资源搜

资源名称：WEB接口开发与自动化测试 基于PYTHON语言 PDF 内容简介：《Web接口开发与自动化测试——基于Python语言》以接口测试为主线，以Web开发为切入点，全面介绍了Web接口开发与自动化测试过程中使用的相关技术。《Web接口开发与自动化测试——基于Python语言》分为15章，第1章介绍了Python的基础知识，解答初学Python的同学都会遇到的一些问题；第2章到第5章以开发发布会签到系统为需求，介绍了Django Web开发技术；第6章介绍了unittest单元测试框架，以及在Django中如何编写单元测试；第7章到第10章主要围绕接口的相关概念，Web接口开发，接口测试工具和接口自动化测试框架的开发；第11介绍了安全接口的开发与测试；第12、13章介绍了Web Services技术；第14、15章介绍了Django Web项目的部署和接口性能测试。 资源目录： 第 1章 Python学习必知 1 1.1 Python 2.x与 Python 3.x选择 1 1.2 Python的安装 2 1.2.1 在 Windows下安装 Python 2 1.2.2 安装 Python 2和 Python 3两个版本 3 1.2.3 “python”不是内部或外部命令 5 1.3扩展库的安装 6 1.3.1 pip安装扩展库 6 1.3.2 tar.gz文件安装 9 1.3.3 whl文件安装 9 1.3.4 GitHub克隆项目安装 9 1.4开发工具选择 11 1.4.1 Sublime Text3 11 1.4.2 Atom 13 1.4.3 PyCharm 14 1.5程序报错不要慌 15 1.5.1 缩进错误 15 1.5.2 引包错误 16 1.5.3 编码错误 16 1.5.4 学会分析错误 17 第 2章 Django入门 19 2.1 Django开发环境 19 2.1.1 在 Windows下安装 Django 20 2.1.2 在 Ubuntu下安装 Django 20 2.2开始第一个 demo 21 2.2.1 创建项目与应用 22 2.2.2 运行项目 25 2.2.3 Hello Django！ 27 2.2.4 使用模板 29 2.3 Django工作流 30 2.3.1 URL组成 31 2.3.2 URLconf 32 2.3.3 views视图 33 2.3.4 templates模板 34 2.4 MTV开发模式 34 第 3章 Django视图 36 3.1来写个登录功能 36 3.1.1 GET与 POST请求 37 3.1.2 处理登录请求 40 3.1.3 登录成功页 42 3.2 Cookie和 Session 44 3.2.1 Cookie的使用 44 3.2.2 Session的使用 46 3.3 Django认证系统 49 3.3.1 登录 Admin后台 49 3.3.2 引用 Django认证登录 50 3.3.3 关上窗户 51 第 4章 Django模型 53 4.1设计系统表 53 4.2 admin后台管理 56 4.3基本数据访问 59 4.3.1 插入数据 60 4.3.2 查询数据 61 4.3.3 删除数据 63 4.3.4 更新数据 63 4.4 SQLite管理工具 64 4.4.1 SQLite Manager 64 4.4.2 SQLiteStudio 65 4.5配置 MySQL 65 4.5.1 安装 MySQL 65 4.5.2 MySQL基本操作 67 4.5.3 安装 PyMySQL 68 4.5.4 在 Django中配置 MySQL 69 4.5.5 MySQL管理工具 72 第 5章 Django模板 73 5.1 Django-bootstrap3 73 5.2发布会管理 74 5.2.1 发布会列表 74 5.2.2 搜索功能 78 5.3嘉宾管理 79 5.3.1 嘉宾列表 80 5.3.2 分页器 83 5.4签到功能 87 5.4.1 添加签到链接 87 5.4.2 签到页面 88 5.4.3 签到动作 91 5.5退出系统 93 第 6章 Django测试 95 6.1 unittest单元测试框架 95 6.1.1 单元测试框架 95 6.1.2 编写单元测试用例 96 6.2 Django测试 100 6.2.1 一个简单的例子 100 6.2.2 运行测试用例 102 6.3客户端测试 104 6.3.1 测试首页 104 6.3.2 测试登录动作 105 6.3.3 测试发布会管理 107 6.3.4 测试嘉宾管理 108 6.3.5 测试用户签到 109 