python數據攻略

⑴ python非同步編程全攻略

如果你厭倦了多線程，不妨試試python的非同步編程，再引入async, await關鍵字之後語法變得更加簡潔和直觀，又經過幾年的生態發展，現在是一個很不錯的並發模型。

下面介紹一下python非同步編程的方方面面。

因為GIL的存在，所以Python的多線程在CPU密集的任務下顯得無力，但是對於IO密集的任務，多線程還是足以發揮多線程的優勢的，而非同步也是為了應對IO密集的任務，所以兩者是一個可以相互替代的方案，因為設計的不同，理論上非同步要比多線程快，因為非同步的花銷更少, 因為不需要額外系統申請額外的內存，而線程的創建跟系統有關，需要分配一定量的內存，一般是幾兆，比如linux默認是8MB。

雖然非同步很好，比如可以使用更少的內存，比如更好地控制並發(也許你並不這么認為:))。但是由於async/await 語法的存在導致與之前的語法有些割裂，所以需要適配，需要付出額外的努力，再者就是生態遠遠沒有同步編程強大，比如很多庫還不支持非同步，所以你需要一些額外的適配。

為了不給其他網站帶來困擾，這里首先在自己電腦啟動web服務用於測試，代碼很簡單。

本文所有依賴如下:

所有依賴可通過代碼倉庫的requirements.txt一次性安裝。

首先看一個錯誤的例子

輸出如下:

發現花費了3秒，不符合預期呀。。。。這是因為雖然用了協程，但是每個協程是串列的運行，也就是說後一個等前一個完成之後才開始，那麼這樣的非同步代碼並沒有並發，所以我們需要讓這些協程並行起來

為了讓代碼變動的不是太多，所以這里用了一個笨辦法來等待所有任務完成, 之所以在main函數中等待是為了不讓ClientSession關閉, 如果你移除了main函數中的等待代碼會發現報告異常 RuntimeError: Session is closed ,而代碼里的解決方案非常的不優雅，需要手動的等待，為了解決這個問題，我們再次改進代碼。

這里解決的方式是通過 asyncio.wait 方法等待一個協程列表，默認是等待所有協程結束後返回，會返回一個完成(done)列表，以及一個待辦(pending)列表。

如果我們不想要協程對象而是結果，那麼我們可以使用 asyncio.gather

結果輸出如下:

通過 asyncio.ensure_future 我們就能創建一個協程，跟調用一個函數差別不大，為了等待所有任務完成之後退出，我們需要使用 asyncio.wait 等方法來等待，如果只想要協程輸出的結果，我們可以使用 asyncio.gather 來獲取結果。

雖然前面能夠隨心所欲的創建協程，但是就像多線程一樣，我們也需要處理協程之間的同步問題，為了保持語法及使用情況的一致，多線程中用到的同步功能，asyncio中基本也能找到, 並且用法基本一致，不一致的地方主要是需要用非同步的關鍵字，比如 async with/ await 等

通過鎖讓並發慢下來，讓協程一個一個的運行。

輸出如下:

通過觀察很容易發現，並發的速度因為鎖而慢下來了，因為每次只有一個協程能獲得鎖，所以並發變成了串列。

通過事件來通知特定的協程開始工作，假設有一個任務是根據http響應結果選擇是否激活。

輸出如下:

可以看到事件(Event)等待者都是在得到響應內容之後輸出，並且事件(Event)可以是多個協程同時等待。

上面的事件雖然很棒，能夠在不同的協程之間同步狀態，並且也能夠一次性同步所有的等待協程，但是還不夠精細化，比如想通知指定數量的等待協程，這個時候Event就無能為力了，所以同步原語中出現了Condition。

輸出如下:

可以看到，前面兩個等待的協程是在同一時刻完成，而不是全部等待完成。

通過創建協程的數量來控制並發並不是非常優雅的方式，所以可以通過信號量的方式來控制並發。

輸出如下:

可以發現，雖然同時創建了三個協程，但是同一時刻只有兩個協程工作，而另外一個協程需要等待一個協程讓出信號量才能運行。

無論是協程還是線程，任務之間的狀態同步還是很重要的，所以有了應對各種同步機制的同步原語，因為要保證一個資源同一個時刻只能一個任務訪問，所以引入了鎖，又因為需要一個任務等待另一個任務，或者多個任務等待某個任務，因此引入了事件(Event)，但是為了更精細的控制通知的程度，所以又引入了條件(Condition), 通過條件可以控制一次通知多少的任務。

