资源搜
资源搜
👀 联系夏柔
🔥 投稿源码
资源搜

资源搜

  • 全部
  • 123盘
  • 阿里盘
  • 百度云
  • 迅雷
  • 夸克
  • 115
  • 蓝奏云
  • 其他
已收录34127条资源,仅供学习交流,请在24h内删除资源!

从零开始学+Python_Python教程

资源名称:从零开始学+Python 资源截图:
陌佑
百度云
百度云

Python地理空间分析指南(第2版)_Python教程

资源名称:Python地理空间分析指南(第2版) 内容简介: 用非常流行的Python语言做地理空间分析; 学习高效、易学的地理空间分析指南; 书中含有典型且非常实用的开发案例,帮助读者快速掌握相关技能; 图文结合,将学习效率大大提高。 Python作为一种高级程序设计语言,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之一。 本书以地理空间分析为背景,介绍了Python在地理信息处理方面的应用技巧。全书共分为10章,分别介绍了Python与地理空间分析、地理空间数据、地理空间技术、Python的地理空间分析工具、Python与地理信息系统、Python与遥感、Python与高程数据、Python与地理空间高级建模、实时数据、综合应用等内容。 本书内容结构清晰,示例完整,适合希望了解测绘数字化和分析的读者,也适合想使用Python进行空间地理分析、建模和GIS分析的开发人员及研究人员参考阅读。 作者简介: Joel Lawhead 目前是NVision公司的CIO,该公司是业内屡获殊荣的地理信息集成和传感工程服务提供商。他还获得了管理专业人员资格认证(Project Management Professional,PMP),地理信息专业资格认证(certified GIS Professional ,GISP)。 Joel于1997年开始使用Python,从2000年开始使用它进行地理空间软件的开发,也是Learning Geospatial Analysis with Python(第1版)和QGIS Python Programming Cookbook的作者,并且这两本书都是Packt出版的。他撰写的Python Cookbook系列图书由O'Reilly Media出版,其不同版本更是各具特色。除此之外,他还是广受赞誉的开源软件PyShp(Python Shapefile Library)的主要开发人员。他的技术博客是http://geospatialpython.com/,Twitter昵称是@SpatialPython,通过上述方式,用户可以和他讨论地理空间分析中与Python编程相关的话题。 2011年,Joel通过逆向工程处理了Shapefile文件的空间索引格式,帮助地理空间Python工程师Marc Pfister实现了上述索引算法,这一做法有利于世界各地的开发者开发出更易于集成、更健壮的地理空间应用。 Joel作为架构师、项目经理和地理空间应用合作开发者,多次为美国政府机构提供服务,其中包括NASA、FEMA、NOAA、美国海军,以及其他商业和非营利性机构。2002年,由于其领导开发的实时应急响应协作工具(the Real-Time Emergency Action Coordination Tool,REACT)表现杰出,他获得了Esri公司颁发的国际GIS特别成就奖。该软件的主要用途是使用地理空间分析技术进行应急管理。 资源目录: 第1章 Python与地理空间分析 1 1.1 地理空间分析与我们的生活 1 1.2 地理空间分析的历史 3 1.3 地理信息系统 6 1.4 遥感 7 1.5 高程数据 12 1.6 计算机辅助制图 13 1.7 地理空间分析和计算机编程 14 1.8 地理空间分析的重要性 15 1.9 地理信息系统基本概念 16 1.9.1 专题地图 16 1.9.2 空间数据库 17 1.9.3 空间索引 17 1.9.4 元数据 17 1.9.5 地图投影 18 1.9.6 渲染 19 1.9.7 影像数据 20 1.9.8 遥感和颜色 20 1.10 GIS中矢量数据的基本概念 21 1.10.1 数据结构 21 1.10.2 缓冲区 22 1.10.3 融合 22 1.10.4 简化 23 1.10.5 叠置 24 1.10.6 合并 24 1.10.7 点包容性 25 1.10.8 联合 25 1.10.9 连接 26 1.10.10 地理空间中的多边形 规则 26 1.11 栅格数据的基本概念 27 1.11.1 波段运算 27 1.11.2 变化监测 27 1.11.3 柱状图 28 1.11.4 特征提取 28 1.11.5 监督分类 29 1.11.6 非监督分类 29 1.12 牛刀小试 29 1.12.1 Python简介 30 1.12.2 构建SimpleGIS 31 1.13 小结 38 第2章 地理空间数据 39 2.1 数据格式概览 39 2.2 数据结构 41 2.3 空间索引 42 2.3.1 索引算法 43 2.3.2 网格 44 2.4 概要化 45 2.5 元数据 46 2.6 文件结构 46 2.7 矢量数据 48 2.7.1 Shapefile文件 48 2.7.2 CAD文件 51 2.7.3 标签和标记格式 51 2.7.4 GeoJSON 53 2.8 影像数据 54 2.8.1 TIFF文件 55 2.8.2 JPEG、GIF、BMP和 PNG文件 56 2.8.3 压缩格式 56 2.8.4 ASCII网格 56 2.8.5 全球文件 57 2.9 点云数据 59 2.10 Web服务 61 2.11 小结 62 