尔法狗的前世今生 1 1.2 机器学习是什么 2 1.3 机器学习大史记 3 1.4 机器学习经典案例 11 第2 章开发环境 13 2.1 数据分析首选Python 13 2.2 用户运行平台 18 2.3 程序目录结构 19 2.4 Spyder 编辑器界面设置 20 2.5 Python 命令行模式 26 2.6 Notebook 模式 27 2.7 模块库控制面板 29 2.8 使用pip 更新模块库 33 第3 章 Python 入门案例 39 3.1 案例3-1：第一次编程“hello,ziwang” 39 3.2 案例3-2：增强版“hello,zwiang” 42 3.3 案例3-3：列举系统模块库清单 44 3.4 案例 3-4：常用绘图风格 45 3.5 案例 3-5：Pandas常用绘图风格 47 3.6 案例 3-6：常用颜色表 cors 49 3.7 案例源码 50 第4 章 Python 基本语法 58 4.1 数据类型 58 案例4-1：基本运算 59 4.2 字符串 61 案例4-2：字符串入门. 61 案例4-3：字符串常用方法 63 4.3 List 列表 64 案例4-4：列表操作 65 4.4 Tuple 元组 66 案例4-5：元组操作 67 4.5 Dictionary 字典. 68 案例4-6：字典操作 68 4.6 数据类型转换 70 案例4-7：控制语句 71 案例4-8：函数定义 73 4.7 案例源码 75 第5 章 Python 人工智能入门与实践 85 5.1 从忘却开始. 85 5.2 Iris 经典爱丽丝. 89 案例5-1：Iris 爱丽丝 90 案例5-2：爱丽丝进化与文本矢量化. 92 5.3 AI 操作流程 95 5.4 数据切割函数 98 案例5-3：Iris 爱丽丝分解 99 案例5-4：线性回归算法. 103 5.5 案例源码 109 第6 章机器学习经典算法案例（上） 116 6.1 线性回归 116 6.2 逻辑回归算法. 124 案例6-1：逻辑回归算法. 125 6.3 朴素贝叶斯算法 127 案例6-2：贝叶斯算法 129 6.4 KNN 近邻算法 130 案例6-3：KNN 近邻算法 133 6.5 随机森林算法. 135 案例6-4：随机森林算法. 139 6.6 案例源码 140 第7 章机器学习经典算法案例（下） 149 7.1 决策树算法 149 案例7-1：决策树算法 151 7.2 GBDT 迭代决策树算法 153 案例7-2：GBDT 迭代决策树算法 154 7.3 SVM 向量机 156 案例7-3：SVM 向量机算法. 157 7.4 SVM-cross 向量机交叉算法 159 案例7-4：SVM-cross 向量机交叉算法 160 7.5 神经网络算法. 161 案例7-5：MLP 神经网络算法. 165 案例7-6：MLP_reg 神经网络回归算法. 168 7.6 案例源码 170 第8 章机器学习组合算法 183 8.1 CCPP 数据集 183 案例8-1：CCPP 数据集 184 案例8-2：CCPP 数据切割. 186 案例8-3：读取CCPP 数据集 189 8.2 机器学习统一接口函数 192 案例8-4：机器学习统一接口 193 案例8-5：批量调用机器学习算法 201 案例8-6：一体化调用 205 8.3 模型预制与保存 208 案例8-7：储存算法模型. 210 案例8-8：批量储存算法模型 213 案例8-9：批量加载算法模型 215 案例8-10：机器学习组合算法 219 8.4 案例源码 224 附录A Sklearn 常用模块和函数. 242 附录B 极宽量化系统模块图 266 资源截图：

