书籍简介
本书是epub格式。
Python编程：从入门到实践
版权声明
前言
致谢
第一部分 基础知识
第 1 章 起步
第 2 章 变量和简单数据类型
第 3 章 列表简介
第 4 章 操作列表
第 5 章 if语句
第 6 章 字典
第 7 章 用户输入和while循环
第 8 章 函数
第 9 章 类
第 10 章 文件和异常
第 11 章 测试代码
第二部分 项目
项目1 外星人入侵
第 12 章 武装飞船
第 13 章 外星人
记分
项目2 数据可视化
第 15 章 生成数据
第 16 章 下载数据
第 17 章 使用API
项目3 Web应用程序
第 18 章 Django入门
第 19 章 用户账户
第 20 章 设置应用程序的样式并对其进行部署
附录 A 安装Python
附录 B 文本编辑器
附录 C 寻求帮助
附录 D 使用Git进行版本控制
后记
Python机器学习经典实例
版权声明
译者序
前言
第 1 章 监督学习
第 2 章 创建分类器
第 3 章 预测建模
第 4 章 无监督学习——聚类
第 5 章 构建推荐引擎
第 6 章 分析文本数据
第 7 章 语音识别
第 8 章 解剖时间序列和时序数据
第 9 章 图像内容分析
第 10 章 人脸识别
第 11 章 深度神经网络
第 12 章 可视化数据
Python测试驱动开发：使用Django、Selenium和JavaScript进行Web编程（第2版）
版权声明
O'Reilly Media, Inc. 介绍
前言
准备工作和应具备的知识
配套视频
致谢
第一部分 TDD和Django基础
第 1 章 使用功能测试协助安装Django
第 2 章 使用unittest模块扩展功能测试
第 3 章 使用单元测试测试简单的首页
第 4 章 测试（及重构）的目的
第 5 章 保存用户输入：测试数据库
第 6 章 改进功能测试：确保隔离，去掉含糊的休眠
第 7 章 步步为营
第二部分 Web 开发要素
第 8 章 美化网站：布局、样式及其测试方法
第 9 章 使用过渡网站测试部署
第 10 章 为部署到生产环境做好准备
第 11 章 使用Fabric自动部署
第 12 章 输入验证和测试的组织方式
第 13 章 数据库层验证
第 14 章 简单的表单
第 15 章 高级表单
第 16 章 试探JavaScript
第 17 章 部署新代码
第三部分 高级话题
第 18 章 用户身份验证、探究及去掉探究代码
第 19 章 使用驭件测试外部依赖或减少重复
第 20 章 测试固件和一个显式等待装饰器
第 21 章 服务器端调试技术
第 22 章 完成“My Lists”页面：由外而内的TDD
第 23 章 测试隔离和“倾听测试的心声”
第 24 章 持续集成
第 25 章 简单的社会化功能、页面模式以及练习
第 26 章 测试运行速度的快慢和炽热的岩浆
遵从测试山羊的教诲
附录 A PythonAnywhere
附录 B 基于类的Django视图
附录 C 使用Ansible配置服务器
附录 D 测试数据库迁移
附录 E 行为驱动开发
附录 F 构建一个REST API：JSON、Ajax和 JavaScript模拟技术
附录 G Django-Rest-Framework
附录 H 速查表
附录 I 接下来做什么
附录 J 示例源码
参考书目
作者简介
封面介绍
Python计算机视觉编程
版权声明
O'Reilly Media, Inc. 介绍
业界评论
推荐序
前言
先决条件和概述
读者须知
本书内容
各章概览
计算机视觉简介
Python和NumPy
排版约定
使用代码示例
Safari® Books Online
联系我们
致谢
第 1 章 基本的图像操作和处理
1.1 PIL：Python图像处理类库
1.1.1 转换图像格式
1.1.2 创建缩略图
1.1.3 复制和粘贴图像区域
1.1.4 调整尺寸和旋转
1.2 Matplotlib
1.2.1 绘制图像、点和线
1.2.2 图像轮廓和直方图
1.2.3 交互式标注
1.3 NumPy
1.3.1 图像数组表示
1.3.2 灰度变换
1.3.3 图像缩放
1.3.4 直方图均衡化
1.3.5 图像平均
1.3.6 图像的主成分分析（PCA）
1.3.7 使用pickle模块
1.4 SciPy
1.4.1 图像模糊
1.4.2 图像导数
1.4.3 形态学：对象计数
1.4.4 一些有用的SciPy模块
1.5 高级示例：图像去噪
练习
代码示例约定
第 2 章 局部图像描述子
2.1 Harris角点检测器
在图像间寻找对应点
2.2 SIFT（尺度不变特征变换）