第3章 地理空间技术概览 63 3.1 数据访问 65 3.1.1 GDAL 65 3.1.2 OGR 67 3.2 计算几何 68 3.2.1 PROJ.4投影库 68 3.2.2 CGAL 69 3.2.3 JTS 71 3.2.4 GEOS 72 3.2.5 PostGIS 73 3.2.6 其他支持空间分析的 数据库 76 3.2.7 SpatiaLite 80 3.2.8 路径分析 80 3.3 桌面工具(包括可视化) 82 3.3.1 Quantum GIS 82 3.3.2 OpenEV 83 3.3.3 GRASS GIS 84 3.3.4 uDig 85 3.3.5 gvSIG 86 3.3.6 OpenJUMP 87 3.3.7 谷歌地球 87 3.3.8 NASA World Wind 89 3.3.9 ArcGIS 91 3.4 元数据管理 92 3.4.1 GeoNetwork 92 3.4.2 CatMDEdit 92 3.5 小结 93 第4章 Python的地理空间分析工具 95 4.1 安装Python的第三方模块 96 4.2 Python的网络库 100 4.2.1 Python的urllib模块 101 4.2.2 FTP 103 4.2.3 ZIP和TAR文件 104 4.3 Python的标记、标签解析器 107 4.3.1 minidom模块 107 4.3.2 元素树 109 4.3.3 WKT文本 115 4.4 Python的JSON库 117 4.4.1 json模块 118 4.4.2 geojson模块 119 4.5 OGR 119 4.6 PyShp 120 4.7 dbfpy3 121 4.8 Shapely 122 4.9 Fiona 123 4.10 GDAL 125 4.11 NumPy 125 4.12 PIL 127 4.13 PNGCanvas 129 4.14 GeoPandas 130 4.15 PyMySQL 132 4.16 PyFPDF 133 4.17 Spectral Python 134 4.18 小结 134 第5章 Python与地理信息系统 135 5.1 距离测量 135 5.1.1 勾股定理 138 5.1.2 半正矢公式 140 5.1.3 Vincenty公式 141 5.2 方位计算 144 5.3 坐标转换 144 5.4 重投影 146 5.5 Shapefile文件编辑 148 5.5.1 Shapefile文件访问 150 5.5.2 Shapefile文件属性读取 151 5.5.3 Shapefile文件几何 图形读取 154 5.5.4 Shapefile文件修改 155 5.5.5 Shapefile文件合并 157 5.5.6 Shapefile文件分割 160 5.6 查询优化 161 5.6.1 点包容性公式 161 5.6.2 边框查询 163 5.7 空间信息可视化 166 5.7.1 点密度计算 166 5.7.2 等值区域图 169 5.8 使用电子表格 171 5.9 使用GPS数据 173 5.10 地理化编码 174 5.11 小结 176 第6章 Python与遥感 177 6.1 图像波段变换 178 6.2 创建直方图 180 6.3 图像剪裁 187 6.4 图像分类 191 6.5 图像特征提取 195 6.6 变化监测 200 6.7 小结 205 第7章 Python与高程数据 206 7.1 ASCII网格文件 206 7.1.1 读取grids 207 7.1.2 写入grids 208 7.2 创建地形阴影 210 7.3 创建等高线 215 7.4 使用LIDAR 219 7.4.1 使用LIDAR创建网格 220 7.4.2 使用PIL让LIDAR支 持可视化 226 7.4.3 创建不规则三角 网络(TIN) 230 7.5 小结 234 第8章 Python与地理空间高级建模 235 8.1 归一化植被指数(NDVI)应用 235 8.1.1 建立框架 237 8.1.2 载入数据 239 8.1.3 栅格化Shapefile文件 239 8.1.4 波段剪裁 241 8.1.5 使用NDVI公式 241 8.1.6 NDVI分类 243 8.2 创建洪水淹没模型 246 8.2.1 洪水填充功能 248 8.2.2 创建洪水 250 8.3 创建彩色晕渲地形 253 8.4 最佳路径分析 255 8.4.1 建立测试网格 256 8.4.2 A*算法简介 257 8.4.3 生成测试路径 258 8.4.4 查看测试结果 259 8.4.5 实际应用 260 8.5 街道路网规划 267 8.6 照片地理定位 271 8.7 小结 273 第9章 实时数据 274 9.1 实时路况监测 275 9.1.1 NextBus代理列表 276 9.1.2 NextBus路径列表 277 9.1.3 NextBus设备地址 277 9.1.4 NextBus地址映射 279 9.2 气象跟踪 283 9.3 区域报告 291 9.4 小结 292 第10章 综合应用 294 10.1 GPS报告示例 294 10.2 使用GPX-Reporter.py 295 10.3 程序概要 296 10.4 初始化 297 10.5 功能函数调用 298 10.6 解析GPX 302 10.7 获取边框 303 10.8 下载地图和高程影像 304 10.9 创建地形 306 10.10 创建地图 307 10.11 高程测量 310 10.12 距离测量 311 10.13 获取气象数据 313 10.14 小结 317 资源截图:
陌佑
百度云
百度云

