1. python培訓機構具體都學習哪些內容
階段一：Python開發基礎
Python全棧開發與人工智慧之Python開發基礎知識學習內容包括：Python基礎語法、數據類型、字元編碼、文件操作、函數、裝飾器、迭代器、內置方法、常用模塊等。
階段二：Python高級編程和資料庫開發
Python全棧開發與人工智慧之Python高級編程和資料庫開發知識學習內容包括：面向對象開發、Socket網路編程、線程、進程、隊列、IO多路模型、Mysql資料庫開發等。
階段三：前端開發
Python全棧開發與人工智慧之前端開發知識學習內容包括：Html、CSS、JavaScript開發、Jquery&bootstrap開發、前端框架VUE開發等。
階段四：WEB框架開發
Python全棧開發與人工智慧之WEB框架開發學習內容包括：Django框架基礎、Django框架進階、BBS+Blog實戰項目開發、緩存和隊列中間件、Flask框架學習、Tornado框架學習、Restful API等。
階段五：爬蟲開發
Python全棧開發與人工智慧之爬蟲開發學習內容包括：爬蟲開發實戰。
階段六：全棧項目實戰
Python全棧開發與人工智慧之全棧項目實戰學習內容包括：企業應用工具學習、CRM客戶關系管理系統開發、路飛學城在線教育平台開發等。
階段七：數據分析
Python全棧開發與人工智慧之數據分析學習內容包括：金融量化分析。
階段八：人工智慧
Python全棧開發與人工智慧之人工智慧學習內容包括：機器學習、數據分析 、圖像識別、自然語言翻譯等。
階段九：自動化運維&開發
Python全棧開發與人工智慧之自動化運維&開發學習內容包括：CMDB資產管理系統開發、IT審計+主機管理系統開發、分布式主機監控系統開發等。
階段十：高並發語言GO開發
Python全棧開發與人工智慧之高並發語言GO開發學習內容包括：GO語言基礎、數據類型與文件IO操作、函數和面向對象、並發編程等。
2. 請問Python哪家培訓機構好
隨著Python的普及，越來越多的人了解Python，企業也會對求職者提出更高的要求，他們想招聘一些能馬上開始工作的人，所以往往會招聘一些有項目開發經驗的人。這就是為什麼那麼多計算機專業的大學生找不到工作，所以越來越多的大學生會選擇在畢業前後參加一些專業的Python培訓課程，以增加他們的實踐經驗。只有增強自己的力量，才能立於不敗之地。
Python培訓機構哪家比較好？判斷Python培訓機構好與壞主要看以下幾個方面
1.看教學課程內容
學習Python技術，最主要是與時俱進，掌握的技術點能夠滿足時下企業的用人需求。而想要了解一家培訓機構所提供的課程是否新穎，也可以去機構的官網上看看，了解自己想學習的學科的課程大綱。看看學習路線圖是如何安排的，有沒有從零到一的系統搭建，是不是有強化實訓、實操的比重，有盡量多的項目實戰。因為企業對Python從業者的技術能力和動手實戰能力要求較高。
2.看師資力量
因為Python開發技術知識的專業性很強，如果盲目去學很容易走進誤區。相反，有講師帶領，站在巨人的肩膀上，往往事半功倍。畢竟現在這個時代只要多跟別人交流才能獲得更多更有價值的信息，初學者千萬不能閉門造車。
3.看口碑
行業內口碑比較好，學生對培訓機構比較認可，這種機構把精力放在了學生身上的機構，才是做教育的應有態度。
4.看就業情況
以學生就業為目標的培訓機構現在才是最主要的。要知道就業也是教學成果的體現，沒有好的教學保證是做不到好的就業的。
5.上門免費試聽
試聽是為了更好的去感受培訓機構的課程內容、講課風格、班級氛圍等，同時也能通過和班上在讀同學進行交流，更進一步去了解這家培訓機構各個方面是否符合自己的需要。
3. 老男孩還有傳智的Python培訓哪個完善些
這種都不能到企業內部的，都是紙上談兵
我在交大人工智慧中心報的，就是直接在企業內部實習學習，做真實項目
這種企業裡面的更完善
4. 如何創建 python+requests介面自動化測試框架