有時候的並發需求是通過一個變數控制並發任務的並發數而不是通過創建協程的數量來控制並發，所以引入了信號量(Semaphore)，這樣就可以在創建的協程數遠遠大於並發數的情況下讓協程在指定的並發量情況下並發。

不得不承認非同步編程相比起同步編程的生態要小的很多，所以不可能完全非同步編程，因此需要一種方式兼容。

多線程是為了兼容同步得代碼。

多進程是為了利用CPU多核的能力。

輸出如下:

可以看到總耗時1秒，說明所有的線程跟進程是同時運行的。

下面是本人使用過的一些非同步庫，僅供參考

web框架

http客戶端

資料庫

ORM

雖然非同步庫發展得還算不錯，但是中肯的說並沒有覆蓋方方面面。

雖然我鼓勵大家嘗試非同步編程，但是本文的最後卻是讓大家謹慎的選擇開發環境，如果你覺得本文的並發，同步，兼容多線程，多進程不值得一提，那麼我十分推薦你嘗試以非同步編程的方式開始一個新的項目，如果你對其中一些還有疑問或者你確定了要使用的依賴庫並且大多數是沒有非同步庫替代的，那麼我還是建議你直接按照自己擅長的同步編程開始。

非同步編程雖然很不錯，不過，也許你並不需要。

⑵ 《NumPy攻略Python科學計算與數據分析》epub下載在線閱讀，求百度網盤雲資源

《NumPy攻略》（[印尼] Ivan Idris）電子書網盤下載免費在線閱讀

資源鏈接：

鏈接: https://pan..com/s/1_D6q3qoI-EcVtv13VaZxfw

提取碼: 6963

書名：NumPy攻略

作者：[印尼] Ivan Idris

譯者：張崇明

豆瓣評分：5.1

出版社：人民郵電出版社

出版年份：2013-10

頁數：188

內容簡介：

本書帶領讀者了解熟悉當下最流行的科學計算庫NumPy的方方面面。書中不僅介紹了NumPy的安裝、使用和各種相關概念，還介紹了如何利用這一最新的開源軟體庫，以盡可能接近傳統數學語言的方式，編寫可讀性好、實現效率高和運行速度快的代碼。最後還探究了幾個和NumPy相關的科學計算項目。此外，本書將為你掌握NumPy數組和通用函數打下堅實的基礎，也會通過實例教你用Matplotlib繪圖，並了解和SciPy相關的項目。

本書將幫助你：

• 學習高級索引技術和線性代數知識

• 了解數組形狀及圖像大小的調整

• 探察廣播機制和直方圖

• 分析NumPy代碼並用可視化的方式表示分析結果

• 用Cython為代碼提速

• 使用數組介面共享數據

• 使用通用函數和互操作功能

• 學習Matplotlib以及經常和NumPy同時使用的SciPy

作者簡介：

作者簡介：

Ivan Idris

實驗物理學碩士。先後任職於多家公司，從事Java開發、數據倉庫開發和QA分析等工作。主要的興趣是商業智能、大數據和雲計算，喜歡編寫整潔、可測試的代碼，以及撰寫有趣的技術文章。另著有NumPy Beginner's Guide和Instant Pygame for Python Game Development How-to等書。可以訪問ivanidris.net獲取更多信息。

譯者簡介：

張崇明

本科及研究生畢業於天津大學精密儀器與光電子工程學院，博士畢業於復旦大學計算機科學技術學院。在中興通訊南京研發中心做過三年通信軟體的開發。目前在上海師范大學信息與機電工程學院從事教學和科研工作。