Python机器学习 PDF_Python教程

资源名称:Python机器学习 PDF   作者简介: Sebastian Raschka是密歇根州立大学的博士生,他在计算生物学领域提出了几种新的计算方法,还被科技博客Analytics Vidhya评为GitHub上具影响力的数据科学家。他有一整年都使用Python进行编程的经验,同时还多次参加数据科学应用与机器学习领域的研讨会。正是因为Sebastian 在数据科学、机器学习以及Python等领域拥有丰富的演讲和写作经验,他才有动力完成此书的撰写,目的是帮助那些不具备机器学习背景的人设计出由数据驱动的解决方案。他还积极参与到开源项目中,由他开发完成的计算方法已经被成功应用到了机器学习竞赛(如Kaggle等)中。在业余时间,他沉醉于构建体育运动的预测模型,要么待在电脑前,要么在运动。   资源目录:  译者序推荐序作者简介审校者简介前言第1章 赋予计算机学习数据的能力11.1构建智能机器将数据转化为知识11.2 机器学习的三种不同方法11.2.1 通过监督学习对未来事件进行预测21.2.2 通过强化学习解决交互式问题41.2.3 通过无监督学习发现数据本身潜在的结构41.2.4 基本术语及符号介绍51.3 构建机器学习系统的蓝图61.3.1 数据预处理61.3.2 选择预测模型类型并进行训练71.3.3 模型验证与使用未知数据进行预测81.4 Python在机器学习中的应用8本章小结9第2章 机器学习分类算法102.1 人造神经元—早期机器学习概览102.2 使用Python实现感知器学习算法132.3 自适应线性神经元及其学习的收敛性192.3.1 通过梯度下降最小化代价函数202.3.2 使用Python实现自适应线性神经元212.3.3 大规模机器学习与随机梯度下降25本章小结29第3章 使用scikit-learn实现机器学习分类算法303.1 分类算法的选择303.2 初涉scikit-learn的使用30使用scikit-learn训练感知器313.3 逻辑斯谛回归中的类别概率343.3.1 初识逻辑斯谛回归与条件概率343.3.2 通过逻辑斯谛回归模型的代价函数获得权重363.3.3 使用scikit-learn训练逻辑斯谛回归模型373.3.4 通过正则化解决过拟合问题393.4 使用支持向量机最大化分类间隔413.4.1 对分类间隔最大化的直观认识413.4.2 使用松弛变量解决非线性可分问题423.4.3 使用scikit-learn实现SVM443.5 使用核SVM解决非线性问题443.6 决策树483.6.1 最大化信息增益—获知尽可能准确的结果493.6.2 构建决策树523.6.3 通过随机森林将弱分类器集成为强分类器533.7 惰性学习算法—k-近邻算法54本章小结57第4章 数据预处理—构建好的训练数据集584.1 缺失数据的处理584.1.1 将存在缺失值的特征或样本删除594.1.2 缺失数据填充604.1.3 理解scikit-learn预估器的API604.2 处理类别数据614.2.1 有序特征的映射614.2.2 类标的编码624.2.3 标称特征上的独热编码634.3 将数据集划分为训练数据集和测试数据集644.4 将特征的值缩放到相同的区间654.5 选择有意义的特征664.5.1 使用L1正则化满足数据稀疏化674.5.2 序列特征选择算法704.6 通过随机森林判定特征的重要性74本章小结76第5章 通过降维压缩数据775.1 无监督数据降维技术—主成分分析775.1.1 总体方差与贡献方差785.1.2 特征转换805.1.3 使用scikit-learn进行主成分分析825.2 通过线性判别分析压缩无监督数据845.2.1 计算散布矩阵855.2.2 在新特征子空间上选取线性判别算法875.2.3 将样本映射到新的特征空间895.2.4 使用scikit-learn进行LDA分析905.3 使用核主成分分析进行非线性映射915.3.1 核函数与核技巧915.3.2 使用Python实现核主成分分析945.3.3 映射新的数据点995.3.4 scikit-learn中的核主成分分析102本章小结103第6章 模型评估与参数调优实战1046.1 基于流水线的工作流1046.1.1 加载威斯康星乳腺癌数据集1046.1.2 在流水线中集成数据转换及评估操作1056.2 使用k折交叉验证评估模型性能1066.2.1 holdout方法1066.2.2 k折交叉验证1076.3 通过学习及验证曲线来调试算法1106.3.1 使用学习曲线判定偏差和方差问题1106.3.2 通过验证曲线来判定过拟合与欠拟合1126.4 使用网格搜索调优机器学习模型1136.4.1 使用网络搜索调优超参1146.4.2 通过嵌套交叉验证选择算法1156.5 了解不同的性能评价指标1166.5.1 读取混淆矩阵1166.5.2 优化分类模型的准确率和召回率1176.5.3 绘制ROC曲线1186.5.4 多类别分类的评价标准121本章小结121第7章 集成学习—组合不同的模型1227.1 集成学习1227.2 实现一个简单的多数投票分类器1257.3 评估与调优集成分类器1317.4 bagging —通过bootstrap样本构建集成分类器1357.5 通过自适应boosting提高弱学习机的性能138本章小结143第8章 使用机器学习进行情感分析1448.1 获取IMDb电影评论数据集1448.2 词袋模型简介1468.2.1 将单词转换为特征向量1468.2.2 通过词频-逆文档频率计算单词关联度1478.2.3 清洗文本数据1488.2.4 标记文档1498.3 训练用于文档分类的逻辑斯谛回归模型1518.4 使用大数据—在线算法与外存学习152本章小结155第9章 在Web应用中嵌入机器学习模型1569.1 序列化通过scikit-learn拟合的模型1569.2 使用SQLite数据库存储数据1589.3 使用Flask开发Web应用1609.3.1 第一个Flask Web应用1609.3.2 表单验证及渲染1619.4 将电影分类器嵌入Web应用1649.5 在公共服务器上部署Web应用169本章小结172第10章 使用回归分析预测连续型目标变量17310.1 简单线性回归模型初探17310.2 波士顿房屋数据集17410.3 基于最小二乘法构建线性回归模型17810.3.1 通过梯度下降计算回归参数17810.3.2 使用scikit-learn估计回归模型的系数18110.4 使用RANSAC拟合高鲁棒性回归模型18210.5 线性回归模型性能的评估18410.6 回归中的正则化方法18510.7 线性回归模型的曲线化-多项式回归18610.7.1 房屋数据集中的非线性关系建模18810.7.2 使用随机森林处理非线性关系190本章小结193第11章 聚类分析——处理无类标数据19411.1 使用k-means算法对相似对象进行分组19411.1.1 k-means++19611.1.2 硬聚类与软聚类19811.1.3 使用肘方法确定簇的最佳数量19911.1.4 通过轮廓图定量分析聚类质量20011.2 层次聚类20311.2.1 基于距离矩阵进行层次聚类20411.2.2 树状图与热度图的关联20711.2.3 通过scikit-learn进行凝聚聚类20811.3 使用DBSCAN划分高密度区域209本章小结212第12章 使用人工神经网络识别图像21312.1 使用人工神经网络对复杂函数建模21312.1.1 单层神经网络回顾21412.1.2 多层神经网络架构简介21512.1.3 通过正向传播构造神经网络21612.2 手写数字的识别21812.2.1 获取MNIST数据集21812.2.2 实现一个多层感知器22212.3 人工神经网络的训练22812.3.1 计算逻辑斯谛代价函数22812.3.2 通过反向传播训练神经网络23012.4 建立对反向传播的直观认识23112.5 通过梯度检验调试神经网络23212.6 神经网络的收敛性23612.7 其他神经网络架构23712.7.1 卷积神经网络23712.7.2 循环神经网络23812.8 关于神经网络的实现239本章小结240第13章 使用Theano并行训练神经网络24113.1 使用Theano构建、编译并运行表达式24113.1.1 什么是Theano24213.1.2 初探Theano24313.1.3 配置Theano24413.1.4 使用数组结构24513.1.5 整理思路—线性回归示例24713.2 为前馈神经网络选择激励函数25013.2.1 逻辑斯谛函数概述25013.2.2 通过softmax函数评估多类别分类任务中的类别概率25213.2.3 通过双曲正切函数增大输出范围25213.3 使用Keras提高训练神经网络的效率254本章小结258 资源截图:
陌佑
百度云
百度云