需要對於讀出來的數據進行相應的處理。 當然示例中只是簡單列了一下關於POST,GET等二種方式，實際還有很多其它方式，如put,delete等，請求中也還會包括headers，這些都可以自憶添加上去。
5. Python移動應用開發
1、如果使用python語言，需要學習哪些知識？
python作為一門簡單明了的語言，非常容易上手，語言層面不會太復雜，稍微有點難度的頂多就是裝飾器、元類和少量函數式編程內容。要說學習的話，我覺得更多是一些編程方面通用的東西，比如：數據結構和演算法、設計模式、操作系統、計算機網路之類的
2、選擇什麼樣的python框架開發，這個框架的優勢？
tornado，因為非阻塞io的原因，性能非常高，特別適合寫後端API（App的後端應該都是rest風格的api），而且成熟穩定
3、如何部署伺服器？本地伺服器調試，以及公網伺服器部署？
這個一兩句說不清楚，涉及到運維、測試、開發諸多方面， 部署和測試推薦幾個包：fabric、nose、unittest(python自帶)，版本管理推薦git，持續集成推薦使用docker+jenkins
6. 如何用python開發移動App後台
1、使用python開發APP後台要用到tornado框架，因為非阻塞io的原因，性能非常高，特別適合寫後端API（App的後端應該都是rest風格的api），而且成熟穩定。
2、APP後台需要部署伺服器，這方面涉及到運維、測試、開發諸多方面， 部署和測試推薦幾個包：fabric、nose、unittest(python自帶)，版本管理推薦git，持續集成推薦使用docker+jenkins。
3、APP後台服務性能需求方面，youtube、reddit、豆瓣、知乎這樣的大流量網站都是python寫的，所以App的規模不太可能遇到性能問題，即使有也應該不是python的問題，而是任何語言都會有問題。大量的pv是可以靠堆伺服器堆出來，如果是計算量比較大的任務，可以考慮用c或c++寫。
4、網頁前端以及移動端開發後台用python寫的API，讓前端使用React，就可以輕松解決前後端分離這個問題。
5、現有開源實例子比較少，App後端開源的不常見，而且大部分是rest風格的api，很多時候會涉及到自身的業務和敏感信息也不會開源，所以都要自己從頭開始編寫。
7. 如何用python開發移動App後台需要掌握哪些技術
1、如果使用python語言，需要學習哪些知識？
python作為一門簡單明了的語言，非常容易上手，語言層面不會太復雜，稍微有點難度的頂多就是裝飾器、元類和少量函數式編程內容。要說學習的話，我覺得更多是一些編程方面通用的東西，比如：數據結構和演算法、設計模式、操作系統、計算機網路之類的
2、選擇什麼樣的python框架開發，這個框架的優勢？
tornado，因為非阻塞io的原因，性能非常高，特別適合寫後端API（App的後端應該都是rest風格的api），而且成熟穩定
3、如何部署伺服器？本地伺服器調試，以及公網伺服器部署？
這個一兩句說不清楚，涉及到運維、測試、開發諸多方面， 部署和測試推薦幾個包：fabric、nose、unittest(python自帶)，版本管理推薦git，持續集成推薦使用docker+jenkins
4、如果使用python框架開發移動後台服務，在開發源碼內使用哪種框架？mvc還是其它的，比如我返回json數據，每次json對象最外層有一些相同的東西，該如何處理？
MVC什麼的，一般的框架都差不多的，tornado也是支持的，返回json有相同的東西，寫個修飾器就完了
5、python的後台服務最大能支持多大的pv量會嚴重影響用戶體驗性能？
youtube、reddit、豆瓣、知乎這樣的大流量網站都是python寫的，覺得你的App的規模不太可能遇到性能問題，即使有也應該不是python的問題，而是任何語言都會有問題。畢竟web後端不是計算密集型，而是io密集型的，python和其他語言的區別不會太大吧，大量的pv是可以靠堆伺服器堆出來的，如果是計算量比較大的任務，你可以考慮用c或c++寫