第 7章接口相关概念 111 7.1分层的自动化测试 111 7.2单元测试与模块测试 112 7.3接口测试 114 7.3.1 接口的分类 115 7.3.2 接口测试的意义 116 7.4编程语言中的 Interface 117 7.4.1 Java中的 Interface 117 7.4.2 Python中的 Zope.interface 119 第 8章开发 Web接口 121 8.1为何要开发 Web接口 121 8.2什么是 Web接口 124 8.2.1 HTTP 125 8.2.2 JSON格式 128 8.3开发系统 Web接口 129 8.3.1 配置接口路径 129 8.3.2 添加发布会接口 130 8.3.3 查询发布会接口 132 8.3.4 添加嘉宾接口 133 8.3.5 查询嘉宾接口 135 8.3.6 发布会签到接口 136 8.4编写 Web接口文档 138 第 9章接口测试工具介绍 143 9.1 Postman测试工具 143 9.2 JMeter测试工具 146 9.2.1 安装 JMeter 146 9.2.2 创建测试任务 147 9.2.3 添加接口测试 151 9.2.4 添加断言 153 9.3 Robot Framework测试框架 154 9.3.1 环境搭建 155 9.3.2 基本概念与用法 157 9.3.3 接口测试 160 第 10章接口自动化测试框架 165 10.1 接口测试工具的不足 165 10.2 Requests库 166 10.2.1 安装 167 10.2.2 接口测试 167 10.2.3 集成 unittest 168 10.3 接口测试框架开发 169 10.3.1 框架处理流程 169 10.3.2 框架结构介绍 170 10.3.3 修改数据库配置 171 10.3.4 数据库操作封装 172 10.3.5 编写接口测试用例 176 10.3.6 集成测试报告 178 第 11章接口的安全机制 181 11.1用户认证 181 11.1.1 开发带 Auth接口 182 11.1.2 接口文档 184 11.1.3 接口测试用例 185 11.2数字签名 187 11.2.1 开发接口 188 11.2.2 接口文档 191 11.2.3 接口用例 192 11.3接口加密 194 11.3.1 PyCrypto库 194 11.3.2 AES加密接口开发 196 11.3.3 编写接口文档 201 11.3.4 补充接口测试用例 202 第 12章 Web Services 205 12.1 Web Services相关概念 205 12.2 Web Services的开发与调用 214 12.2.1 suds-jurko调用接口 214 12.2.2 spyne开发接口 219 12.3 JMeter测试 SOAP接口 221 第 13章 REST 224 13.1 RPC与 REST 224 13.2 Django REST Framework 227 13.2.1 创建简单的 API 227 13.2.2 添加接口数据 231 13.2.3 测试接口 232 13.3 集成发布会系统 API 234 13.3.1 添加发布会 API 234 13.3.2 测试接口 237 13.4 soapUI测试工具 238 13.4.1 创建 SOAP测试项目 239 13.4.2 创建 REST测试项目 241 第 14章 Django项目部署 244 14.1 uWSGI 244 14.1.1 uWSGI介绍 244 14.1.2 安装 uWSGI 245 14.1.3 uWSGI运行 Django 246 14.2 Nginx 247 14.2.1 安装 Nginx 247 14.2.2 Nginx+uWSGI+Django 248 14.2.3 处理静态资源 251 14.3 创建 404页面 253 第 15章接口性能测试 256 15.1 Locust性能测试工具 256 15.1.1 安装 Locust 257 15.1.2 性能测试案例 259 15.2 发布会系统性能测试 262 15.2.1 性能测试准备 263 15.2.2 编写性能测试脚本 266 15.2.3 执行性能测试 267 15.3 接口性能测试 270 15.3.1 编写接口性能测试脚本 270 15.3.2 执行接口性能测试 271 15.3.3 多线程测试接口性能 274 资源截图：

资源名称：易学python 资源截图：

资源名称：CorePythonProgramming核心编程第二版   资源截图：