Python爬虫开发与项目实战_Python教程

资源名称:Python爬虫开发与项目实战  内容简介: 随着大数据时代到来,网络信息量也变得更多更大,基于传统搜索引擎的局限性,网络爬虫应运而生,本书从基本的爬虫原理开始讲解,通过介绍Pthyon编程语言和Web前端基础知识引领读者入门,之后介绍动态爬虫原理以及Scrapy爬虫框架,最后介绍大规模数据下分布式爬虫的设计以及PySpider爬虫框架等。 主要特点: l 由浅入深,从Python和Web前端基础开始讲起,逐步加深难度,层层递进。 l 内容详实,从静态网站到动态网站,从单机爬虫到分布式爬虫,既包含基础知识点,又讲解了关键问题和难点分析,方便读者完成进阶。 l 实用性强,本书共有9个爬虫项目,以系统的实战项目为驱动,由浅及深地讲解爬虫开发中所需的知识和技能。 难点详析,对js加密的分析、反爬虫措施的突破、去重方案的设计、分布式爬虫的开发进行了细致的讲解。 作者简介: 范传辉,资深网虫,Python开发者,参与开发了多项网络应用,在实际开发中积累了丰富的实战经验,并善于总结,贡献了多篇技术文章广受好评。研究兴趣是网络安全、爬虫技术、数据分析、驱动开发等技术。 资源目录: 前言 基础篇 第1章 回顾Python编程 2 1.1 安装Python 2 1.1.1 Windows上安装Python 2 1.1.2 Ubuntu上的Python 3 1.2 搭建开发环境 4 1.2.1 Eclipse+PyDev 4 1.2.2 PyCharm 10 1.3 IO编程 11 1.3.1 文件读写 11 1.3.2 操作文件和目录 14 1.3.3 序列化操作 15 1.4 进程和线程 16 1.4.1 多进程 16 1.4.2 多线程 22 1.4.3 协程 25 1.4.4 分布式进程 27 1.5 网络编程 32 1.5.1 TCP编程 33 1.5.2 UDP编程 35 1.6 小结 36 第2章 Web前端基础 37 2.1 W3C标准 37 2.1.1 HTML 37 2.1.2 CSS 47 2.1.3 Javascript 51 2.1.4 XPath 56 2.1.5 JSON 61 2.2 HTTP标准 61 2.2.1 HTTP请求过程 62 2.2.2 HTTP状态码含义 62 2.2.3 HTTP头部信息 63 2.2.4 Cookie状态管理 66 2.2.5 HTTP请求方式 66 2.3 小结 68 第3章 初识网络爬虫 69 3.1 网络爬虫概述 69 3.1.1 网络爬虫及其应用 69 3.1.2 网络爬虫结构 71 3.2 HTTP请求的Python实现 72 3.2.1 urllib2/urllib实现 72 3.2.2 httplib/urllib实现 76 3.2.3 更人性化的Requests 77 3.3 小结 82 第4章 HTML解析大法 83 4.1 初识Firebug 83 4.1.1 安装Firebug 84 4.1.2 强大的功能 84 4.2 正则表达式 95 4.2.1 基本语法与使用 96 4.2.2 Python与正则 102 4.3 强大的BeautifulSoup 108 4.3.1 安装BeautifulSoup 108 4.3.2 BeautifulSoup的使用 109 4.3.3 lxml的XPath解析 124 4.4 小结 126 第5章 数据存储(无数据库版) 127 5.1 HTML正文抽取 127 5.1.1 存储为JSON 127 5.1.2 存储为CSV 132 5.2 多媒体文件抽取 136 5.3 Email提醒 137 5.4 小结 138 第6章 实战项目:基础爬虫 139 6.1 基础爬虫架构及运行流程 140 6.2 URL管理器 141 6.3 HTML下载器 142 6.4 HTML解析器 143 6.5 数据存储器 145 6.6 爬虫调度器 146 6.7 小结 147 第7章 实战项目:简单分布式爬虫 148 7.1 简单分布式爬虫结构 148 7.2 控制节点 149 7.2.1 URL管理器 149 7.2.2 数据存储器 151 7.2.3 控制调度器 153 7.3 爬虫节点 155 7.3.1 HTML下载器 155 7.3.2 HTML解析器 156 7.3.3 爬虫调度器 157 7.4 小结 159 中级篇 第8章 数据存储(数据库版) 162 8.1 SQLite 162 8.1.1 安装SQLite 162 8.1.2 SQL语法 163 8.1.3 SQLite增删改查 168 8.1.4 SQLite事务 170 8.1.5 Python操作SQLite 171 8.2 MySQL 174 8.2.1 安装MySQL 174 8.2.2 MySQL基础 177 8.2.3 Python操作MySQL 181 8.3 更适合爬虫的MongoDB 183 8.3.1 安装MongoDB 184 8.3.2 MongoDB基础 187 8.3.3 Python操作MongoDB 194 8.4 小结 196 第9章 动态网站抓取 197 9.1 Ajax和动态HTML 197 9.2 动态爬虫1:爬取影评信息 198 9.3 PhantomJS 207 9.3.1 安装PhantomJS 207 9.3.2 快速入门 208 9.3.3 屏幕捕获 211 9.3.4 网络监控 213 9.3.5 页面自动化 214 9.3.6 常用模块和方法 215 9.4 Selenium 218 9.4.1 安装Selenium 219 9.4.2 快速入门 220 9.4.3 元素选取 221 9.4.4 页面操作 222 9.4.5 等待 225 9.5 动态爬虫2:爬取去哪网 227 9.6 小结 230 