⑶ 《NumPy攻略Python科學計算與數據分析》epub下載在線閱讀全文，求百度網盤雲資源

《NumPy攻略Python科學計算與數據分析》（[印尼]IvanIdris）電子書網盤下載免費在線閱讀

鏈接：https://pan..com/s/1daHTUwiyonFdIR_d2GFfyg

提取碼：IOZN

書名:NumPy攻略Python科學計算與數據分析

豆瓣評分:5.1

作者:[印尼]IvanIdris

出版社:人民郵電出版社

副標題:Python科學計算與數據分析

原作名:NumPy Cookbook

譯者:張崇明

出版年:2013-10

頁數:188

內容簡介：

本書帶領讀者了解熟悉當下最流行的科學計算庫NumPy的方方面面。書中不僅介紹了NumPy的安裝、使用和各種相關概念，還介紹了如何利用這一最新的開源軟體庫，以盡可能接近傳統數學語言的方式，編寫可讀性好、實現效率高和運行速度快的代碼。最後還探究了幾個和NumPy相關的科學計算項目。此外，本書將為你掌握NumPy數組和通用函數打下堅實的基礎，也會通過實例教你用Matplotlib繪圖，並了解和SciPy相關的項目。

本書將幫助你：

• 學習高級索引技術和線性代數知識

• 了解數組形狀及圖像大小的調整

• 探察廣播機制和直方圖

• 分析NumPy代碼並用可視化的方式表示分析結果

• 用Cython為代碼提速

• 使用數組介面共享數據

• 使用通用函數和互操作功能

• 學習Matplotlib以及經常和NumPy同時使用的SciPy

作者簡介：

Ivan Idris

實驗物理學碩士。先後任職於多家公司，從事Java開發、數據倉庫開發和QA分析等工作。主要的興趣是商業智能、大數據和雲計算，喜歡編寫整潔、可測試的代碼，以及撰寫有趣的技術文章。另著有NumPy Beginner's Guide和Instant Pygame for Python Game Development How-to等書。可以訪問ivanidris.net獲取更多信息。

譯者簡介：

張崇明

本科及研究生畢業於天津大學精密儀器與光電子工程學院，博士畢業於復旦大學計算機科學技術學院。在中興通訊南京研發中心做過三年通信軟體的開發。目前在上海師范大學信息與機電工程學院從事教學和科研工作。

⑷ 入門Python數據分析，請問看什麼書籍

如果你已經決定學習Python數據分析，但是之前沒有編程經驗，那麼，這6本書將會是你的正確選擇。

《Python科學計算》

從發行版的安裝開始，這本書將科學計算及可視化的常見函數庫，如numpy、scipy、sympy、matplotlib、traits、tvtk、mayavi、opencv等等，都進行了較為詳細地介紹。由於涉及面太廣，可能對於單個函數庫來說還不夠深入，但是這本書能夠讓人快速上手，全面了解科學計算所用到的常用函數庫。進而在此基礎上選擇自己需要的函數庫進行深入學習，相對來說要容易得多。

《NumPyBeginner's Guide 2nd》/《Python數據分析基礎教程：NumPy學習指南（第2版）》

面向新手的一本Numpy入門指南。整本書可謂是短小精幹，條理清晰，將Numpy的基礎內容講得清清楚楚明明白白。此書的作者還寫過一本《NumPyCookbook》/《NumPy攻略：Python科學計算與數據分析》，但這本書相比於前者，就顯得結構有些雜亂，內容上也有些不上不下，如果要看的話，建議看完第一本再來看這本。在這里還想順便吐槽一下這兩本書的中文書名翻譯。為了能夠多賣幾本，出版社也是蠻拼的，想方設法都要跟數據分析幾個字掛上鉤，就好像現在某些書總要扯上雲和大數據一樣。此外，還有一本《LearningSciPy for Numerical and Scientific Computing》的書，可以作為SciPy的入門教程來學習（似乎還沒出中文版）。

《Pythonfor Data Analysis》/《利用Python進行數據分析》

這本書也是從numpy講起，側重於數據分析的各個流程，包括數據的存取、規整、可視化等等。此外，本書還涉及了pandas這個庫，有興趣的可以看看。

《MachineLearning in Action》/《機器學習實戰》

Python機器學習的白盒入門教程，著重於講解機器學習的各類常用演算法，以及如何用Python來實現它們。這是一本教你如何造輪子的書，但是造出來的輪子似乎也不怎麼好用就是了。不過，對於立志要造汽車的人們來說，了解一下輪子的結構和原理，還是十分必要的。此外，打算閱讀此書之前，如果各位的高數線代概率論都忘得差不多了的話，還是先補一補比較好。