2.2.1 兴趣点
2.2.2 描述子
2.2.3 检测兴趣点
2.2.4 匹配描述子
2.3 匹配地理标记图像
2.3.1 从Panoramio下载地理标记图像
2.3.2 使用局部描述子匹配
2.3.3 可视化连接的图像
练习
第 3 章 图像到图像的映射
3.1 单应性变换
3.1.1 直接线性变换算法
3.1.2 仿射变换
3.2 图像扭曲
3.2.1 图像中的图像
3.2.2 分段仿射扭曲
3.2.3 图像配准
3.3 创建全景图
3.3.1 RANSAC
3.3.2 稳健的单应性矩阵估计
3.3.3 拼接图像
练习
第 4 章 照相机模型与增强现实
4.1 针孔照相机模型
4.1.1 照相机矩阵
4.1.2 三维点的投影
4.1.3 照相机矩阵的分解
4.1.4 计算照相机中心
4.2 照相机标定
4.2.1 一个简单的标定方法
4.3 以平面和标记物进行姿态估计
4.4 增强现实
4.4.1 PyGame和PyOpenGL
4.4.2 从照相机矩阵到OpenGL格式
4.4.3 在图像中放置虚拟物体
4.4.4 综合集成
4.4.5 载入模型
练习
第 5 章 多视图几何
5.1 外极几何
5.1.1 一个简单的数据集
5.1.2 用Matplotlib绘制三维数据
5.1.3 计算F：八点法
5.1.4 外极点和外极线
5.2 照相机和三维结构的计算
5.2.1 三角剖分
5.2.2 由三维点计算照相机矩阵
5.2.3 由基础矩阵计算照相机矩阵
5.3 多视图重建
5.3.1 稳健估计基础矩阵
5.3.2 三维重建示例
5.3.3 多视图的扩展示例
5.4 立体图像
计算视差图
练习
第 6 章 图像聚类
6.1 K-means聚类
6.1.1 SciPy聚类包
6.1.2 图像聚类
6.1.3 在主成分上可视化图像
6.1.4 像素聚类
6.2 层次聚类
图像聚类
6.3 谱聚类
练习
第 7 章 图像搜索
7.1 基于内容的图像检索
从文本挖掘中获取灵感——矢量空间模型
7.2 视觉单词
创建词汇
7.3 图像索引
7.3.1 建立数据库
7.3.2 添加图像
7.4 在数据库中搜索图像
7.4.1 利用索引获取候选图像
7.4.2 用一幅图像进行查询
7.4.3 确定对比基准并绘制结果
7.5 使用几何特性对结果排序
7.6 建立演示程序及Web应用
7.6.1 用CherryPy创建Web应用
7.6.2 图像搜索演示程序
练习
第 8 章 图像内容分类
8.1 K邻近分类法（KNN）
8.1.1 一个简单的二维示例
8.1.2 用稠密SIFT作为图像特征
8.1.3 图像分类：手势识别
8.2 贝叶斯分类器
用PCA降维
8.3 支持向量机
8.3.1 使用LibSVM
8.3.2 再论手势识别
8.4 光学字符识别
8.4.1 训练分类器
8.4.2 选取特征
8.4.3 多类支持向量机
8.4.4 提取单元格并识别字符
8.4.5 图像校正
练习
第 9 章 图像分割
9.1 图割（Graph Cut）
9.1.1 从图像创建图
9.1.2 用户交互式分割
9.2 利用聚类进行分割
9.3 变分法
练习
第 10 章 OpenCV
10.1 OpenCV的Python接口
10.2 OpenCV基础知识
10.2.1 读取和写入图像
10.2.2 颜色空间
10.2.3 显示图像及结果
10.3 处理视频
10.3.1 视频输入
10.3.2 将视频读取到NumPy数组中
10.4 跟踪
10.4.1 光流
10.4.2 Lucas-Kanade算法
10.5 更多示例
10.5.1 图像修复
10.5.2 利用分水岭变换进行分割
10.5.3 利用霍夫变换检测直线
练习
附录 A 安装软件包
A.1 NumPy和SciPy
A.1.1 Windows
A.1.2 Mac OS X
A.1.3 Linux
A.2 Matplotlib
A.3 PIL
A.4 LibSVM
A.5 OpenCV
A.5.1 Windows 和 Unix
A.5.2 Mac OS X
A.5.3 Linux
A.6 VLFeat
A.7 PyGame
A.8 PyOpenGL
A.9 Pydot
A.10 Python-graph
A.11 Simplejson
A.12 PySQLite
A.13 CherryPy
附录 B 图像集
B.1 Flickr
B.2 Panoramio
B.3 牛津大学视觉几何组
B.4 肯塔基大学识别基准图像
B.5 其他
B.5.1 Prague Texture Segmentation Datagenerator与基准
B.5.2 微软剑桥研究院Grab Cut数据集