第10章 Web端协议分析 231 10.1 网页登录POST分析 231 10.1.1 隐藏表单分析 231 10.1.2 加密数据分析 234 10.2 验证码问题 246 10.2.1 IP代理 246 10.2.2 Cookie登录 249 10.2.3 传统验证码识别 250 10.2.4 人工打码 251 10.2.5 滑动验证码 252 10.3 www]m]wap 252 10.4 小结 254 第11章 终端协议分析 255 11.1 PC客户端抓包分析 255 11.1.1 HTTP Analyzer简介 255 11.1.2 虾米音乐PC端API实战分析 257 11.2 App抓包分析 259 11.2.1 Wireshark简介 259 11.2.2 酷我听书App端API实战分析 266 11.3 API爬虫:爬取mp3资源信息 268 11.4 小结 272 第12章 初窥Scrapy爬虫框架 273 12.1 Scrapy爬虫架构 273 12.2 安装Scrapy 275 12.3 创建cnblogs项目 276 12.4 创建爬虫模块 277 12.5 选择器 278 12.5.1 Selector的用法 278 12.5.2 HTML解析实现 280 12.6 命令行工具 282 12.7 定义Item 284 12.8 翻页功能 286 12.9 构建Item Pipeline 287 12.9.1 定制Item Pipeline 287 12.9.2 激活Item Pipeline 288 12.10 内置数据存储 288 12.11 内置图片和文件下载方式 289 12.12 启动爬虫 294 12.13 强化爬虫 297 12.13.1 调试方法 297 12.13.2 异常 299 12.13.3 控制运行状态 300 12.14 小结 301 第13章 深入Scrapy爬虫框架 302 13.1 再看Spider 302 13.2 Item Loader 308 13.2.1 Item与Item Loader 308 13.2.2 输入与输出处理器 309 13.2.3 Item Loader Context 310 13.2.4 重用和扩展Item Loader 311 13.2.5 内置的处理器 312 13.3 再看Item Pipeline 314 13.4 请求与响应 315 13.4.1 Request对象 315 13.4.2 Response对象 318 13.5 下载器中间件 320 13.5.1 激活下载器中间件 320 13.5.2 编写下载器中间件 321 13.6 Spider中间件 324 13.6.1 激活Spider中间件 324 13.6.2 编写Spider中间件 325 13.7 扩展 327 13.7.1 配置扩展 327 13.7.2 定制扩展 328 13.7.3 内置扩展 332 13.8 突破反爬虫 332 13.8.1 UserAgent池 333 13.8.2 禁用Cookies 333 13.8.3 设置下载延时与自动限速 333 13.8.4 代理IP池 334 13.8.5 Tor代理 334 13.8.6 分布式下载器:Crawlera 337 13.8.7 Google cache 338 13.9 小结 339 第14章 实战项目:Scrapy爬虫 340 14.1 创建知乎爬虫 340 14.2 定义Item 342 14.3 创建爬虫模块 343 14.3.1 登录知乎 343 14.3.2 解析功能 345 14.4 Pipeline 351 14.5 优化措施 352 14.6 部署爬虫 353 14.6.1 Scrapyd 354 14.6.2 Scrapyd-client 356 14.7 小结 357 深入篇 第15章 增量式爬虫 360 15.1 去重方案 360 15.2 BloomFilter算法 361 15.2.1 BloomFilter原理 361 15.2.2 Python实现BloomFilter 363 15.3 Scrapy和BloomFilter 364 15.4 小结 366 第16章 分布式爬虫与Scrapy 367 16.1 Redis基础 367 16.1.1 Redis简介 367 16.1.2 Redis的安装和配置 368 16.1.3 Redis数据类型与操作 372 16.2 Python和Redis 375 16.2.1 Python操作Redis 375 16.2.2 Scrapy集成Redis 384 16.3 MongoDB集群 385 16.4 小结 390 第17章 实战项目:Scrapy分布式爬虫 391 17.1 创建云起书院爬虫 391 17.2 定义Item 393 17.3 编写爬虫模块 394 17.4 Pipeline 395 17.5 应对反爬虫机制 397 17.6 去重优化 400 17.7 小结 401 第18章 人性化PySpider爬虫框架 403 18.1 PySpider与Scrapy 403 18.2 安装PySpider 404 18.3 创建豆瓣爬虫 405 18.4 选择器 409 18.4.1 PyQuery的用法 409 18.4.2 解析数据 411 18.5 Ajax和HTTP请求 415 18.5.1 Ajax爬取 415 18.5.2 HTTP请求实现 417 18.6 PySpider和PhantomJS 417 18.6.1 使用PhantomJS 418 18.6.2 运行Javascript 420 18.7 数据存储 420 18.8 PySpider爬虫架构 422 18.9 小结 423 ↑折 叠 资源截图:
陌佑
百度云
百度云

