主要用于Python教学。
结构如下：
- T-1_Errors.ipynb：本教程常见报错；
- T0_begin.ipynb： Python的安装、开发环境等，以及Git（Hub）入门；
- T1_basic.ipynb： Python入门：数据类型和控制语句；
- T2_func_and_module.ipynb： 函数和模块；
- T3_class.ipynb： 面向对象编程；
- T4_string_and_file.ipynb： 字符串和文件；
- T5_regex.ipynb： 正则表达式；
- T6_sql.ipynb： Python与数据库交互、sqlite简介；
- T7_html_bs.ipynb： HTML语言简介、BeautifulSoup解析HTML；
- T8_flask_request_selenium.ipynb： 爬虫；
- T9_numpy_scipy_matplotlib.ipynb：科学计算： Numpy+SciPy+Pandas+Matplotlib；
- T10_pandas.ipynb：数据管理：Pandas；
- T11_random.ipynb：随机数生成（待补充）；
- T12_optimize.ipynb：最优化方法（待补充）；
- T13_estimation.ipynb：矩估计与极大似然估计（待补充）；
- T14_hypo_test.ipynb：常用的假设检验（待补充）；
- T15_bayesian.ipynb：贝叶斯统计（待补充）；
- T16_MCMC.ipynb：马尔可夫链蒙特卡洛（待补充）；
- T17_linear_and_quantile_regression.ipynb：线性回归（待补充）；
- T18_probit_logit_count.ipynb：离散选择模型及计数模型（待补充）；
- T19_duration_survival.ipynb：生存分析（待补充）；
- T20_stationary_time_series.ipynb：平稳时间序列（待补充）；
- T21_arch_garch.ipynb：条件异方差模型（待补充）；
- T22_nonstationary.ipynb：非平稳时间序列（待补充）；
- T23_factor_pricing.ipynb：因子定价模型（待补充）；
- T24_factor.ipynb：因子模型（待补充）；
- T25_nonparametric.ipynb：非参数统计模型（待补充）；
- T26_scikit_learn.ipynb：机器学习简介：scikit-learn；
- T27_clustering.ipynb：聚类分析；
- T28_regression_lasso.ipynb：回归与正则化；
- T29_logistic_regression.ipynb： Logistic回归；
- T30_tree_and_forest.ipynb： 决策树与随机森林；
- T31_torch.ipynb：神经网络：PyTorch（待补充）；
- T32_text_analytics.ipynb： 文本分析入门；
- T33_reinforcement.ipynb： 增强学习（待补充）；
这里列举了一些数据源，练习时可以使用。