本文转载自公众号“读芯术”(ID：AI_Discovery)。
Python一向是数据科学家最青睐的编程语言，它的语法相对简单、易于学习。除了机器学习数据库之外，还有非常活跃的开发人员社区，维护着各种库，用于数据分析、操作和编排。
网上低价和免费的Python课程有不少，但是从书里学习也别有一番风味。如果想从书中学习或者以书为辅，这5本书不要错过。
1. 《人人学Python》(Python forEverybody)
Charles R. Severance著
该书是Coursera上《人人都可以学习的Python专项课程》的配套教材，采用信息学而不是基于计算机科学的方法来学习Python，内容侧重于如何使用Python进行数据分析。该书涵盖了Python的所有基础知识，也有专门针对数据的部分，比如使用Python与数据库交互、数据可视化和数据建模。
图源：unsplash
2. 《Python数据科学手册》(Python Data Science Handbook)
Jake VanderPlas著
该书详尽介绍了核心Python库，这些库构成了数据科学家的工具包，书中还包括Numpy、Pandas、Matplotlib和Scikit-learn的详细使用指南和代码示例。还有一章是关于IPython的内容，它是最受数据科学家欢迎的Python开发环境，书中也对其如此受欢迎的原因进行了说明。
3. 《Python编程快速上手，让繁琐工作自动化》(Automate the Boring Stuff with Python)
Al Sweigart著
这本书也不是专门针对数据科学的书，但学会Python的简单实例能给你不少成就感，从这种角度来讲，这本书绝对值得一读。
该书的重点是简单重复性任务自动化，并且不需要任何编程知识，对于新手小白来说非常友好。笔者认为，当心中有一个实际的实施方案时，学习效果最好。这本书就给出了一些非常简单的任务，初学者可以在Python中快速执行。
图源：unsplash
4. 《Python漫游指南》(TheHitchhiker’s Guide to Python)
Kenneth Reitz&Tanya Schlusser著
这本书适用于所有Python开发人员，无论是初学者还是老程序员。虽然并不是专门针对数据科学，但它能帮你打下出色的语言基础，其中还涉及最佳实践和框架。
该书面面俱到，包括安装、开发环境、推荐代码结构、面向对象编程以及关于代码风格的出色章节。该书的突出之处是对构建包含Python代码目录的最佳实践进行了描述。
这本书的风格自成一派，有些人可能不习惯，但笔者认为从某些方面来说是件好事儿。编程中，初学者要在各种不同处理方式中游刃有余，而许多人常常不知道该选择哪种方法。
5. 《Python机器学习基础教程》(Introductionto Machine Learning with Python)
Andreas C. Muller& Sarah Guido著
从Python介绍的角度来讲，这本书是我心里绝对的TOP 1。它主要关注Scikit-learn库的应用，也涵盖了Python编程用于机器学习的核心概念，适用于任何其他库。
文中非常清晰地解释了机器学习工作流程，介绍了最佳实践以及大量的示例代码。同时还介绍了每一个新概念，循序渐进，这些新概念都建立在之前所述的概念之上，内容也就变得越来越深入。如果你对机器学习完全陌生，这一教程是绝佳选择。
图源：unsplash
如今，我们几乎能在网上找到所有的学习资源，只要你想，就能随时开始学习。