资源名称：Python数据处理 PDF  内容简介： 本书采用基于项目的方法，介绍用Python完成数据获取、数据清洗、数据探索、数据呈现、数据规模化和自动化的过程。主要内容包括：Python基础知识，如何从CSV、Excel、XML、JSON和PDF文件中提取数据，如何获取与存储数据，各种数据清洗与分析技术，数据可视化方法，如何从网站和API中提取数据。 作者简介： Jacqueline Kazil 数据科学家，资深软件开发者。活跃于Python软件基金会、PyLadies等社区。曾参与美国总统创新伙伴项目，是美国政府技术组织18F的联合创始人。曾担任《华盛顿邮报》数据记者。 Katharine Jarmul 资深Python开发者，PyLadies联合创始人。喜欢数据分析和获取、网页抓取、教人学习Python以及Unix，期望通过教育和培训来促进Python和其他开源语言的多元化。 译者简介： 张亮（hysic） 毕业于北京大学物理学院，爱好机器学习和数据分析的核安全工程师。 吕家明 2016年毕业于哈尔滨工业大学，现就职于腾讯，从事搜索、Query分析等相关工作，熟悉大规模数据下的数据挖掘和机器学习实践。 资源目录： 前言　　xiii 第1章　Python 简介　　1 1.1　为什么选择Python　　4 1.2　开始使用Python　　4 1.2.1　Python 版本选择　　5 1.2.2　安装Python　　6 1.2.3　测试Python　　9 1.2.4　安装pip　　11 1.2.5　安装代码编辑器　　12 1.2.6　安装IPython（可选）　　13 1.3　小结　　13 第2章　Python 基础　　14 2.1　基本数据类型　　15 2.1.1　字符串　　15 2.1.2　整数和浮点数　　15 2.2　数据容器　　18 2.2.1　变量　　18 2.2.2　列表　　21 2.2.3　字典　　22 2.3　各种数据类型的用途　　23 2.3.1　字符串方法：字符串能做什么　　24 2.3.2　数值方法：数字能做什么　　25 2.3.3　列表方法：列表能做什么　　26 2.3.4　字典方法：字典能做什么　　27 2.4　有用的工具：type、dir 和help　　28 2.4.1　type　　28 2.4.2　dir　　28 2.4.3　help　　30 2.5　综合运用　　31 2.6　代码的含义　　32 2.7　小结　　33 第3章　供机器读取的数据　　34 3.1　CSV 数据　　35 3.1.1　如何导入CSV 数据　　36 3.1.2　将代码保存到文件中并在命令行中运行　　39 3.2　JSON 数据　　41 3.3　XML 数据　　44 3.4　小结　　56 第4章　处理Excel 文件　　58 4.1　安装Python 包　　58 4.2　解析Excel 文件　　59 4.3　开始解析　　60 4.4　小结　　71 第5章　处理PDF 文件，以及用Python 解决问题　　73 5.1　尽量不要用PDF　　73 5.2　解析PDF 的编程方法　　74 5.2.1　利用slate 库打开并读取PDF　　75 5.2.2　将PDF 转换成文本　　77 5.3　利用pdfminer 解析PDF　　78 5.4　学习解决问题的方法　　92 5.4.1　练习：使用表格提取，换用另一个库　　94 5.4.2　练习：手动清洗数据　　98 5.4.3　练习：试用另一种工具　　98 5.5　不常见的文件类型　　101 5.6　小结　　101 第6章　数据获取与存储　　103 6.1　并非所有数据生而平等　　103 6.2　真实性核查　　104 6.3　数据可读性、数据清洁度和数据寿命　　105 6.4　寻找数据　　105 6.4.1　打电话　　105 6.4.2　美国政府数据　　106 6.4.3　全球政府和城市开放数据　　107 6.4.4　组织数据和非政府组织数据　　109 6.4.5　教育数据和大学数据　　109 6.4.6　医学数据和科学数据　　109 6.4.7　众包数据和API　　110 6.5　案例研究：数据调查实例　　111 6.5.1　埃博拉病毒危机　　111 6.5.2　列车安全　　111 6.5.3　足球运动员的薪水　　112 6.5.4　童工　　112 6.6　数据存储　　113 6.7　数据库简介　　113 6.7.1　关系型数据库：MySQL 和PostgreSQL　　114 6.7.2　非关系型数据库：NoSQL　　116 6.7.3　用Python 创建本地数据库　　117 6.8　使用简单文件　　118 6.8.1　云存储和Python　　118 