6、如何兼顧 網頁前端以及移動端 開發的後台？
用python寫的API，網頁和移動端都是可以調用啊，讓前端學學React，就可以輕松解決前後端分離這個問題（PS: facebook 就是後端php + 前端React，淘寶也有在用nodejs做前後端分離）
7、有沒用相關的案例，即用python開發的移動後台？有沒有該問題的開源項目？
這個應該比較少，App後端開源的不常見，而且大部分是rest風格的api，很多時候會涉及到自身的業務和敏感信息應該不會開源的吧（又不是bbs或者博客程序）
8. 常用的自動化測試工具有哪些
1、Appium
AppUI自動化測試
Appium 是一個移動端自動化測試 開源工具，支持iOS 和Android 平台，支持Python、Java 等語言，即同一套Java 或Python 腳本可以同時運行在iOS 和Android平台，Appium 是一個C/S 架構，核心是一個 Web 伺服器，它提供了一套 REST 的介面。當收到客戶端的連接後，就會監聽到命令，然後在移動設備上執行這些命令，最後將執行結果放在 HTTP 響應中返還給客戶端。
2、Selenium
WebUI自動化測試
Selenium是一個用於Web應用程序測試的工具，Selenium已經成為Web自動化測試工程師的首選。Selenium測試直接運行在瀏覽器中，就像真正的用戶在操作一樣。支持的瀏覽器包括IE(7、8、9)、Mozilla Firefox、Mozilla Suite等。這個工具的主要功能包括：測試與瀏覽器的兼容性——測試你的應用程序看是否能夠很好得工作在不同瀏覽器和操作系統之上。測試系統功能——創建回歸測試檢驗軟體功能和用戶需求。支持自動錄制動作和自動生成 .Net、Java、Perl等不同語言的測試腳本。Selenium 是ThoughtWorks專門為Web應用程序編寫的一個驗收測試工具。其升級版本為Webdriver。
3、Postman
介面測試
Postman 提供功能強大的 Web API 和 HTTP 請求的調試，它能夠發送任何類型的HTTP 請求 (GET, POST, PUT, DELETE…)，並且能附帶任何數量的參數和 Headers。不僅如此，它還提供測試數據和環境配置數據的導入導出，付費的 Post Cloud 用戶還能夠創建自己的 Team Library 用來團隊協作式的測試，並能夠將自己的測試收藏夾和用例數據分享給團隊。
4.Robot Framework
Robot Framework是一個開源自動化框架，它實現了用於驗收測試和驗收測試驅動開發（ATDD）的關鍵字驅動方法。 Robot Framework為不同的測試自動化需求提供框架。 但是，通過使用Python和Java實現其他測試庫，可以進一步擴展其測試功能。 Selenium WebDriver是Robot Framework中常用的外部庫。
測試工程師可以利用Robot Framework作為自動化框架，不僅可以進行Web測試，還可以用於Android和iOS測試自動化。 對於熟悉關鍵字驅動測試的測試人員，可以輕松學習Robot Framework。
5、Soapui
介面測試
SoapUI提供了所有所需的工具來測試和完善的測試。總覽標簽給你一個項目的所有內容和全面的看法。只需一次點擊，您可以添加任何數量的斷言為驗證傳入的消息TestStep。使用功能強大的HTTP監視器記錄，分析甚至修改客戶機 - 伺服器通信，因為它發生。和SoapUI臨帶來了更專業和先進的功能，保持遙遙領先其他測試工具。輕松創建和運行數據驅動測試。該數據源TestStep讀取測試數據從任何外部來源 - Excel中，XML，JDBC，文件，等等 - 到標准SoapUI屬性。
針對上面的自動化測試工具，每一個都有自己優勢的功能，隨著計算機行業的發展，自動化測試工具會越來越多，越來越完善。
9. 自動化框架工具有哪些
1．模塊化測試框架
