關於Python的一切：2018年，你讀這8本書就夠了

大資料v發表於2018-05-30

導讀：C++、Java大神Bruce Eckel前些天在中國之行中，毫不掩飾對Python的偏愛：“坦白來講，我最喜歡的語言是Python。每當我有問題需要被解決的時候我發現Python是最快可以給我結果的一個語言，所以我很喜歡，很享受Python。”

有資料顯示，2017年在僱主釋出的職位說明中，Python技能需求增速達到174%，居於首位。

進入2018年之後，Python幾乎成為程式語言界的“網紅”，無論是使用人數還是受歡迎程度，都在各項榜單中飆升。5月，Python在PYPL指數榜中的超越Java，首次奪冠。

如果把PYPL的時間軸拉長，Python在近十幾年的時間裡，幾乎一直都是“牛市”。

Python由於語法簡潔，功能強大，且在人工智慧、大資料方面展現出效率優勢，越來越受到歡迎。Bruce Eckel指出：

Python把其他語言做了一個封裝，呼叫其他語言做的包。很多的資料科學家其實是不希望學習過於複雜的程式語言的。把他們關於資料方面處理的智慧封裝起來，通過Python來呼叫，這樣會方便很多。這也是為什麼Python這幾年這麼流行的原因。

人生苦短，我用Python。

人生苦短，你該好好學學Python了。

下面這些2018爆品圖書，安利給你！而且文末還會告訴你小編剛剛發現的買書省錢祕笈！

《Python資料分析與挖掘實戰》

作者：張良均，王路，譚立雲，蘇劍林等

推薦語：10餘位資深大資料專家結合10餘年資料探勘與實施經驗，通過10餘個真實的案例為10餘個行業的資料探勘給出瞭解決方案，並提供相關的建模檔案和原始碼。

內容簡介：從資料探勘的應用出發，以電力、航空、醫療、網際網路、生產製造以及公共服務等行業真實案例為主線，深入淺出介紹Python資料探勘建模過程，實踐性極強。為了滿足目前的大資料分析人才需求，本書以大家熟知的資料探勘建模工具Python語言來展開，以解決某個應用的挖掘目標為前提，先介紹案例背景提出挖掘目標，再闡述分析方法與過程，最後完成模型構建，在介紹建模過程中穿插操作訓練，把相關的知識點嵌入相應的操作過程中，使讀者輕鬆理解並掌握相關的理論和知識點。

關於作者：張良均，資深大資料探勘專家和模式識別專家，高階資訊專案管理師，有10多年的大資料探勘應用、諮詢和培訓經驗。

《Python文字分析》

作者：迪潘簡·撒卡爾

推薦語：Intel首席科學家撰寫，全面系統闡釋Python文字分析的相關基礎知識、實用技術及實踐。

內容簡介：本書遵循結構化和綜合性的方法，介紹了文字和語言語法、結構和語義的基礎概念和高階概念。從自然語言和Python的基礎開始，進而學習先進的分析理念和機器學習概念。全面提供了自然語言處理（NLP）和文字分析的主要概念和技術。包含了豐富的真實案例實現技術，例如構建分類新聞文章的文字分類系統,使用主題建模和文字摘要分析app或遊戲評論,進行熱門電影概要的聚類分析和電影評論的情感分析。介紹了基於Python和流行NLP開源庫和文字分析實用工具，如自然語言工具包（nltk）、gensim、scikit-learn、spaCy和Pattern。

關於作者：本書作者Sarkar是Intel公司的資料科學家，研究領域涉及資料科學與軟體工程，有著豐富的文字分析研究和工程方面的經驗，出版過多本R語言和機器學習方面的書籍。

《Effective Python：編寫高質量Python程式碼的59個有效方法》

作者：佈雷特·斯拉特金

推薦語：Google高階軟體工程師Brett Slatkin融合自己多年Python開發實戰經驗，深入探討編寫高質量Python程式碼的技巧、禁忌以及豐富實踐經驗。

內容簡介：本書作者BrettSlatkin以使用場景為主導的精練教學方式，匯聚了59條優秀的實踐原則、開發技巧和便捷方案，並以實用的程式碼範例來解釋它們。作者根據自己在Google公司多年開發Python基礎架構所積累的經驗，揭示了Python語言中一些鮮為人知的微妙特性，並給出了能夠改善程式碼功能及執行效率的習慣用法。通過本書，你能夠了解到解決關鍵程式設計任務所用的佳方式，並學會編寫易於理解、便於維護且利於改進的程式碼。