6.8.2　本地存储和Python　　119 6.9　其他数据存储方式　　119 6.10　小结　　119 第7章　数据清洗：研究、匹配与格式化　　121 7.1　为什么要清洗数据　　121 7.2　数据清洗基础知识　　122 7.2.1　找出需要清洗的数据　　123 7.2.2　数据格式化　　131 7.2.3　找出离群值和不良数据　　135 7.2.4　找出重复值　　140 7.2.5　模糊匹配　　143 7.2.6　正则表达式匹配　　146 7.2.7　如何处理重复记录　　150 7.3　小结　　151 第8章　数据清洗：标准化和脚本化　　153 8.1　数据归一化和标准化　　153 8.2　数据存储　　154 8.3　找到适合项目的数据清洗方法　　156 8.4　数据清洗脚本化　　157 8.5　用新数据测试　　170 8.6　小结　　172 第9章　数据探索和分析　　173 9.1　探索数据　　173 9.1.1　导入数据　　174 9.1.2　探索表函数　　179 9.1.3　联结多个数据集　　182 9.1.4　识别相关性　　186 9.1.5　找出离群值　　187 9.1.6　创建分组　　189 9.1.7　深入探索　　192 9.2　分析数据　　193 9.2.1　分离和聚焦数据　　194 9.2.2　你的数据在讲什么　　196 9.2.3　描述结论　　196 9.2.4　将结论写成文档　　197 9.3　小结　　197 第10章　展示数据　　199 10.1　避免讲故事陷阱　　199 10.1.1　怎样讲故事　　200 10.1.2　了解听众　　200 10.2　可视化数据　　201 10.2.1　图表　　201 10.2.2　时间相关数据　　207 10.2.3　地图　　208 10.2.4　交互式元素　　211 10.2.5　文字　　212 10.2.6　图片、视频和插画　　212 10.3　展示工具　　213 10.4　发布数据　　213 10.4.1　使用可用站点　　213 10.4.2　开源平台：创建一个新网站　　215 10.4.3　Jupyter（曾名IPython notebook）　　216 10.5　小结　　219 第11章　网页抓取：获取并存储网络数据　　221 11.1　抓取什么和如何抓取　　221 11.2　分析网页　　223 11.2.1　检视：标记结构　　224 11.2.2　网络/ 时间线：页面是如何加载的　　230 11.2.3　控制台：同Javaｓｃｒｉｐｔ 交互　　232 11.2.4　页面的深入分析　　236 11.3　得到页面：如何通过互联网发出请求　　237 11.4　使用Beautiful Soup 读取网页　　238 11.5　使用lxml 读取网页　　241 11.6　小结　　249 第12章　高级网页抓取：屏幕抓取器与爬虫　　251 12.1　基于浏览器的解析　　251 12.1.1　使用Selenium 进行屏幕读取　　252 12.1.2　使用Ghost.py 进行屏幕读取　　260 12.2　爬取网页　　266 12.2.1　使用Scrapy 创建一个爬虫　　266 12.2.2　使用Scrapy 爬取整个网站　　273 12.3　网络：互联网的工作原理，以及为什么它会让脚本崩溃　　281 12.4　变化的互联网（或脚本为什么崩溃）　　283 12.5　几句忠告　　284 12.6　小结　　284 第13章　应用编程接口　　286 13.1　API 特性　　287 13.1.1　REST API 与流式API　　287 13.1.2　频率限制　　287 13.1.3　分级数据卷　　288 13.1.4　API key 和token　　289 13.2　一次简单的Twitter REST API 数据拉取　　290 13.3　使用Twitter REST API 进行高级数据收集　　292 13.4　使用Twitter 流式API 进行高级数据收集　　295 13.5　小结　　297 第14章　自动化和规模化　　298 14.1　为什么要自动化　　298 14.2　自动化步骤　　299 14.3　什么会出错　　301 14.4　在哪里自动化　　302 14.5　自动化的特殊工具　　303 14.5.1　使用本地文件、参数及配置文件　　303 14.5.2　在数据处理中使用云　　308 14.5.3　使用并行处理　　310 14.5.4　使用分布式处理　　312 14.6　简单的自动化　　313 14.6.1　CronJobs　　314 14.6.2　Web 接口　　316 14.6.3　Jupyter notebook　　