在五種框架中，模塊化框架是最容易掌握和使用的。在一個組件上方建立一個抽象層使其在餘下的應用中隱藏起來，這是眾所周知的編程技巧。這樣應用同組件中的修改隔離開來，提供了程序設計的模塊化特性。模塊化測試腳本框架使用這一抽象或者封裝的原理來提高自動測試組合的可維護性和可升級性。
2．測試庫框架
測試庫框架（Test Library Architecture）與模塊化測試腳本框架很類似，並且具有同樣的優點。不同的是測試庫框架把待測應用程序分解為過程和函數而不是腳本。這個框架需要創建描述模塊、片斷以及待測應用程序的功能庫文件。
3．關鍵字驅動或表驅動的測試框架
對於一個獨立於應用的自動化框架，關鍵字驅動（KEYWORD Driven）I9LJJ試和表驅動（TABLE DRIVEN）測試是可以互換的術語。這個框架需要開發數據表和關鍵字。這些數據表和關鍵字獨立於執行它們的測試自動化工具，並可以用來「驅動＂待測應用程序和數據的測試腳本代碼，關鍵宇驅動測試看上去與手工測試用例很類似。在一個關鍵字驅動測試中，把待測應用程序的功能和每個測試的執行步驟一起寫到一個表中。
這個測試框架可以通過很少的代碼來產生大量的測試用例。同樣的代碼在用數據表來產生各個測試用例的同時被復用。
4．數據驅動測試框架
數據驅動（DATA Driven），LJ試是一個框架。在這里測試的輸入和輸出數據是從數據文件中讀取（數據池，ODBC源，CSV文件，EXCEL文件，ado對象等）並且通過捕獲工具生成或者手工生成的代碼腳本被載入到變數中。在這個框架中，變數不僅被用來存放輸入值還被用來存放輸出的驗證值。整個程序中，測試腳本來讀取數值文件，記載測試狀態和信息。這類似於表驅動測試，在表驅動測 試中，它的測試用例是包含在數據文件而不是在腳本中，對於數據而言，腳本僅僅是一個「驅動器」，或者是一個傳送機構。然而，數據驅動測試不同於表驅動測試，盡管導航數據並不包含在表結構中。
5．混合測試自動化（hybrid Test Automation）框架
最普遍的執行框架是上面介紹的所有技術的一個結合，取其長處，彌補其不足。這個混合測試框架是由大部分框架隨著時間並經過若干項目演化而來的。
10. 有哪些 Python 經典書籍
《Python編程入門：從入門到實踐》
【同時使用Python 2.X和3.X講解】
Amazon編程入門類榜首圖書，最值得關注的Python入門書
從基本概念到完整項目開發，幫助零基礎讀者迅速掌握Python編程，開發實際項目
這本書分兩部分：
第一部分介紹用Python編程所必須了解的基本概念，包括matplotlib、NumPy和Pygal等強大的Python庫和工具介紹，以及列表、字典、if語句、類、文件與異常、代碼測試等內容；
第二部分將理論付諸實踐，講解如何開發三個項目，包括簡單的Python 2D游戲開發，如何利用數據生成互動式的信息圖，以及創建和定製簡單的Web應用，並幫讀者解決常見編程問題和困惑。
《Python基礎教程（第2版·修訂版）》
【Python 2.5講解，Python 3上也能運行】
各大網店最暢銷的Python入門書
全書分為三部分。
第一部分講述Python語法，沒有廢話，還摻入了一些Python 3.0要注意的細節。
第二部分介紹了常用的GUI、框架等應用，點到即止，算是為第三部分做鋪墊了，從數目眾多的應用中可以了解到Python的強大。
第三部分是Project，全書最大的亮點，大家肯定喜歡。
作者將前面講述的內容應用到10個引人入勝的項目中，並以模板的形式介紹了項目的開發過程，手把手教授Python開發。
《Python語言及其應用》
【Python 3.X】
語言風格輕松詼諧，講解多種Python工具和第三方庫
實例涉及商業、科研以及藝術領域使用Python開發各種應用
亞馬遜最受歡迎的Python編程書之一，評分4.5
書中首先介紹了Python的基礎知識，然後逐漸深入多種主題，結合教程和攻略式風格來講解Python 3中的概念。每章結尾的練習可以幫助你鞏固所學的知識。