《BuildingMachine Learning Systems with Python》/《機器學習系統設計》

Python機器學習的黑盒入門教程。如果說上一本書是教你如何組裝輪子的話，這本書就是直接告訴你怎麼把輪子轉起來以及如何才能轉得更好。至於輪子為什麼能轉起來，請參閱上一本書。另外，可以配合《Learning scikit-learn:Machine Learning in Python》這本書來閱讀（暫無中文版）。這本書是針對Python的機器學習庫scikit-learn進行專門講解的一本書，100頁左右，可以作為官方文檔的拓展讀物。

《Pythonfor Finance》

教你用Python處理金融數據的一本書，應該是中國人寫的，Packt出版，不過似乎現在還沒有中文版。比起前面幾本書，這本書專業性要強一些，側重於金融數據分析。這本書我還沒怎麼看，也寫不出什麼更詳細的介紹。之所以把它列出來，是因為在查資料的時候發現，O'Reilly年底似乎也准備出一本《Python for Finance》。看來Python真的是越來越火了。

⑸ 使用 Python 地圖繪制工具 -- folium 全攻略

1. 准備工作

有朋友可能沒用過 folium ，它其實就是 python 的一個 專業繪制地圖 的第三方庫，所以在使用之前需要先安裝它。

在安裝完成之後，我們可以在 jupyterlab 進行演示如下：

對於上面的輸出，其實是一個 可交互 的地圖，支持放大縮寫拖拽等等。

如果你想將輸出存在本地，可以這樣來：

可以看到本地就存了這個一個文件，瀏覽器打開就可以進行互動式操作了。

以上就是一個平平淡淡的過程......

2. 關於folium.Map()

在上一部分我們可以看到這個 map 玩意直接就是一個地圖啦，這里我們就介紹一下它常用的幾個參數。

參數可真多啊！！

以上是常用的一些參數，而最常用的莫過於 location 、 zoom_start 和 tiles 等。

內建地圖樣式 還有一下幾種：

我們簡單試下 location 和 zoo_start 參數：

可以看到 清華大學校區

以上對 Map 的參數進行了簡單的介紹，接下來，我們就來看看地圖底圖樣式的選取情況吧~

3. 內建地圖底圖樣式

我們看到 folium 其實有好幾種內建地圖底圖樣式，其中部分需要去申請 key ，由於我這邊沒有申請成功就不做演示了。

地勢地形底圖

黑白無標記底圖

水墨畫底圖

以上就是內建地圖底圖樣式的一些展示，部分需要key的大家可以去這個網站申請：

另外，在這里也可以找到一些地圖底圖

我後續也會去研究這些地圖底圖樣式，試著分享更多有趣的地圖分享給大家。

當然了，國內咱們用的較多的地圖是高德、網路和騰訊地圖等，接下來我們就來玩玩！

4. 多種第三方地圖底圖樣式

這里我將演示高德地圖、智圖GeoQ和騰訊地圖等

高德地圖的 中英文地圖、衛星影像圖、街道圖與常規圖

中英文地圖

純英文地圖

衛星影像圖

街道圖

常規圖

反正我覺得這個蠻好的，用起來簡單

多種風格地圖，即拿即用

彩色版

暖色版

灰色版

藍黑版

英文版

中國行政區劃邊界

水系專題

街道網圖

暖色街道網圖

需要注冊一個key

天地圖影像

天地圖影像注記

天地圖矢量

天地圖矢量注記

天地圖地形

天地圖地形注記

網路地圖我這邊測試失敗了，暫時沒有找到合適的替換方案。

5. 補充

其實，我們還可以找更多的 地圖底圖瓦片URL 來進行替換，多樣化我們的地圖繪制。

另外，大家在用經緯度坐標點進行地圖繪制的時候，比如標記點、繪制區域、熱力圖繪制等等， 需要考慮經緯度坐標是哪個地圖系下面的，然後再用對應地圖系的相關底圖進行繪制才准確！

⑹ 編程語言Python和Java哪個簡單呀

編程語言Python和Java相比較而言，Python更簡單一點。以下內容會詳細介紹兩款編程語言。

總之，Python 和Java 都是功能很強大的編程語言，建議新手先從Python 開始學。

⑺ python自學行嗎

在當前諸多的計算機編程語言當中，Python語言確實算是比較簡單易學的一種，即使沒有任何編程基礎的人，也完全可以通過自學來入門，但是要想能夠把Python語言用得好，還需要有場景的支撐。