關於作者：佈雷特·斯拉特金（Brett Slatkin），Google公司高階軟體工程師。他是Google消費者調查專案的工程主管及聯合創始人，曾從事Google App Engine的Python基礎架構工作，並利用Python來管理眾多的Google伺服器。

《機器學習系統設計：Python語言實現》

作者：戴維·朱利安

推薦語：對於機器學習系統的老手而言，其更多的參考價值在於如何使用Python來實現那些概念。

內容簡介：機器學習模型不能給出準確結果的原因有很多。從設計的角度來審視這些系統，我們能夠深入理解其底層演算法和可用的優化方法。本書為我們提供了機器學習設計過程的堅實基礎，能夠使我們為特定問題建立起定製的機器學習模型。我們可能已經瞭解或使用過一些為解決常見問題的商用機器學習模型，例如垃圾郵件檢測或電影分級，但是要著手於解決更為複雜的問題，則其重點是讓這些模型適用於我們自己特定的需求。

《Python機器學習實踐：測試驅動的開發方法》

作者：馬修·柯克

推薦語：本書一開始就立足於軟體編寫、演算法測試的實踐指導，為讀者理解示例程式碼、動手編寫自己的程式做必要的鋪墊。

內容簡介：作者簡明扼要地介紹機器學習演算法的定義，以及讀者必須知道的演算法類別、這些演算法又各自有何神通，並輕輕點出：每個演算法也有它的死穴。第三章到第九章，作者深入詳實地講解了幾種有代表性的機器學習演算法：K-最近鄰，樸素貝葉斯分類，決策樹和隨機森林，隱馬爾可夫模型，支援向量機，神經網路，以及聚類。在這些章節中，不但講解了演算法核心部分的數學表達，也用機智、形象的語言描述了演算法如何在實際生活中解決問題，並給出了關鍵的Python程式碼示例和演算法訓練、測試過程。

關於作者：馬修·柯克（Matthew Kirk）是一名軟體諮詢師、作者和國際演講者，擅長機器學習和資料科學，使用Ruby和Python程式設計。

《機器人系統設計與製作：Python語言實現》

作者：郎坦·約瑟夫

推薦語：你將會從設計機器人到設計人機介面等多個方面來了解如何使用Python。

關於作者：郎坦·約瑟夫，電子工程師、機器人發燒友、機器視覺專家、嵌入式程式設計師，還是印度0botiCS實驗室創始人兼CEO。他在大學時曾負責一個專案並製作了一個可以與人交流的社交機器人，由此開始對機器人、影象處理和Python產生興趣。

《利用Python進行資料分析》

作者：Wes McKinney

推薦語：大量實踐案例教會你如何利用Python庫高效解決各式各樣的資料分析問題。

內容簡介：《利用Python進行資料分析》講的是利用Python進行資料控制、處理、整理、分析等方面的具體細節和基本要點。同時，它也是利用Python進行科學計算的實用指南（專門針對資料密集型應用），重點介紹了用於高效解決各種資料分析問題的Python語言和庫。

關於作者：Wes McKinney是資深資料分析專家，對各種Python庫（包括NumPy、pandas、matplotlib以及IPython等）等都有深入研究，並在大量的實踐中積累了豐富的經驗。

《O'Reilly：Python學習手冊（第4版）》

作者：魯特茲

推薦語：書中配有大量註釋的示例以及圖表，它們都將幫助你輕鬆地學習Python3.0。

內容簡介：《Python學習手冊（第4版）》學習Python的主要內建物件型別：數字、列表和字典。使用Python語句建立和處理物件，並且學習Python的通用語法模型。使用函式構造和重用程式碼，函式是Python的基本過程工具。學習Python模組：封裝語句、函式以及其他工具，以便構建較大的元件。學習Python的物件導向程式設計工具，用於組織程式程式碼。學習異常處理模型，以及用於編寫較大程式的開發工具。瞭解高階Python工具，如裝飾器、描述器、元類和Unicode處理等。

關於作者：魯特茲（Mark Lutz），的Python培訓講師。他是暢銷Python書籍的作者，從1992年起，他就是Python社群的先鋒。他也是《Programming Python》、《Python Pocket Reference》和《Learning Python》等書的作者。

另外小編髮現了一個小祕密

最後要跟大家說一下

這裡有一個買書滿100減50的連結

（有效期至6月1日）

而且不僅限於小編上面推薦這些書

還包括大資料、機器學習、區塊鏈、程式語言等

多個分類的各種經典及爆款好書

你可以掃碼或戳閱讀原文過去逛逛

有好的收穫別忘了回來寫留言

關於Python的一切：2018年，你讀這8本書就夠了

相關文章