深入浅出深度学习:原理剖析与python实践_Python教程

资源名称:深入浅出深度学习:原理剖析与python实践 内容简介: 《深入浅出深度学习:原理剖析与Python实践》介绍了深度学习相关的原理与应用,全书共分为三大部分,第一部分主要回顾了深度学习的发展历史,以及Theano的使用;第二部分详细讲解了与深度学习相关的基础知识,包括线性代数、概率论、概率图模型、机器学习和最优化算法;在第三部分中,针对若干核心的深度学习模型,如自编码器、受限玻尔兹曼机、递归神经网络和卷积神经网络等进行详细的原理分析与讲解,并针对不同的模型给出相应的具体应用。 《深入浅出深度学习:原理剖析与Python实践》适合有一定高等数学、机器学习和Python编程基础的在校学生、高校研究者或在企业中从事深度学习的工程师使用,书中对模型的原理与难点进行了深入分析,在每一章的最后都提供了详细的参考文献,读者可以对相关的细节进行更深入的研究。最后,理论与实践相结合,《深入浅出深度学习:原理剖析与Python实践》针对常用的模型分别给出了相应的应用,读者也可以在Github中下载和查看《深入浅出深度学习:原理剖析与Python实践》的代码(https://github.com/innovation-cat/DeepLearningBook)。 作者简介: 黄安埠,2012年毕业于清华大学,获硕士学位,在校期间活跃于TopCoder等编程竞赛社区。现为腾讯基础研究高级工程师,研究领域包括个性化推荐、自然语言处理和大规模的相似度优化计算,特别是对于深度学习在推荐系统的应用有深入的研究,并申请了国内十余项相关专利。 本书的配套代码,读者也可以在作者的Github主页中下载查看: https://github.com/innovation-cat/DeepLearningBook) 资源目录: 第1 部分 概要 1 1 绪论 2 1.1 人工智能、机器学习与深度学习的关系 3 1.1.1 人工智能——机器推理 4 1.1.2 机器学习——数据驱动的科学 5 1.1.3 深度学习——大脑的仿真 8 1.2 深度学习的发展历程 8 1.3 深度学习技术概述 10 1.3.1 从低层到高层的特征抽象 11 1.3.2 让网络变得更深 13 1.3.3 自动特征提取 14 1.4 深度学习框架 15 2 Theano 基础 19 2.1 符号变量 20 2.2 符号计算的抽象——符号计算图模型 23 2.3 函数 26 2.3.1 函数的定义 26 2.3.2 Logistic回归 27 2.3.3 函数的复制 29 2.4 条件表达式 31 2.5 循环 32 2.6 共享变量 39 2.7 配置 39 2.7.1 通过THEANO_FLAGS配置 40 2.7.2 通过. theanorc文件配置 41 2.8 常用的Debug技巧 42 2.9 小结 43 第2 部分 数学与机器学习基础篇 45 3 线性代数基础 46 3.1 标量、向量、矩阵和张量 46 3.2 矩阵初等变换 47 3.3 线性相关与向量空间 48 3.4 范数 49 3.4.1 向量范数 49 3.4.2 矩阵范数 53 3.5 特殊的矩阵与向量 56 3.6 特征值分解 57 3.7 奇异值分解 58 3.8 迹运算 60 3.9 样例:主成分分析 61 4 概率统计基础 64 4.1 样本空间与随机变量 65 4.2 概率分布与分布函数 65 4.3 一维随机变量 66 4.3.1 离散型随机变量和分布律 66 4.3.2 连续型随机变量和概率密度函数 67 4.4 多维随机变量 68 4.4.1 离散型二维随机变量和联合分布律 69 4.4.2 连续型二维随机变量和联合密度函数 69 4.5 边缘分布 70 4.6 条件分布与链式法则 71 4.6.1 条件概率 71 4.6.2 链式法则 73 4.7 多维随机变量的独立性分析 73 4.7.1 边缘独立 74 4.7.2 条件独立 74 4.8 数学期望、方差、协方差 75 4.8.1 数学期望 75 4.8.2 方差 76 4.8.3 协方差 76 4.8.4 协方差矩阵 78 4.9 信息论基础 81 4.9.1 信息熵 81 4.9.2 条件熵 83 4.9.3 互信息 84 4.9.4 相对熵与交叉熵 84 5 概率图模型 87 5.1 生成模型与判别模型 89 5.2 图论基础 