本書會為你學習Python打下堅實的基礎，包括測試、調試、代碼復用的最佳實踐以及其他開發技巧。
《Python編程入門（第3版）》
【Python 3.X 】
從算術運算、字元串、變數，到函數、數據結構、輸入輸出和異常處理，應有盡有
《父與子的編程之旅：與小卡特一起學Python》
【Python 2.X 】
原版Amazon 最受歡迎的青少年編程圖書
最簡單易學的內容組織方式，老少皆宜
第一版獲Jolt大獎
本書中，Warren和Carter父子以親切的筆調、通俗的語言，透徹全面地介紹了計算機編程世界。
他們以簡單易學的Python語言為例，通過可愛的漫畫、有趣的例子，生動地介紹了變數、循環、輸入和輸出、數據結構以及圖形用戶界面等編程的基本概念。
只要懂得計算機的基本操作，如啟動程序、保存文件，任何人都可以跟隨本書，由簡入難，學會編寫程序，甚至製作游戲。
本書內容經過教育專家的評審，經過孩子的親身檢驗，並得到了家長的認可。
《編程導論》
【Python 2.7】
以麻省理工學院開放式課程（OpenCourseWare）中最受歡迎的計算機科學課程為基礎，旨在培養讀者的編程思維，使讀者擁有計算機科學家的視野
本書涵蓋了Python的大部分特性，重點介紹如何使用Python這門語言，共包含編程基礎、Python程序設計語言、理解計算的關鍵概念、計算問題的解決技術等四個方面。
本書將Python語言特性和編程方法貫穿全書，目的是幫助讀者在學習Python的同時掌握如何使用計算來解決有趣的問題。
《流暢的Python》
【兼顧Python 3和Python 2】
PSF研究員、知名PyCon演講者心血之作
Python核心開發人員擔綱技術審校
全面深入，對Python語言關鍵特性剖析到位
大量詳盡代碼示例，並附有主題相關高質量參考文獻和視頻鏈接
本書致力於幫助Python開發人員挖掘這門語言及相關程序庫的優秀特性，避免重復勞動，同時寫出簡潔、流暢、易讀、易維護，並且具有地道Python風格的代碼。本書尤其深入探討了Python語言的高級用法，涵蓋數據結構、Python風格的對象、並行與並發，以及元編程等不同的方面。
《Python項目開發實戰（第2版）》
【Python 2.7】
網羅Python項目開發中的流程，讓你的編程事半功倍
Python項目與封裝/團隊開發環境/問題驅動開發/源碼管理（Mercurial） Jenkins持續集成（CI）/環境搭建與部署的自動化（Ansible）/Django框架……
這是一本偏工程的圖書，沒怎麼講Python語言基礎知識，直接告訴你怎麼搭建開發環境，做好代碼管理和文檔管理以及缺陷管理等工作。
《Python網路編程攻略》
【Python 2.7】
可作為任何一門網路編程課程中培養實踐技能的補充材料
需要讀者對Python語言及TCP/IP等基本的網路概念有了解，但即使不精通也能通過本書理解相關概念
本書全面介紹了Python網路編程涉及的重要問題，包括網路編程、系統和網路管理、網路監控以及Web應用開發。作者通過70多篇攻略，清晰簡明地描述了各種網路任務和問題，提出了可用於多種場景的解決方案，並細致地分析了整個操作過程。
《Python網路編程（第3版）》
【Python 3.X】
涵蓋網路編程所有經典話題，提供大量代碼清單及示例
從應用開發角度介紹網路編程基本概念、模塊以及第三方庫
本書針對想要深入理解使用Python來解決網路相關問題或是構建網路應用程序的技術人員，結合實例講解了網路協議、網路數據及錯誤、電子郵件、伺服器架構和HTTP及Web應用程序等經典話題。
具體內容包括：全面介紹Python3中最新提供的SSL支持，非同步I/O循環的編寫，用Flask框架在Python代碼中配置URL，跨站腳本以及跨站請求偽造攻擊網站的原理及保護方法，等等。
《Python性能分析與優化》
【Python 2.X】
全面掌握Python代碼性能分析和優化方法
消除性能瓶頸，迅速改善程序性能