Python語言與Java、PHP等編程語言不同，Python語言在傳統行業領域也有比較廣泛的應用，隨著諸多企業紛紛實現業務上雲，未來Python語言的應用場景會得到進一步拓展，所以當前普通職場人學習Python是不錯的選擇。

Python基礎

對於零基礎學員，如要要達到使用Python的需要，那都是需要從Python基礎知識進行系統學習的。《零基礎學Python》教材，為便於沒有變成基礎的同學學習，整理了下python基本知識點及對小白學員友好的學習順序。

要學好編程，理解+實踐都很重要，但最最重要的還是實踐，在實踐中理解知識更深刻。

⑻ 如何學習Python

1、Python 介紹

學習一門新的語言之前，首先簡單了解下這門語言的背景。Python 是一種面向對象的解釋型計算機程序設計語言，由荷蘭人 Guido van Rossum 於 1989 年發明，第一個公開發行版發行於 1991 年。Python 在設計上堅持了清晰劃一的風格，這使得 Python 成為一門易讀、易維護，並且被大量用戶所歡迎的、用途廣泛的語言。Python 具有豐富和強大的庫。它常被昵稱為膠水語言，能夠把用其他語言製作的各種模塊(尤其是 C/C++)很輕松地聯結在一起。

2、Python 技術浪潮

IT行業熱門技術，更新換代非常的快，技術的浪潮一波接著一波，最初的浪潮無疑是桌面時代，使用 C# 搭建桌面應用開始嶄露頭角，MFC 還是計算機科學專業必學會的東西。接著就是以網站搭建為應用的背景，PHP，Ruby 等語言為主的。再到近幾年非常火熱的以移動開發為應用背景，Java(Android 開發)或者 OC(iOS 開發)語言為主。很明顯如今的浪潮就是以大數據和機器學習為應用背景，Python 語言為主。站在風尖浪口，豬都可以飛的起來。抓住這波技術浪潮，對於從事 IT 行業的人員來說有莫大的幫助。

3、Python 學習

學習一項新的技術，起步時最重要的是什麼?就是快速入門。學習任何一個學科的知識時，都有一個非常重要的概念：最少必要知識。當需要獲得某項技能的時候，一定要想辦法在最短的時間里弄清楚都有哪些最少必要知識，然後迅速掌握它們。

對於快速入門 python 來說最少必要知識，有以下幾點。

(1) Python 基礎語法

找一本淺顯易懂，例子比較好的教程，從頭到尾看下去。不要看很多本，專注於一本。把裡面的常式都手打一遍，搞懂為什麼。推薦去看《簡明python教程》，非常好的一本 Python 入門書籍。

(2)Python 實際項目

等你對 Python 的語法有了初步的認識，就可以去找些 Python 實際項目來練習。對於任何計算機編程語言來說，以實際項目為出發點，來學習新的技術，是非常高效的學習方式。在練習的過程中你會遇到各種各樣的問題：基礎的語法問題(關鍵字不懂的拼寫)，代碼毫無邏輯，自己的思路無法用代碼表達出來等等。這時候針對出現的問題，找到對應解決辦法，比如，你可以重新查看書本上的知識(關於基礎語法問題)，可以通過谷歌搜索碰到的編譯錯誤(編輯器提示的錯誤)，學習模仿別人已有的代碼(寫不出代碼)等等。已實際項目來驅動學習，會讓你成長非常的快。Python 實際項目網上非常的多，大家可以自己去搜索下。合理利用網路資源，不要意味的只做伸手黨。

(3) Python 的學習規劃

當你把上面兩點做好以後，你就已經入門了 Python，接下來就是規劃好自己的以後的學習規劃。能找到一個已經會 Python 的人。問他一點學習規劃的建議，然後在遇到卡殼的地方找他指點。這樣會事半功倍。但是，要學會搜索，學會如何更好地提問，沒人會願意回答顯而易見的問題。當然如果你身邊沒有人會 Python，也可以在網上搜索相應的資料。

Python 可以做的事非常的多，比如：Python 可以做日常任務，比如自動備份你的MP3;可以做網站，很多著名的網站像知乎、YouTube 就是 Python 寫的;可以做網路游戲的後台，很多在線游戲的後台都是 Python 開發的。每個人都有自己感興趣的方向，有的對網站開發比較感興趣，有的對數據處理感興趣，有的對後台感興趣。所以你們可以根據自己感興趣的方向，網上搜索相關資料，加以深入的學習，規劃好自己未來的方向。只要堅持，你就能精通 Python，成為未來搶手的人才。