资源名称：Python机器学习经典实例 内容简介： 在如今这个处处以数据驱动的世界中，机器学习正变得越来越大众化。它已经被广泛地应用于不同领域，如搜索引擎、机器人、无人驾驶汽车等。本书首先通过实用的案例介绍机器学习的基础知识，然后介绍一些稍微复杂的机器学习算法，例如支持向量机、极端随机森林、隐马尔可夫模型、条件随机场、深度神经网络，等等。 本书是为想用机器学习算法开发应用程序的Python 程序员准备的。它适合Python 初学者阅读，不过熟悉Python 编程方法对体验示例代码大有裨益。 作者简介： 作者简介： Prateek Joshi 人工智能专家，重点关注基于内容的分析和深度学习，曾在英伟达、微软研究院、高通公司以及硅谷的几家早期创业公司任职。 译者简介： 陶俊杰 长期从事数据分析工作，酷爱Python，每天都和Python面对面，乐此不疲。本科毕业于北京交通大学机电学院，硕士毕业于北京交通大学经管学院。曾就职于中国移动设计院，目前在京东任职。 陈小莉 长期从事数据分析工作，喜欢Python。本科与硕士毕业于北京交通大学电信学院。目前在中科院从事科技文献与专利分析工作。 资源目录： 第1章　监督学习　　1 1.1　简介　　1 1.2　数据预处理技术　　2 1.2.1　准备工作　　2 1.2.2　详细步骤　　2 1.3　标记编码方法　　4 1.4　创建线性回归器　　6 1.4.1　准备工作　　6 1.4.2　详细步骤　　7 1.5　计算回归准确性　　9 1.5.1　准备工作　　9 1.5.2　详细步骤　　10 1.6　保存模型数据　　10 1.7　创建岭回归器　　11 1.7.1　准备工作　　11 1.7.2　详细步骤　　12 1.8　创建多项式回归器　　13 1.8.1　准备工作　　13 1.8.2　详细步骤　　14 1.9　估算房屋价格　　15 1.9.1　准备工作　　15 1.9.2　详细步骤　　16 1.10　计算特征的相对重要性　　17 1.11　评估共享单车的需求分布　　19 1.11.1　准备工作　　19 1.11.2　详细步骤　　19 1.11.3　更多内容　　21 第2章　创建分类器　　24 2.1　简介　　24 2.2　建立简单分类器　　25 2.2.1　详细步骤　　25 2.2.2　更多内容　　27 2.3　建立逻辑回归分类器　　27 2.4　建立朴素贝叶斯分类器　　31 2.5　将数据集分割成训练集和测试集　　32 2.6　用交叉验证检验模型准确性　　33 2.6.1　准备工作　　34 2.6.2　详细步骤　　34 2.7　混淆矩阵可视化　　35 2.8　提取性能报告　　37 2.9　根据汽车特征评估质量　　38 2.9.1　准备工作　　38 2.9.2　详细步骤　　38 2.10　生成验证曲线　　40 2.11　生成学习曲线　　43 2.12　估算收入阶层　　45 第3章　预测建模　　48 3.1　简介　　48 3.2　用SVM建立线性分类器　　49 3.2.1　准备工作　　49 3.2.2　详细步骤　　50 3.3　用SVM建立非线性分类器　　53 3.4　解决类型数量不平衡问题　　55 3.5　提取置信度　　58 3.6　寻找最优超参数　　60 3.7　建立事件预测器　　62 3.7.1　准备工作　　62 3.7.2　详细步骤　　62 3.8　估算交通流量　　64 3.8.1　准备工作　　64 3.8.2　详细步骤　　64 第4章　无监督学习——聚类　　67 4.1　简介　　67 4.2　用k-means算法聚类数据　　67 4.3　用矢量量化压缩图片　　70 4.4　建立均值漂移聚类模型　　74 4.5　用凝聚层次聚类进行数据分组　　76 4.6　评价聚类算法的聚类效果　　79 4.7　用DBSCAN算法自动估算集群数量　　82 4.8　探索股票数据的模式　　86 4.9　建立客户细分模型　　88 第5章　构建推荐引擎　　91 5.1　简介　　91 5.2　为数据处理构建函数组合　　92 5.3　构建机器学习流水线　　93 5.3.1　详细步骤　　93 5.3.2　工作原理　　95 5.4　寻找最近邻　　95 5.5　构建一个KNN分类器　　98 5.5.1　