本書首先介紹什麼是性能分析，性能分析如何在項目開發周期中發揮作用，以及通過在項目中進行性能分析實踐能夠取得的效果。
緊接著介紹分析性能所需的核心工具（性能分析器和可視化性能分析器）。
然後介紹一系列性能優化技術，最後一章會介紹一個具有實際意義的優化案例。
《精通Python設計模式》
【Python 3.X】
用現實例子展示各模式的關鍵特性
16種基本設計模式，輕松解決軟體設計常見問題
本書分三部分，共16章介紹一些常用的設計模式。
第一部分介紹處理對象創建的設計模式，包括工廠模式、建造者模式、原型模式；
第二部分介紹處理一個系統中不同實體（類、對象等）之間關系的設計模式，包括外觀模式、享元模式等；
第三部分介紹處理系統實體之間通信的設計模式，包括責任鏈模式、觀察者模式等。
《Flask Web開發：基於Python的Web應用開發實戰》
【Python 2.7和3.3】
從安裝與環境設置講起，一步一步搭建伺服器端Web應用
全流程講解Web應用開發，給出最佳實踐
本書共分三部分，全面介紹如何基於Python微框架Flask進行Web開發。
第一部分是Flask簡介，介紹使用Flask框架及擴展開發Web程序的必備基礎知識。
第二部分則給出一個實例，真正帶領大家一步步開發完整的博客和社交應用Flasky，從而將前述知識融會貫通，付諸實踐。
第三部分介紹了發布應用之前必須考慮的事項，如單元測試策略、性能分析技術、Flask程序的部署方式等。
《Python Web開發：測試驅動方法》
【（Django、Selenium）相關部分使用Python 3.3講解】
亞馬遜4.8星評好書
實戰式TDD開發指南，使用Django等流行框架開發現代Web應用！
學習Django、Selenium、Git、jQuery和Mock，以及其他當前流行Web開發技術
「這本書很棒、很有趣，所講的全都是重點知識。如果有人想用Python做測試、學習Django或者想使用Selenium，我極力推薦這本書。要使開發者保持頭腦清醒，測試可謂至關重要。Harry完成了一項不可思議的工作，他不僅吸引了我們對測試的關注，而且還探索了切實可行的測試實踐方案。」
——Michael Foord，Python核心開發者，unittest維護者
《數據科學入門》
【Python 2.7】
Google數據科學家、軟體工程師Joel Grus作品
用Python從零開始講解數據科學的重量級讀本
數據科學、機器學習、模式識別領域必備
本書從零開始講解數據科學。
具體內容包括Python簡介，可視化數據，線性代數，統計，概率，假設與推斷，梯度下降法，如何獲取數據，k近鄰法，樸素貝葉斯演算法等。
作者藉助大量具體例子以及數據挖掘、統計學、機器學習等領域的重要概念，通過講解基礎數據科學工具和演算法實現，帶你快速跨入數據科學大門。
書中含大量數據科學領域的庫、框架、模塊和工具包。
《機器學習實戰》
【Python 2.7】
最暢銷機器學習圖書
介紹並實現機器學習的主流演算法
面向日常任務的高效實戰內容
全書通過精心編排的實例，切入日常工作任務，摒棄學術化語言，利用高效的可復用Python代碼來闡釋如何處理統計數據，進行數據分析及可視化。
通過各種實例，讀者可從中學會機器學習的核心演算法，並能將其運用於一些策略性任務中，如分類、預測、推薦。另外，還可用它們來實現一些更高級的功能，如匯總和簡化等。
《機器學習系統設計》
【Python 2.7及以上】
微軟Bing核心團隊成員推出
聚焦演算法編寫和編程方式
結合大量實例學會解決實際問題
本書將向讀者展示如何從原始數據中發現模式，首先從Python與機器學習的關系講起，再介紹一些庫，然後就開始基於數據集進行比較正式的項目開發了，涉及建模、推薦及改進，以及聲音與圖像處理。通過流行的開源庫，我們可以掌握如何高效處理文本、圖片和聲音。同時，讀者也能掌握如何評估、比較和選擇適用的機器學習技術。
《Python數據處理》
【Python 2.7】
將數據處理過程自動化！