90 5.2.1 图的结构 90 5.2.2 子图 91 5.2.3 路径、迹、环与拓扑排序 92 5.3 贝叶斯网络 95 5.3.1 因子分解 96 5.3.2 局部马尔科夫独立性断言 99 5.3.3 I-Map与因子分解 100 5.3.4 有效迹 103 5.3.5 D-分离与全局马尔科夫独立性 108 5.4 马尔科夫网络 108 5.4.1 势函数因子与参数化表示 109 5.4.2 马尔科夫独立性 111 5.5 变量消除 114 5.6 信念传播 116 5.6.1 聚类图 116 5.6.2 团树 120 5.6.3 由变量消除构建团树 123 5.7 MCMC采样原理 126 5.7.1 随机采样 127 5.7.2 随机过程与马尔科夫链 128 5.7.3 MCMC采样 132 5.7.4 Gibbs采样 134 5.8 参数学习 137 5.8.1 最大似然估计 137 5.8.2 期望最大化算法 138 5.9 小结 140 6 机器学习基础 142 6.1 线性模型 143 6.1.1 线性回归 143 6.1.2 Logistic回归 148 6.1.3 广义的线性模型 150 6.2 支持向量机 151 6.2.1 最优间隔分类器 152 6.2.2 对偶问题 155 6.2.3 核函数 156 6.3 朴素贝叶斯 160 6.4 树模型 162 6.4.1 特征选择 163 6.4.2 剪枝策略 165 6.5 聚类 166 6.5.1 距离度量 167 6.5.2 层次聚类 168 6.5.3 K-means聚类 171 6.5.4 谱聚类 172 7 数值计算与最优化 177 7.1 无约束极小值的最优化条件 177 7.2 梯度下降 179 7.2.1 传统更新策略 181 7.2.2 动量更新策略 183 7.2.3 改进的动量更新策略 184 7.2.4 自适应梯度策略 187 7.3 共轭梯度 188 7.4 牛顿法 192 7.5 拟牛顿法 194 7.5.1 拟牛顿条件 194 7.5.2 DFP算法 195 7.5.3 BFGS算法 196 7.5.4 L-BFGS算法 197 7.6 约束最优化条件 200 第3 部分 理论与应用篇 205 8 前馈神经网络 206 8.1 生物神经元结构 207 8.2 人工神经元结构 208 8.3 单层感知机 209 8.4 多层感知机 212 8.5 激活函数 217 8.5.1 激活函数的作用 217 8.5.2 常用的激活函数 219 9 反向传播与梯度消失 225 9.1 经验风险最小化 227 9.2 梯度计算 228 9.2.1 输出层梯度 228 9.2.2 隐藏层梯度 230 9.2.3 参数梯度 234 9.3 反向传播 235 9.4 深度学习训练的难点 237 9.4.1 欠拟合——梯度消失 237 9.4.2 过拟合 240 10 自编码器及其相关模型 243 10.1 自编码器 243 10.2 降噪自编码器 245 10.3 栈式自编码器 247 10.4 稀疏编码器 250 10.5 应用:cifar10图像分类 254 11 玻尔兹曼机及其相关模型 258 11.1 玻尔兹曼机 258 11.2 能量模型 261 11.2.1 能量函数 261 11.2.2 从能量函数到势函数 262 11.2.3 从势函数到概率分布 263 11.3 推断 264 11.3.1 边缘分布 265 11.3.2 条件分布 267 11.4 学习 270 11.4.1 最大似然估计 271 11.4.2 对比散度 274 11.5 应用:个性化推荐 276 11.5.1 个性化推荐概述 276 11.5.2 个性化推荐架构与算法 279 11.5.3 RBM与协同过滤 285 12 递归神经网络 291 12.1 Elman递归神经网络 292 12.2 时间反向传播 295 12.3 长短时记忆网络 299 12.4 结构递归神经网络 302 12.5 应用:语言模型 308 12.5.1 N元统计模型 308 12.5.2 基于LSTM 构建语言模型 312 13 卷积神经网络 318 13.1 卷积运算 319 13.2 网络结构 320 13.3 卷积层 324 13.4 池化层 329 13.5 应用:文本分类 333 资源截图:
陌佑
百度云
百度云

