我的新书，《基于股票大数据分析的Python入门实战》，预计将于2019年底在清华出版社出版。
如果大家对大数据分析有兴趣，又想学习Python，这本书是一本不错的选择。从知识体系上来看，这本书的内容涵盖了开发Python企业级项目所需的知识点，包括但不限于Python基础语法知识、基于Pandas的大数据分析技术、基于Matplotlib的可视化编程技术、Python爬虫技术和基于Django的网络编程技术，甚至还在本书的最后，讲述了机器学习编程技术。
这本书的大多数范例程序是基于股票分析的技术指标，部分结合了“机器学习”和“爬虫”以及“数据分析”的使用。比如，根据股票代码来爬取股票交易数据的范例程序来讲述爬虫技术和正则表达式，通过K线均线和成交量图的范例程序来讲述Matplotlib知识点，结合股票技术指标BIAS和OBV的范例程序来讲述Django框架，用股票走势预测的范例程序讲述机器学习。在用股票分析的范例程序讲述知识点的同时，还会给出验证特定指标交易策略的范例程序源代码。
在本人之前的博客里，已经给出了这本书的章节供大家试读：以股票RSI指标为例，学习Python发送邮件功能。如下还给出了若干运行效果图，从中大家能感受到本书案例的生动性。以如此生动的案例学习Python，不愁没学习兴趣，也不愁学不会。
相信用这些饶有兴趣的范例程序来学习Python，不但可以激发读者学习的兴趣，也不会担心在学习过程中半途而废。而且，本书的范例程序大多篇幅适中，对于想将它们作为课程设计或大学毕业设计的参考也是非常适合的。
如果大家对股票交易知之甚少，也不用担心无法看懂本书提供的股票分析范例程序，这是因为：
第一，本书以通俗易懂的文字讲述相关股票指标的含义和算法；
第二，在给出待验证的股票交易策略时，所用到的数学方法仅限于加减乘除；
第三，在用股票预测范例程序讲述机器学习时，用到最复杂的数学公式是用二次函数计算方差，只是初中数学的知识。
而且，如果大家对股票不甚了解，更能通过这本书，在学习Python相关知识的同时，还能对股票技术指标乃至基于股票指标的交易策略有一定的理解。也就是说，通过本书，不仅能学好Python，更能掌握股票相关的技能，所谓一举两得。
下面是这本书的内容介绍。
本书分为三大部分：基础篇，组件分析篇，高级技术篇。
第1章到第4章为基础篇。第1章讲述了搭建Python开发环境的步骤，并通过范例程序讲述了Python基本语法和调试代码的技巧；第2章讲述了Python数据结构的相关知识点；第3章讲述基于Python语言的面向对象程序设计思想的实践与技巧；第4章讲述了Python处理异常的机制，并在读写文件的范例程序中，进一步演示了处理异常的技巧。
第4章到第10章为基于股票范例程序的“组件分析篇”，其中第5章在讲述股票知识的基础上讲述了通过爬虫获取数据的技巧；第6章以绘制K线图为范例，讲述了Matplotlib可视化组件的开发技巧；第7章以股票均线和成交量为范例，讲述了基于NumPy和Pandas库进行大数据分析的技巧；第8章用MACD范例程序讲述了Python数据库编程的相关技巧；第9章以KDJ指标为范例，讲述了基于GUI界面编程的相关技巧；第10章用RSI指标范例讲述了Python邮件编程的相关技巧。
本书的第11章到第13章为“高级技术篇”，其中第11章以BIAS范例讲述了Django框架的基础知识；第12章以OBV范例讲述了在Django里导入日志和数据库组件的技巧；第13章以股票分析范例讲述了基于线性回归和SVM（支持向量机）的机器学习入门知识。
从中，技术层面大家能看到数据分析，爬虫，Numpy，Pandas，Matplotlib，Django，数据库操作乃至线性回归，机器学习等热点，股票层面，大家能看到K线图，均线，成交量，KDJ，MACD， RRSI，OBV，BIAS，面向机器学习的股票价格预测，验证成交策略等吸引眼球的词汇。而且两者是有机结合在一起的，是通过股票案例，讲述Python技能。
本书对大家有什么帮助呢？
1 当然是帮大家入门Python，其实大家在看完本书后，何止能入门？更能掌握爬虫、数据分析和数据可视化等项目里常用的技能点。掌握后，大家能立马在公司里上手干活。
2 大家在掌握股票知识后，至少能更理性地观察股市，虽然本书没有讲股票量化的知识，但大家看完本书后一定能感受到“入市须谨慎”这句话的分量，至少不会拍脑袋买卖股票了。所谓技多不压身，多了解股票相关的知识，总没坏处。
3 在本书的机器学习章节了，给出了预测股票的相关案例和叙述性文字，这个章节20多页，绝对能够得上课程设计甚至毕业设计的水准，这对在校的同学很有帮助，此外，本书的其它章节，比如Django等相关章节，论技术含量也绝对能抵得上一篇毕业设计或课程设计的论文。
这里仅仅是预告，后继还有更多的内容分享和各种活动，敬请期待。