316 14.7　大规模自动化　　317 14.7.1　Celery：基于队列的自动化　　317 14.7.2　Ansible：操作自动化　　318 14.8　监控自动化程序　　319 14.8.1　Python 日志　　320 14.8.2　添加自动化信息　　322 14.8.3　上传和其他报告　　326 14.8.4　日志和监控服务　　327 14.9　没有万无一失的系统　　328 14.10　小结　　328 第15章　结论　　330 15.1　数据处理者的职责　　330 15.2　数据处理之上　　331 15.2.1　成为一名更优秀的数据分析师　　331 15.2.2　成为一名更优秀的开发者　　331 15.2.3　成为一名更优秀的视觉化讲故事者　　332 15.2.4　成为一名更优秀的系统架构师　　332 15.3　下一步做什么　　332 附录A　编程语言对比　　334 附录B　初学者的Python 学习资源　　336 附录C　学习命令行　　338 附录D　高级Python 设置　　349 附录E　Python 陷阱　　361 附录F　IPython 指南　　370 附录G　使用亚马逊网络服务　　374 关于作者　　378 关于封面　　378 资源截图：

资源名称：Python编程初学者指南 资源截图：

资源名称：Python数据分析与挖掘实战 PDF 内容简介： 10余位数据挖掘领域资深专家和科研人员，10余年大数据挖掘咨询与实施经验结晶。从数据挖掘的应用出发，以电力、航空、医疗、互联网、生产制造以及公共服务等行业真实案例为主线，深入浅出介绍Python数据挖掘建模过程，实践性极强。 本书共15章，分两个部分：基础篇、实战篇。基础篇介绍了数据挖掘的基本原理，实战篇介绍了一个个真实案例，通过对案例深入浅出的剖析，使读者在不知不觉中通过案例实践获得数据挖掘项目经验，同时快速领悟看似难懂的数据挖掘理论。读者在阅读过程中，应充分利用随书配套的案例建模数据，借助相关的数据挖掘建模工具，通过上机实验，以快速理解相关知识与理论。 基础篇（第1～5章），第1章的主要内容是数据挖掘概述；第2章对本书所用到的数据挖掘建模工具Python语言进行了简明扼要的说明；第3章、第4章、第5章对数据挖掘的建模过程，包括数据探索、数据预处理及挖掘建模的常用算法与原理进行了介绍。 实战篇（第6～15章），重点对数据挖掘技术在电力、航空、医疗、互联网、生产制造以及公共服务等行业的应用进行了分析。在案例结构组织上，本书是按照先介绍案例背景与挖掘目标，再阐述分析方法与过程，最后完成模型构建的顺序进行的，在建模过程的关键环节，穿插程序实现代码。最后通过上机实践，加深读者对数据挖掘技术在案例应用中的理解。 作者简介： 张良均 ，资深大数据挖掘专家和模式识别专家，高级信息项目管理师，有10多年的大数据挖掘应用、咨询和培训经验。为电信、电力、政府、互联网、生产制造、零售、银行、生物、化工、医药等多个行业上百家大型企业提供过数据挖掘应用与咨询服务，实践经验非常丰富。此外，他精通Java EE企业级应用开发，是广东工业大学、华南师范大学、华南农业大学、贵州师范学院、韩山师范学院、广东技术师范学院兼职教授，著有《神经网络实用教程》、《数据挖掘：实用案例分析》、《MATLAB数据分析与挖掘实战》《R语言数据分析与挖掘实战》等畅销书。 资源目录： 前言 基础篇 第1章　数据挖掘基础2 1.1　某知名连锁餐饮企业的困惑2 1.2　从餐饮服务到数据挖掘3 1.3　数据挖掘的基本任务4 1.4　数据挖掘建模过程4 1.4.1　定义挖掘目标4 1.4.2　数据取样5 1.4.3　数据探索6 1.4.4　数据预处理7 1.4.5　挖掘建模7 1.4.6　模型评价7 1.5　常用的数据挖掘建模工具7 1.6　小结9 第2章　Python数据分析简介10 2.1　搭建Python开发平台12 2.1.1　所要考虑的问题12 2.1.2　基础平台的搭建12 2.2　Python使用入门13 2.2.1　运行方式14 2.2.2　基本命令15 2.2.3　数据结构17 2.2.4　库的导入与添加20 2.3　Python数据分析工具22 2.3.1　Numpy23 2.3.2　Scipy24 2.3.3　Matplotlib24 2.3.4　Pandas26 2.3.5　StatsModels27 2.3.6　Scikit-Learn28 2.3.7　Keras29 2.3.8　Gensim30 2.4　配套资源使用设置31 2.5　小结32 第3章　数据探索33 3.1　数据质量分析33 3.1.1　缺失值分析34 3.1.2　异常值分析34 3.1.3　