本书知识体系完整，按照认知递进的顺序进行了编排，主要包括编程环境、数据类型、变量与计算、流程控制、错误与错误处理、函数、面向对象的程序设计、模块、文件操作、tkinter 图形界面设计及数据库与数据库连接操作等内容。全书共12 章，每章都包含详细的概念及原理阐述，同时配有大量精美的插图、代码范例和课后习题。有别于同类教材，本书将自身的角色设定为陪伴者和对话者，让读者在学习中获得归属感，使学习变成一种快乐。同时，本书从始至终都非常重视思维模式的养成，力求使读者获得利用Python 语言描述问题、分析问题，最终设计并实现软件解决方案的能力。

暂缺简介...

Arduino是一款便捷灵活、方便上手的开源电子原型平台。本书系统地讲解了Arduino系统的构成、Arduino IDE的安装及使用，以及常用的两种Arduino控制器的使用，并通过机器人比赛案例，对具体项目进行了剖析，从任务要求到器材选择，再到整机组装、程序编写、程序调试，为读者对具体项目的操作应用起到一个抛砖引玉的作用。 本书主要适合中小学生和对机器人感兴趣的初学者使用。

《Python机器学习实战：基于Scikit-learn与PyTorch的神经网络解决方案》基于作者多年的积累，通过概念及其解释、Python代码示例及其解释和代码输出，特别针对零基础读者精心设计了这本机器学习进阶指南。全书包含3部分16章的内容，在介绍完编程和数据处理基础之后，探讨了监督学习（如线性回归、逻辑回归及决策树、朴素贝叶斯和支持向量机）、集成学习以及无监督学习（如降维和聚类等）。值得一提的是，书的最后讲到了神经网络和深度学习的基本思想，探讨了人工神经网络、卷积神经网络和递归神经网络。 《Python机器学习实战：基于Scikit-learn与PyTorch的神经网络解决方案》适合零基础且希望了解和掌握机器学习的读者阅读与参考。

本书凝聚了作者多年的Python教学经验，内容通俗易懂，旨在剖析递归及其本质。本书不仅结合Python程序和 JavaScript 程序讲述编程的基础知识，还讲述如何利用递归算法计算阶乘，计算斐波那契数列，遍历树，求解迷宫问题，实现二分搜索，完成快速排序和归并排序，计算大整数乘法，计算排列和组合，解决八皇后问题等。 本书不仅适合开发人员阅读，还可供计算机相关专业的师生参考。

本书以案例为依托，展示解决实际问题时数学建模的强大能力，通过数学模型应用实例使学生了解数学知识在实际中重要的应用价值，主要内容包括数学建模概论和初等模型、高等数学建模案例、方程模型及解法、线性代数建模案例、概率论与数理统计模型、优化模型等，并对常用的数学建模软件安排实验进行学习。既可以作为学校课程的教程，也可以满足对数学建模有兴趣的读者学习数学建模知识的需求，使其更多地理解和掌握数学建模的思想和方法，学习计算机求解模型的过程和数学实验方法，提高其对数学理论和数学模型的认知能力。

本书以Python的实际应用为主线，以理论基础为核心，引导读者渐进式学习Python的编程基础和实际应用。 本书共17章，可分为4部分。第一部分Python编程环境搭建和Python的基础知识（第1~6章）、第二部分数学运算（第7~9章）、第三部分绘制图像（第10~12章）、第四部分办公自动化（第13~17章）。 本书示例代码丰富，实用性和系统性较强，并配有视频讲解，助力读者透彻理解书中的重点、难点。本书既适合初学者入门，精心设计的案例对于工作多年的开发者也有参考价值，并可作为高等院校和培训机构相关专业的教学参考书。

本书以Python的实际应用为主线，以理论基础为核心，引导读者渐进式学习Python的在生活和工作中的实际应用。 本书共13章，可分为4部分。第一部分Python的办公自动化篇（第1~5章）、第二部分网络应用篇（第6~10章）、第三部分GUI编程篇（第11~12章）、第四部分其他应用篇（第13章）。 本书示例代码丰富，实用性和系统性较强，并配有视频讲解，助力读者透彻理解书中的重点、难点。精心设计的案例对于工作多年的开发者也有参考价值，并可作为高等院校和培训机构相关专业的教学参考书。注意：本书为进阶版，需要有读者有一定的Python编程基础。

《Python玩转Excel：轻松实现高效办公》这是一本讲解用Python操作Excel工作表的入门书籍。本书从最基础的工作簿、工作表说起，逐步介绍操作工作表、美化工作表、分析工作表数据、将数据以图表表达的方法，最后讲解将Excel工作表保存成 PDF，以达成办公自动化的目的。本书的特色是在讲解 openpyxl模块或Pandas模块时，会将相关的Excel窗口内容搭配说明，让读者了解程序设计各参数在 Excel窗口所代表的真实意义。

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