⑼ Python編程有哪些求職攻略

1、WEB開發

Python編程擁有很多免費數據函數庫、免費web網頁模板系統、以及與web伺服器進行交互的庫，可以實現web開發，搭建web框架，目前比較有名氣的Python web框架為Django。從事該領域應從數據、組件、安全等多領域進行學習，從底層了解其工作原理並可駕馭任何業內主流的Web框架。

2. 桌面軟體

Python編程在圖形界面開發上很強大，可以用tkinter/PyQT框架開發各種桌面軟體!

3. 網路編程

網路編程是Python編程學習的另一方向，網路編程在生活和開發中無處不在，哪裡有通訊就有網路，它可以稱為是一切開發的“基石”。對於所有編程開發人員必須要知其然並知其所以然，所以網路部分將從協議、封包、解包等底層進行深入剖析。

4. 爬蟲開發

在爬蟲領域，Python編程幾乎是霸主地位，將網路一切數據作為資源，通過自動化程序進行有針對性的數據採集以及處理。從事該領域應學習爬蟲策略、高性能非同步IO、分布式爬蟲等，並針對Scrapy框架源碼進行深入剖析，從而理解其原理並實現自定義爬蟲框架。

5. 雲計算開發

Python編程是從事雲計算工作需要掌握的一門編程語言，目前很火的雲計算框架OpenStack就是由Python開發的，如果想要深入學習並進行二次開發，就需要具備Python的技能。

6. 人工智慧

MASA和Google早期大量使用Python，為Python積累了豐富的科學運算庫，當AI時代來臨後，Python從眾多編程語言中脫穎而出，各種人工智慧演算法都基於Python編寫，尤其PyTorch之後，Python作為AI時代頭牌語言的位置基本確定。

7. 自動化運維

Python是一門綜合性的語言，能滿足絕大部分自動化運維需求，前端和後端都可以做，從事該領域，應從設計層面、框架選擇、靈活性、擴展性、故障處理、以及如何優化等層面進行學習。

8. 金融分析

金融分析包含金融知識和Python相關模塊的學習，學習內容囊括NumpyPandasScipy數據分析模塊等，以及常見金融分析策略如“雙均線”、“周規則交易”、“羊駝策略”、“Dual Thrust 交易策略”等。

9. 科學運算

Python是一門很適合做科學計算的編程語言，97年開始，NASA就大量使用Python進行各種復雜的科學運算，隨著NumPy、SciPy、Matplotlib、Enthought librarys等眾多程序庫的開發，使得Python越來越適合做科學計算、繪制高質量的2D和3D圖像。

更多關於Python編程的技巧，干貨，資訊等內容，小編會持續更新。

⑽ 有哪些 Python 經典書籍

【Python從入門到精通經典書籍推薦】

• Python入門
  目的：了解Python，學會用Python編程。
  Python入門書眾多，沒必要全部閱讀，根據介紹挑選合適自己的。PS：排名不分先後。
  

《Python編程入門：從入門到實踐》
【同時使用Python 2.X和3.X講解】

Amazon編程入門類榜首圖書，最值得關注的Python入門書

從基本概念到完整項目開發，幫助零基礎讀者迅速掌握Python編程，開發實際項目

這本書分兩部分：
第一部分介紹用Python編程所必須了解的基本概念，包括matplotlib、NumPy和Pygal等強大的Python庫和工具介紹，以及列表、字典、if語句、類、文件與異常、代碼測試等內容；
第二部分將理論付諸實踐，講解如何開發三個項目，包括簡單的Python 2D游戲開發，如何利用數據生成互動式的信息圖，以及創建和定製簡單的Web應用，並幫讀者解決常見編程問題和困惑。

《Python基礎教程（第2版·修訂版）》
【Python 2.5講解，Python 3上也能運行】

各大網店最暢銷的Python入門書

全書分為三部分。
第一部分講述Python語法，沒有廢話，還摻入了一些Python 3.0要注意的細節。
第二部分介紹了常用的GUI、框架等應用，點到即止，算是為第三部分做鋪墊了，從數目眾多的應用中可以了解到Python的強大。
第三部分是Project，全書最大的亮點，大家肯定喜歡。
作者將前面講述的內容應用到10個引人入勝的項目中，並以模板的形式介紹了項目的開發過程，手把手教授Python開發。