一致性分析37 3.2　数据特征分析37 3.2.1　分布分析37 3.2.2　对比分析40 3.2.3　统计量分析41 3.2.4　周期性分析44 3.2.5　贡献度分析45 3.2.6　相关性分析47 3.3　Python主要数据探索函数50 3.3.1　基本统计特征函数50 3.3.2　拓展统计特征函数53 3.3.3　统计作图函数54 3.4　小结59 第4章　数据预处理60 4.1　数据清洗60 4.1.1　缺失值处理60 4.1.2　异常值处理64 4.2　数据集成64 4.2.1　实体识别64 4.2.2　冗余属性识别65 4.3　数据变换65 4.3.1　简单函数变换65 4.3.2　规范化66 4.3.3　连续属性离散化68 4.3.4　属性构造70 4.3.5　小波变换71 4.4　数据规约74 4.4.1　属性规约74 4.4.2　数值规约77 4.5　Python主要数据预处理函数80 4.6　小结81 第5章　挖掘建模83 5.1　分类与预测83 5.1.1　实现过程83 5.1.2　常用的分类与预测算法84 5.1.3　回归分析85 5.1.4　决策树89 5.1.5　人工神经网络95 5.1.6　分类与预测算法评价100 5.1.7　Python分类预测模型特点103 5.2　聚类分析104 5.2.1　常用聚类分析算法104 5.2.2　K-Means聚类算法105 5.2.3　聚类分析算法评价111 5.2.4　Python主要聚类分析算法111 5.3　关联规则113 5.3.1　常用关联规则算法114 5.3.2　Apriori算法114 5.4　时序模式119 5.4.1　时间序列算法120 5.4.2　时间序列的预处理120 5.4.3　平稳时间序列分析122 5.4.4　非平稳时间序列分析124 5.4.5　Python主要时序模式算法132 5.5　离群点检测134 5.5.1　离群点检测方法135 5.5.2　基于模型的离群点检测方法136 5.5.3　基于聚类的离群点检测方法138 5.6　小结141 实战篇 第6章　电力窃漏电用户自动识别144 6.1　背景与挖掘目标144 6.2　分析方法与过程147 6.2.1　数据抽取148 6.2.2　数据探索分析148 6.2.3　数据预处理151 6.2.4　构建专家样本156 6.2.5　模型构建157 6.3　上机实验161 6.4　拓展思考162 6.5　小结163 第7章　航空公司客户价值分析164 7.1　背景与挖掘目标164 7.2　分析方法与过程166 7.2.1　数据抽取168 7.2.2　数据探索分析168 7.2.3　数据预处理169 7.2.4　模型构建173 7.3　上机实验177 7.4　拓展思考178 7.5　小结179 第8章　中医证型关联规则挖掘180 8.1　背景与挖掘目标180 8.2　分析方法与过程181 8.2.1　数据获取183 8.2.2　数据预处理186 8.2.3　模型构建190 8.3　上机实验193 8.4　拓展思考194 8.5　小结194 第9章　基于水色图像的水质评价195 9.1　背景与挖掘目标195 9.2　分析方法与过程195 9.2.1　数据预处理197 9.2.2　模型构建199 9.2.3　水质评价201 9.3　上机实验202 9.4　拓展思考202 9.5　小结203 第10章　家用电器用户行为分析与事件识别204 10.1　背景与挖掘目标204 10.2　分析方法与过程205 10.2.1　数据抽取206 10.2.2　数据探索分析207 10.2.3　数据预处理207 10.2.4　模型构建217 10.2.5　模型检验219 10.3　上机实验220 10.4　拓展思考221 10.5　小结222 第11章　应用系统负载分析与磁盘容量预测223 11.1　背景与挖掘目标223 11.2　分析方法与过程225 11.2.1　数据抽取226 11.2.2　数据探索分析226 11.2.3　数据预处理227 11.2.4　模型构建229 11.3　上机实验235 11.4　拓展思考236 11.5　小结237 第12章　电子商务网站用户行为分析及服务推荐238 12.1　背景与挖掘目标238 12.2　分析方法与过程240 12.2.1　数据抽取242 12.2.2　数据探索分析244 12.2.3　数据预处理251 12.2.4　模型构建256 12.3　上机实验266 12.4　拓展思考267 12.5　小结269 第13章　财政收入影响因素分析及预测模型270 13.1　背景与挖掘目标270 13.2　分析方法与过程272 