Python高性能编程 PDF_Python教程

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:
陌佑
百度云
百度云

数据科学导论 Python语言实现_Python教程

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:
陌佑
百度云
百度云

Python3.5从零开始学 PDF_Python教程

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
陌佑
百度云
百度云

零起点Python大数据与量化交易_Python教程

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:
陌佑
百度云
百度云

Python程序设计教程 PDF_Python教程

资源名称:Python程序设计教程 PDF 资源截图:
陌佑
百度云
百度云
⬅️ 1...20072008200920102011...3148

添加微信,反馈问题

微信及时反馈问题,方便沟通,请备注 ❤️

搜索榜单

1

骚老板资源网整站源码 打包数据高达2GB

1697

2

绿色风格网络公司源码 php网络建站公司源码

1100

3

(自适应手机版)响应式餐饮美食企业网站源码 餐饮品牌连锁机构织梦模板

1052

4

雷速问卷调查系统(疫情上报系统) v7.08

943

5

Zblog仿918回忆模特写真网带整站数据图库系统源码

899

6

一款笑话类网站源码 简约清爽的织梦笑话网站模板

825

最新资源

1

网狐电玩系列/乐游电玩城/免微信免短信登陆

2

湖南地方玩法好玩互娱纯源码

3

最新更新网狐旗舰大联盟+UI工程

4

傲玩系列客户端通用加解密工具

5

优米H5电玩城组件/多语言/带84个游戏/后台带控+搭建视频教程

6

网狐系列猫娱乐新UI蜡笔小新金币组件

友情链接:
免费APISSL在线检测在线pingAPI版本项目seo教程免费下载狗凯源码网 查看更多
网站地图 法律声明
本站所存储的源码数据均为转载,不提供在线播放和下载服务。本站为非盈利性,不收取费用,所有内容不用于商业行为,仅供学习交流使用。如有侵权,请联系15001904@qq.com
  • 联系微信,反馈问题

  • 点此立刻反馈