我學Python都看了哪些書
前言
2017年11月29日，自己曾在公眾號內寫過一篇《聊聊我的R語言學習路徑和感受》的文章，受到了很多朋友的關注和讚揚，同時，也有其他公眾號在幫忙轉載。當然，也有很多朋友也給我留言，能不能聊聊關於Python的學習建議，時隔一個多月，今天抽空再來談談自己學習Python的路程吧。
準確的說自己是從2014年的9月份開始接觸Python的，那會由於工作需要，硬著頭皮開始學習Python，不怕各位笑話，我的第一本Python啟蒙書籍
說這段經歷的目的是想說明，你必須得明確自己學習Python的目的是什麼，因為對於一個初學者來說，經常向度娘或周邊的朋友詢問：“學習Python，有什麼書可以推薦嗎？”如果不搞清楚自己學習的目的，那這個問題其實是白問的。因為Python能做的事實在是太多了，對於這個問題，你會得到五花八門的答案，此時你也會疑惑，這麼多可供選擇的初級書，我該選擇哪一本呢？所以，首先問自己
如果你對資料分析或挖掘感興趣，那這篇文章也許對你會有一點幫助，接下來就跟大家分享一下自己學習Python的一點點經驗，內容會涵蓋Python基礎儲備、Python資料分析、Python資料視覺化和Python資料探勘幾個部分。
Python基礎儲備
不管你學習什麼新東西，都必須牢記一條，基礎必須夯實牢
《Python簡明教程》：這是一本只有100頁左右的小冊子，你可以迅速的瀏覽並敲一遍程式碼，或多或少都會提升你的Python基礎能力；
《笨方法學Python》：這本書同樣非常的短小精悍，全書是以習題的形式讓讀者掌握有關Python的基礎知識，裡面的程式碼建議讀者能夠敲一遍；
《Python基礎教程》：這本書的內容非常的詳實，幾乎覆蓋了Python的所有基礎知識點，當然有些章節你也並不需要都去看，讀者可以根據自己的情況，有針對性的挑著看；
關於Python基礎儲備方面的書籍我就推薦這三本，書不在多，只要你用心看完一本書就是對自己的挑戰，希望讀者能夠記住：基礎決定你能走多遠這句話。
Python資料分析
當你掌握了有關Python的基礎知識後，你就可以嘗試著去學習Python在資料分析和挖掘中的應用了。眾所周知，隨著大資料時代的到來，資料分析顯得尤其重要和火熱，那麼相應的關於Python做資料分析的第三方模組也越來越多，例如numpy用於數值計算、隨機數生成等功能、pandas用於資料的清洗和整理等功能、statsmodels和scipy用於統計建模和各種假設檢驗等功能、matplotlib用於資料資料視覺化、sklearn用於常見的資料探勘演算法的落地等。目前市面上也有很多關於Python資料分析的書本，例如：
《利用Python進行資料分析》：太經典了，作者就是建立pandas模組的大牛，書中詳細講解了有關numpy、pandas、matplotlib等模組的常用函式技巧，同時也結合了一些案例加以說明，書末也簡單介紹了Python在時間序列問題上的處理和金融與經濟方面的應用；
《Python金融大資料分析》：如果你對金融比較感興趣的話，這本書是一個不錯的選擇。不僅講了有關金融方面的理論知識和應用案例，也同樣講解了很多基礎知識，如常見的資料結構、資料視覺化操作、資料操作、數學基礎、統計學基礎等；
《Python資料分析與挖掘實戰》：這是一本很棒的實戰書籍，結合Python這個工具講解了有關資料分析過程中的資料探索和資料預處理，同時，也介紹了很多資料分析和挖掘的案例，一步步帶著讀者完成每一個實戰專案的操作。例如，竊電行為識別、家電使用者行為分析、電商使用者行為分析等；
有關更多的類似numpy、pandas資料處理模組的講解，讀者可以自行查閱官網的文件說明。
Python資料視覺化
資料視覺化的目的就是讓讀資料的人留下直觀而深刻的記憶，這也是資料分析過程中必備的技能，一方面方便自己和讀者發現數據的規律和關係，另一方面也是資料的一種展現方式。關於專門講Python視覺化的書,在市面上並不多，這裡就跟大家分享一本我認為非常棒的書吧：
《Python資料視覺化程式設計實戰》：本書涵蓋了基本的統計圖形，如條形圖、餅圖、直方圖、箱線圖、面積圖、散點圖等，還講解了有關作圖的細節，如座標軸、刻度值、圖例的處理等，除此，還單獨將3D圖作為一個章節進行講解。如果你想了解關於地圖的繪製，書中也有案例，只不過沒有提到中國地圖的繪製。
更多有關matplotlib模組的內容學習，讀者可以檢視官網的文件說明。關於資料視覺化的實現，除了matplotlib這個模組，還有seaborn模組、bokeh模組、plotly模組等，同樣你可以通過搜尋關鍵詞，到其對應的官網檢視更多的幫助文件。
Python資料探勘
資料探勘部分相對而言要難一些，光實現資料探勘的操作還不夠，還需要一定的數學功底，正如吳恩達所說，數學只是機器學習的基礎。對於一般常用的預測模型、分類模型和聚類模型都可以通過Python的sklearn模組實現，所以實操不難。重要的是理論知識的掌握，這裡介紹幾本理論方面的書：
《資料探勘導論》：非常適合資料探勘入門，內容詳實，講解的條理也很清晰；
《資料探勘概念與技術》：同樣是一本不可多得的好書，首先介紹挖掘方法的概念和理論知識，然後通過某些資料集來完成手工計算的過程，對於讀者來說，具有代入感，學習起來也會比較有勁；
《統計學習方法》：是一本完全偏理論的書籍，包含了很多演算法的推理過程，如knn演算法、貝葉斯演算法、決策樹演算法、支援向量機演算法等，這些推理對讀者的數學知識要求比較高；
書雖好，但都需要一定的數學基礎才能看上面的內容，關於數學基礎大學裡學的高等數學、線性代數、概率論、統計學等基本上就夠用了。如果覺得自己不夠紮實，趕快去充充電哦。
再來推薦兩本使用Python進行資料探勘實戰方面的書籍：
《Python資料探勘入門與實踐》：該書的譯者盡然是英語專業學生，是不是驚呆了！全書通篇都是講解有關資料探勘的實戰案例，如使用決策樹預測獲勝球隊、使用神經網路破解驗證碼、使用k均值完成新聞語料的分類等等，基本是都是基於sklearn這個模組來實現的；
《機器學習實戰》：這本書對讀者的程式設計技能要求比較高，幾乎所有的挖掘演算法都是一個重複造輪子的過程（可能不太適合調包俠），我覺得該書的最大優點就是加強對演算法的理解，一遍講解演算法，一遍通過基本的程式設計將演算法進行重現；
結語
OK，關於個人學習Python的書籍推薦就分享到這裡，如果你需要上面的提及的書籍，我已經將電子版的整理好了，你只需關注“每天進步一點點2015”或“lsxxx2011”並回覆“Python書籍”就可獲得下載連結。
最後，我得通知大家，“每天進步一點點2015”這個名稱我將改成“資料分析1480”。主要出於兩個原因，一方面字太長，網友搜尋起來比較不方便；另一方面1480這個數字涵蓋了“每天進步一點點”的含義，因為它是1.01的365次方與0.99的365次方的比值。