13.2.1　灰色预测与神经网络的组合模型273 13.2.2　数据探索分析274 13.2.3　模型构建277 13.3　上机实验294 13.4　拓展思考295 13.5　小结296 第14章　基于基站定位数据的商圈分析297 14.1　背景与挖掘目标297 14.2　分析方法与过程299 14.2.1　数据抽取299 14.2.2　数据探索分析299 14.2.3　数据预处理301 14.2.4　模型构建304 14.3　上机实验308 14.4　拓展思考309 14.5　小结309 第15章　电商产品评论数据情感分析310 15.1　背景与挖掘目标310 15.2　分析方法与过程310 15.2.1　评论数据采集311 15.2.2　评论预处理314 15.2.3　文本评论分词320 15.2.4　模型构建320 15.3　上机实验333 15.4　拓展思考334 15.5　小结335 参考文献336 资源截图：

资源名称：python设计模式 第2版 PDF  内容简介： 设计模式是构建大型软件系统最强大的方法之一，优化软件架构和设计已经逐渐成为软件开发和维护过程中的一个重要课题。 本书通过11章内容，全面揭示有关设计模式的内容，并结合Python语言进行示例化的解析。全书囊括单例设计模式、工厂模式、门面模式、代理模式、观察者模式、命令模式、模板方法模式、复合模式、状态设计模式以及反模式等多种设计模式。 本书适合那些关注软件设计原则，并想将优秀的设计模式应用到Python编程当中的读者阅读，也适合普通的软件工程师、架构师参考。 资源目录： 前言 第1章　设计模式简介 第2章　单例设计模式 第3章　工厂模式：建立创建对象的工厂 第4章　门面模式——与门面相适 第5章　代理模式——控制对象的访问 第6章　观察者模式——了解对象的情况 第7章　命令模式——封装调用 第8章　模板方法模式——封装算法 第9章　模型—视图—控制器——复合模式 第10章　状态设计模式 第11章　反模式 资源截图：

资源名称：Python数据分析基础 PDF  内容简介： 想深入应用手中的数据？还是想在上千份文件上重复同样的分析过程？没有编程经验的非程序员们如何能在最短的时间内学会用当今炙手可热的Python语言进行数据分析？ 来自Facebook的数据专家Clinton Brownley可以帮您解决上述问题。在他的这本书里，读者将能掌握基本Python编程方法，学会编写出处理电子表格和数据库中的数据的脚本，并了解使用Python模块来解析文件、分组数据和生成统计量的方法。 学习基础语法，创建并运行自己的Python脚本 读取和解析CSV文件 读取多个Excel工作表和工作簿 执行数据库操作 搜索特定记录、分组数据和解析文本文件 建立统计图并绘图 生成描述性统计量并估计回归模型和分类模型 在Windows和Mac环境下按计划自动运行脚本 作者简介： Clinton W. Brownley 博士，Facebook数据科学家，负责大数据流水线、统计建模和数据可视化项目，并为大型基础设施建设提供数据驱动的决策建议。 资源目录： 前言　　xi 第1章 Python 基础　　1 1.1 创建 Python 脚本　　1 1.2 运行 Python 脚本　　3 1.3 与命令行进行交互的几项技巧　　6 1.4 Python 语言基础要素　　10 1.4.1 数值　　10 1.4.2 字符串　　12 1.4.3 正则表达式与模式匹配　　16 1.4.4 日期　　19 1.4.5 列表　　21 1.4.6 元组　　26 1.4.7 字典　　27 1.4.8 控制流　　30 1.5 读取文本文件　　35 1.5.1 创建文本文件　　36 1.5.2 脚本和输入文件在同一位置　　38 1.5.3 读取文件的新型语法　　38 1.6 使用 glob 读取多个文本文件　　39 1.7 写入文本文件　　42 1.7.1　向 first_ｓｃｒｉｐｔ.py 添加代码　　42 1.7.2　写入 CSV 文件　　45 1.8 print 语句　　46 1.9 本章练习　　47 第2章 CSV文件　　48 2.1 基础 Python 与 pandas　　50 2.1.1 读写 CSV 文件（第1 部分）50 2.1.2 基本字符串分析是如何失败的　　56 2.1.3 读写 CSV 文件（第2 部分）57 2.2 筛选特定的行　　58 2.2.1 行中的值满足某个条件　　59 2.2.2 行中的值属于某个集合　　60 2.2.3 行中的值匹配于某个模式/ 正则表达式　　62 2.3 选取特定的列　　64 2.3.1 列索引值　　64 2.3.2 