本书基于零售数据分析及 Power BI 的综合实现，全面、详细地介绍 Power BI 在零售数据分析领域的专业解决方案。本书从指标体系、业务场景、技术流程、经典模型、模块实现、图表展示等多个维度给出可供读者直接复用的整套方案及 Power BI 模板系统。读者直接按照数据格式模板导入数据，一键刷新即可实现整套零售商业智能分析方案。

　　本书内容由浅入深，从业务到体验再到深度实践。首先，引入和介绍零售行业的核心业务知识，包括零售行业核心指标含义、零售行业常用业务场

本书以JavaScript作为演示代码，比较系统地涉及各种数据结构和常见的算法面试题：常见排序算法（如冒泡排序、选择排序、插入排序、希尔排序、归并排序、堆排序、快速排序、计数排序、桶排序、基数排序等）、树的相关算法、字符串算法、回溯算法、动态规划问题等。本书中没有可怕的数学公式与复杂度证明，而是详细列出解题步骤，给出可以套用的算法模板。为了方便记忆，每种算法都会给出多种解，读者只需从中选取适合自己的解即可。



本书旨在要让非科班出身的、没有算法基

《Linux高性能网络详解：从DPDK、RDMA到XDP》主要介绍了DPDK、RDMA和XDP三种高性能网络技术的原理、使用方法和实现方案。 《Linux高性能网络详解：从DPDK、RDMA到XDP》总计26章，分为四大部分。第1部分介绍了计算机网络、计算机硬件和Linux操作系统的基础知识，以及软件和硬件之间传递信息的方式、以内核协议栈为基础的网络方案和Corundum。第2部分介绍了DPDK的入门知识、DPDK的内存管理、UIO/DPDK的基本使用方法、测试和分析高性能网卡，以及如何为Cor

本书从一系列有趣的生活实例出发，全面介绍了构造算法的基础方法及其广泛应用，生动展现了算法的趣味性和实用性。书中介绍了算法在多个领域的应用，如图像处理、物理实验、计算机图形学、数字音频处理、机器学习等。其中，既有各种大名鼎鼎的算法，如神经网络、遗传算法、离散傅里叶变换算法、KNN、贝叶斯算法，也有不起眼的排序和概率计算算法。本书讲解浅显易懂而不失深度和严谨，对程序员有很大的启发意义。书中所有示例都与生活息息相关，充分地展现了算法解决问题的本质，让你爱上算法，乐在其中。本书在第1版的基础上新增了图像

本书从数据分析的基本概念和Python的基础语法讲起，然后逐步深入到Python数据分析的编程技术方面，并结合实战重点讲解了如何使用主流Python数据分析库进行数据分析，让读者快速掌握Python的编程基础知识，并对Python数据分析有更加深入的理解。 本书分为13章，涵盖的主要内容有数据分析概述、Python的特点和编程基础、NumPy数组的基础和进阶用法、Pandas数据处理和数据分析、数据的导入导出、数据可视化，以及Python网络爬虫和Scikit-learn机器学习的入门知识。 本

本书主要介绍GitLab CI/CD的相关内容。首先介绍GitLab CI/CD的基础知识，包括CI/CD的几个基本概念（pipeline、stages、job、GitLab Runner和.gitlab-ci.yml文件）；然后介绍GitLab CI/CD的35个关键词、每个关键词的语法及其使用场景，并给出一些示例；最后介绍CI/CD的实践，通过3种不同的项目详细讲解各种部署方式，包括微服务架构项目流水线开发、GitLab CI/CD与Kubernetes的集成，以及如何将项目部署到Kuber

本书是帮助Python新手入门的经典图书，涵盖了Python编程的方方面面。本书前半部分介绍了基础知识与概念：从安装Python、配置开发环境，到列表、元组、字符串、字典以及各种语句的基础知识，再到抽象、异常、方法、属性、迭代器等核心概念，Python与数据库、网络、C语言等工具结合使用，以及Python程序测试、打包、发布等知识。本书的后半部分，向读者详尽介绍了当下流行的多个Python项目的开发过程。 本次修订，不仅在结构与细节知识上进行了优化和完善，还增加了贴近真实商业环境的案例，并辅以课

PyQt是一个创建GUI应用程序的工具包，是Python编程语言和Qt库的成功融合。本书旨在通过深入浅出的讲解和简明的程序示例教读者掌握PyQt的开发技巧。 本书分为10章，从PyQt的安装和基础知识讲起，陆续介绍了基础控件（如标签控件、消息框、文本框、按钮及控件等）、高级控件（如组合框、滚动条、容器控件及各类视图等）、窗口（如属性、坐标、事件等）、Qt Designer（如安装与配置、编辑模式等）、PyQt高级应用（如数据库、多线程、动画、音视频、网页交互等）、图形视图框架（如图元、场景、视

本书是一本概率编程的入门书。本书使用概率编程库 PyMC3以及可视化库 ArviZ对贝叶斯统计分析的相关知识进行讲解，包括概率思维、概率编程、线性回归建模、广义线性模型、模型比较、混合模型、高斯过程以及推断引擎等知识。全书图文并茂，通俗易懂，适合具备一定 Python基础的读者学习使用。学完本书，读者可以利用概率思维建立贝叶斯模型并解决自己的数据分析问题。

本书涵盖了Python在数值计算和数据处理领域的常用扩展库，如NumPy、SciPy、Pandas、Matplotlib等，以数据载入、数据清洗与规整、数据分析与可视化为主线，利用浅显易懂的语言、丰富有趣的实例和案例，全面、系统地介绍了科学计算、数据处理与分析的知识。
本书共7章，第1章主要介绍Python语言以及环境的搭建和使用；第2~3章介绍Numpy和Pandas扩展库的数据结构和常用函数；第4章主要介绍了Pandas数据处理的相关技术；第5章主要介绍了Matplotlib