全面掌握用Python進行爬蟲抓取以及數據清洗與分析的方法，輕松實現高效數據處理！
本書採用基於項目的方法，介紹用Python完成數據獲取、數據清洗、數據探索、數據呈現、數據規模化和自動化的過程。
主要內容包括：Python基礎知識，如何從CSV、Excel、XML、JSON和PDF文件中提取數據，如何獲取與存儲數據，各種數據清洗與分析技術，數據可視化方法，如何從網站和API中提取數據。
《Python數據分析基礎教程：NumPy學習指南（第2版）》
【Python 2.7】
NumPy中文入門教程，Python數據分析首選
從最基礎的知識講起，手把手帶你進入大數據挖掘領域
囊括大量具有啟發性與實用價值的實戰案例
本書從NumPy安裝講起，逐漸過渡到數組對象、常用函數、矩陣運算、線性代數、金融函數、窗函數、質量控制等內容，致力於向初中級Python編程人員全面講述NumPy及其使用。
另外，通過書中豐富的示例，你還將學會Matplotlib繪圖，並結合使用其他Python科學計算庫（如SciPy和Scikits），讓工作更有成效，讓代碼更加簡潔而高效。
《Python數據挖掘入門與實踐》
【Python 3.4】
全面釋放Python的數據分析能力
掌握大數據時代核心技術，輕松入門數據挖掘技術並將其應用於實際項目
本書使用簡單易學且擁有豐富第三方庫和良好社區氛圍的Python語言，由淺入深，以真實數據作為研究對象，真刀實槍地向讀者介紹Python數據挖掘的實現方法。通過本書，讀者將邁入數據挖掘的殿堂，透徹理解數據挖掘基礎知識，掌握解決數據挖掘實際問題的最佳實踐！
《Python科學計算基礎教程》
【Python 2.7及以上】
精彩案例展示Numpy等科學計算模塊的強大功能和廣泛應用
剖析Python關於並行與大數據計算的方法
總結科學計算的任務、難點以及最佳實踐經驗
本書是將Python用於科學計算的實用指南，既介紹了相關的基礎知識，又提供了豐富的精彩案例，並為讀者總結了最佳實踐經驗。
其主要內容包括：科學計算的基本概念與選擇Python的理由，科學工作流和科學計算的結構，科學項目相關數據的各個方面，用於科學計算的API和工具包，如何利用Python的NumPy和SciPy包完成數值計算，用Python做符號計算，數據分析與可視化，並行與大規模計算，等等。
《Python數據分析實戰》
【Python 2.X】
了解Python在信息處理、管理和檢索方面的強大功能
學會如何利用Python及其衍生工具處理、分析數據
三個真實Python數據分析案例，將理論付諸實踐
《Python數據分析實戰》展示了如何利用Python 語言的強大功能，以最小的編程代價進行數據的提取、處理和分析，主要內容包括：數據分析和Python 的基本介紹，NumPy 庫，pandas 庫，如何使用pandas 讀寫和提取數據，用matplotlib 庫和scikit-learn 庫分別實現數據可視化和機器學習，以實例演示如何從原始數據獲得信息、D3 庫嵌入和手寫體數字的識別。
《Python網路數據採集》
【Python 3.X】
原書4.6星好評，一本書搞定數據採集
涵蓋數據抓取、數據挖掘和數據分析
提供詳細代碼示例，快速解決實際問題
本書介紹網路數據採集，並為採集新式網路中的各種數據類型提供了全面的指導。
第一部分重點介紹網路數據採集的基本原理：如何用Python從網路伺服器請求信息，如何對伺服器的響應進行基本處理，以及如何以自動化手段與網站進行交互。
第二部分介紹如何用網路爬蟲測試網站，自動化處理，以及如何通過更多的方式接入網路。
《Python計算機視覺編程》
【Python 2.6及以上】
亞馬遜計算機視覺類圖書No.1
詳細剖析多種計算機視覺工具
大量示例極易上手
本書是計算機視覺編程的權威實踐指南，通過Python語言講解了基礎理論與演算法，並通過大量示例細致分析了對象識別、基於內容的圖像搜索、光學字元識別、光流法、跟蹤、3D重建、立體成像、增強現實、姿態估計、全景創建、圖像分割、降噪、圖像分組等技術。