详细步骤　　98 5.5.2　工作原理　　102 5.6　构建一个KNN回归器　　102 5.6.1　详细步骤　　102 5.6.2　工作原理　　104 5.7　计算欧氏距离分数　　105 5.8　计算皮尔逊相关系数　　106 5.9　寻找数据集中的相似用户　　108 5.10　生成电影推荐　　109 第6章　分析文本数据　　112 6.1　简介　　112 6.2　用标记解析的方法预处理数据　　113 6.3　提取文本数据的词干　　114 6.3.1　详细步骤　　114 6.3.2　工作原理　　115 6.4　用词形还原的方法还原文本的基本形式　　116 6.5　用分块的方法划分文本　　117 6.6　创建词袋模型　　118 6.6.1　详细步骤　　118 6.6.2　工作原理　　120 6.7　创建文本分类器　　121 6.7.1　详细步骤　　121 6.7.2　工作原理　　123 6.8　识别性别　　124 6.9　分析句子的情感　　125 6.9.1　详细步骤　　126 6.9.2　工作原理　　128 6.10　用主题建模识别文本的模式　　128 6.10.1　详细步骤　　128 6.10.2　工作原理　　131 第7章　语音识别　　132 7.1　简介　　132 7.2　读取和绘制音频数据　　132 7.3　将音频信号转换为频域　　134 7.4　自定义参数生成音频信号　　136 7.5　合成音乐　　138 7.6　提取频域特征　　140 7.7　创建隐马尔科夫模型　　142 7.8　创建一个语音识别器　　143 第8章　解剖时间序列和时序数据　　147 8.1　简介　　147 8.2　将数据转换为时间序列格式　　148 8.3　切分时间序列数据　　150 8.4　操作时间序列数据　　152 8.5　从时间序列数据中提取统计数字　　154 8.6　针对序列数据创建隐马尔科夫模型　　157 8.6.1　准备工作　　158 8.6.2　详细步骤　　158 8.7　针对序列文本数据创建条件随机场　　161 8.7.1　准备工作　　161 8.7.2　详细步骤　　161 8.8　用隐马尔科夫模型分析股票市场数据　　164 第9章　图像内容分析　　166 9.1　简介　　166 9.2　用OpenCV-Pyhon操作图像　　167 9.3　检测边　　170 9.4　直方图均衡化　　174 9.5　检测棱角　　176 9.6　检测SIFT特征点　　178 9.7　创建Star特征检测器　　180 9.8　利用视觉码本和向量量化创建特征　　182 9.9　用极端随机森林训练图像分类器　　185 9.10　创建一个对象识别器　　187 第10章　人脸识别　　189 10.1　简介　　189 10.2　从网络摄像头采集和处理视频信息　　189 10.3　用Haar级联创建一个人脸识别器　　191 10.4　创建一个眼睛和鼻子检测器　　193 10.5　做主成分分析　　196 10.6　做核主成分分析　　197 10.7　做盲源分离　　201 10.8　用局部二值模式直方图创建一个人脸识别器　　205 第11章　深度神经网络　　210 11.1　简介　　210 11.2　创建一个感知器　　211 11.3　创建一个单层神经网络　　213 11.4　创建一个深度神经网络　　216 11.5　创建一个向量量化器　　219 11.6　为序列数据分析创建一个递归神经网络　　221 11.7　在光学字符识别数据库中将字符可视化　　225 11.8　用神经网络创建一个光学字符识别器　　226 第12章　可视化数据　　230 12.1　简介　　230 12.2　画3D散点图　　230 12.3　画气泡图　　232 12.4　画动态气泡图　　233 12.5　画饼图　　235 12.6　画日期格式的时间序列数据　　237 12.7　画直方图　　239 12.8　可视化热力图　　241 12.9　动态信号的可视化模拟　　242 资源截图：