列标题　　65 2.4 选取连续的行　　67 2.5 添加标题行　　69 2.6 读取多个 CSV 文件　　71 2.7 从多个文件中连接数据　　75 2.8 计算每个文件中值的总和与均值　　78 2.9 本章练习　　81 第3章 Excel 文件　　82 3.1 内省 Excel 工作簿　　84 3.2 处理单个工作表　　88 3.2.1 读写 Excel 文件　　88 3.2.2 筛选特定行　　92 3.2.3 选取特定列　　98 3.3 读取工作簿中的所有工作表　　101 3.3.1 在所有工作表中筛选特定行　　102 3.3.2 在所有工作表中选取特定列　　104 3.4 在 Excel 工作簿中读取一组工作表　　106 3.5 处理多个工作簿　　108 3.5.1 工作表计数以及每个工作表中的行列计数　　110 3.5.2 从多个工作簿中连接数据　　111 3.5.3 为每个工作簿和工作表计算总数和均值　　113 3.6 本章练习　　117 第4章 数据库　　118 4.1 Python 内置的 sqlite3 模块　　119 4.1.1 向表中插入新记录　　124 4.1.2 更新表中记录　　128 4.2 MySQL 数据库　　131 4.2.1 向表中插入新记录　　135 4.2.2 查询一个表并将输出写入 CSV 文件　　140 4.2.3 更新表中记录　　142 4.3 本章练习　　146 第5章 应用程序　　147 5.1 在一个大文件集合中查找一组项目　　147 5.2 为 CSV 文件中数据的任意数目分类计算统计量　　158 5.3 为文本文件中数据的任意数目分类计算统计量　　167 5.4 本章练习　　174 第6章 图与图表　　175 6.1 matplotlib　　175 6.1.1 条形图　　175 6.1.2 直方图　　177 6.1.3 折线图　　178 6.1.4 散点图　　180 6.1.5 箱线图　　181 6.2 pandas　　183 6.3 ggplot　　184 6.4 seaborn　　186 第7章 描述性统计与建模　　192 7.1 数据集　　192 7.1.1 葡萄酒质量　　192 7.1.2 客户流失　　193 7.2 葡萄酒质量　　194 7.2.1 描述性统计　　194 7.2.2 分组、直方图与 t 检验　　195 7.2.3 成对变量之间的关系和相关性　　196 7.2.4 使用最小二乘估计进行线性回归　　198 7.2.5 系数解释　　200 7.2.6 自变量标准化　　200 7.2.7 预测　　202 7.3 客户流失　　203 7.3.1 逻辑斯蒂回归　　205 7.3.2 系数解释　　207 7.3.3 预测　　208 第8章 按计划自动运行脚本　　209 8.1 任务计划程序（Windows 系统）209 8.2 cron 工具（macOS 系统和 Unix 系统）215 8.2.1 cron 表文件：一次性设置　　216 8.2.2 向 cron 表文件中添加 cron 任务　　216 第9章 从这里启航　　220 9.1 更多的标准库模块和内置函数　　221 9.1.1 Python 标准库（PSL）：更多的标准模块　　221 9.1.2 内置函数　　222 9.2 Python 包索引（PyPI）：更多的扩展模块　　222 9.2.1 NumPy　　223 9.2.2 SciPy　　227 9.2.3 Scikit-Learn　　230 9.2.4 更多的扩展包　　232 9.3 更多的数据结构　　232 9.3.1 栈　　233 9.3.2 队列　　233 9.3.3 图　　233 9.3.4 树　　234 9.4 从这里启航　　234 附录A 下载指南　　236 附录B 练习答案　　245 作者介绍　　247 封面介绍　　247 资源截图：

资源名称：Python金融大数据分析 资源截图：

资源名称：Python数据的爬取及处理分析 资源目录： 【IT教程网】52134c64ba5e88f5fea4811121ba4061 【IT教程网】Python科学计算 【IT教程网】Python网络数据采集 【IT教程网】WebScrapingwithPython 【IT教程网】流畅的Python 【IT教程网】父与子的编程之旅：与小卡特一起学Python 【IT教程网】第一部分、本套教程介绍 【IT教程网】第三部分、数据挖掘概述与数据（2） 【IT教程网】第二部分、数据挖掘概述与数据（1） 【IT教程网】第五部分、玩转大数据-深入浅出数据挖掘技术 【IT教程网】第四部分、数据挖掘概述与数据（3） 资源截图：