B.5.3 Caltech 101
B.5.4 静态手势数据库
B.5.5 Middlebury Stereo数据集
附录 C 图片来源
C.1 来自Flickr的图像
C.2 其他图像
C.3 插图
参考文献
Python科学计算基础教程
版权声明
译者序
前言
致谢
第 1 章 科学计算概况与选择Python的理由
第 2 章 科学工作流和科学计算的结构
第 3 章 有效地制造与管理科学数据
第 4 章 Python科学计算API
第 5 章 数值计算
第 6 章 用Python做符号计算
第 7 章 数据分析与可视化
第 8 章 并行与大规模科学计算
第 9 章 真实案例介绍
第 10 章 科学计算的最佳实践
Python数据处理
版权声明
O'Reilly Media, Inc.介绍
本书赞誉
前言
第 1 章 Python简介
第 2 章 Python基础
第 3 章 供机器读取的数据
第 4 章 处理 Excel 文件
第 5 章 处理 PDF 文件，以及用 Python解决问题
第 6 章 数据获取与存储
第 7 章 数据清洗：研究、匹配与格式化
第 8 章 数据清洗：标准化和脚本化
第 9 章 数据探索和分析
第 10 章 展示数据
第 11 章 网页抓取：获取并存储网络数据
第 12 章 高级网页抓取：屏幕抓取器与爬虫
第 13 章 应用编程接口
第 14 章 自动化和规模化
第 15 章 结论
附录 A 编程语言对比
附录 B 初学者的 Python 学习资源
附录 C 学习命令行
附录 D 高级 Python 设置
附录 E Python陷阱
附录 F IPython 指南
附录 G 使用亚马逊网络服务
关于作者
关于封面
Python数据挖掘入门与实践
版权声明
译者序
前言
第 1 章 开始数据挖掘之旅
第 2 章 用scikit-learn估计器分类
第 3 章 用决策树预测获胜球队
第 4 章 用亲和性分析方法推荐电影
第 5 章 用转换器抽取特征
第 6 章 使用朴素贝叶斯进行社会媒体挖掘
第 7 章 用图挖掘找到感兴趣的人
第 8 章 用神经网络破解验证码
第 9 章 作者归属问题
第 10 章 新闻语料分类
第 11 章 用深度学习方法为图像中的物体进行分类
第 12 章 大数据处理
附录 接下来的方向
Python网络编程攻略
版权声明
致谢
前言
第 1 章 套接字、IPv4和简单的客户端/服务器编程
第 2 章 使用多路复用套接字I/O提升性能
第 3 章 IPv6、Unix域套接字和网络接口
第 4 章 HTTP协议网络编程
第 5 章 电子邮件协议、FTP和CGI编程
第 6 章 屏幕抓取和其他实用程序
第 7 章 跨设备编程
第 8 章 使用Web服务：XML-RPC、SOAP和REST
第 9 章 网络监控和安全性
Python项目开发实战（第2版）
版权声明
引言
前言
第 1 部分 Python 开发入门
第 1 章 Python 入门
第 2 章 开发 Web 应用
第 3 章 Python 项目的结构与包的创建
第 2 部分 团队开发的周期
第 4 章 面向团队开发的工具
第 5 章 项目管理与审查
第 6 章 用 Mercurial 管理源码
第 7 章 完备文档的基础
第 8 章 模块分割设计与单元测试
第 9 章 Python 封装及其运用
第 10 章 用 Jenkins 持续集成
第 3 部分 服务公开
第 11 章 环境搭建与部署的自动化
第 12 章 应用的性能改善
第 4 部分 加速开发的技巧
第 13 章 让测试为我们服务
第 14 章 轻松使用 Django
第 15 章 方便好用的 Python 模块
附录
附录 A VirtualBox 的设置
附录 B OS（Ubuntu）的设置
Python语言及其应用
版权声明
O'Reilly Media, Inc. 介绍
前言
第 1 章 Python 初探
第 2 章 Python 基本元素：数字、字符串和变量
第 3 章 Python 容器：列表、元组、字典与集合
第 4 章 Python 外壳：代码结构
第 5 章 Python 盒子：模块、包和程序
第 6 章 对象和类
第 7 章 像高手一样玩转数据
第 8 章 数据的归宿
第 9 章 剖析 Web
第 10 章 系统
第 11 章 并发和网络
第 12 章 成为真正的 Python 开发者
附录 A Python 的艺术
附录 B 工作中的 Python
附录 C Python 的科学
附录 D 安装 Python 3
附录 E 习题解答
附录 F 速查表
作者介绍
封面介绍
Comments !