《Python語言及其應用》
【Python 3.X】

語言風格輕松詼諧，講解多種Python工具和第三方庫

實例涉及商業、科研以及藝術領域使用Python開發各種應用

亞馬遜最受歡迎的Python編程書之一，評分4.5

書中首先介紹了Python的基礎知識，然後逐漸深入多種主題，結合教程和攻略式風格來講解Python 3中的概念。每章結尾的練習可以幫助你鞏固所學的知識。
本書會為你學習Python打下堅實的基礎，包括測試、調試、代碼復用的最佳實踐以及其他開發技巧。

《Python編程入門（第3版）》
【Python 3.X 】

從算術運算、字元串、變數，到函數、數據結構、輸入輸出和異常處理，應有盡有

《父與子的編程之旅：與小卡特一起學Python》
【Python 2.X 】

原版Amazon 最受歡迎的青少年編程圖書

最簡單易學的內容組織方式，老少皆宜

第一版獲Jolt大獎

本書中，Warren和Carter父子以親切的筆調、通俗的語言，透徹全面地介紹了計算機編程世界。
他們以簡單易學的Python語言為例，通過可愛的漫畫、有趣的例子，生動地介紹了變數、循環、輸入和輸出、數據結構以及圖形用戶界面等編程的基本概念。
只要懂得計算機的基本操作，如啟動程序、保存文件，任何人都可以跟隨本書，由簡入難，學會編寫程序，甚至製作游戲。
本書內容經過教育專家的評審，經過孩子的親身檢驗，並得到了家長的認可。

《編程導論》
【Python 2.7】

以麻省理工學院開放式課程（OpenCourseWare）中最受歡迎的計算機科學課程為基礎，旨在培養讀者的編程思維，使讀者擁有計算機科學家的視野

本書涵蓋了Python的大部分特性，重點介紹如何使用Python這門語言，共包含編程基礎、Python程序設計語言、理解計算的關鍵概念、計算問題的解決技術等四個方面。
本書將Python語言特性和編程方法貫穿全書，目的是幫助讀者在學習Python的同時掌握如何使用計算來解決有趣的問題。

• Python進階
  需要一定Python基礎。
  
  
  

《流暢的Python》
【兼顧Python 3和Python 2】

PSF研究員、知名PyCon演講者心血之作

Python核心開發人員擔綱技術審校

全面深入，對Python語言關鍵特性剖析到位

大量詳盡代碼示例，並附有主題相關高質量參考文獻和視頻鏈接

本書致力於幫助Python開發人員挖掘這門語言及相關程序庫的優秀特性，避免重復勞動，同時寫出簡潔、流暢、易讀、易維護，並且具有地道Python風格的代碼。本書尤其深入探討了Python語言的高級用法，涵蓋數據結構、Python風格的對象、並行與並發，以及元編程等不同的方面。

《Python項目開發實戰（第2版）》
【Python 2.7】

網羅Python項目開發中的流程，讓你的編程事半功倍

Python項目與封裝/團隊開發環境/問題驅動開發/源碼管理（Mercurial） Jenkins持續集成（CI）/環境搭建與部署的自動化（Ansible）/Django框架……

這是一本偏工程的圖書，沒怎麼講Python語言基礎知識，直接告訴你怎麼搭建開發環境，做好代碼管理和文檔管理以及缺陷管理等工作。

《Python網路編程攻略》
【Python 2.7】

可作為任何一門網路編程課程中培養實踐技能的補充材料

需要讀者對Python語言及TCP/IP等基本的網路概念有了解，但即使不精通也能通過本書理解相關概念

本書全面介紹了Python網路編程涉及的重要問題，包括網路編程、系統和網路管理、網路監控以及Web應用開發。作者通過70多篇攻略，清晰簡明地描述了各種網路任務和問題，提出了可用於多種場景的解決方案，並細致地分析了整個操作過程。

《Python網路編程（第3版）》
【Python 3.X】

涵蓋網路編程所有經典話題，提供大量代碼清單及示例

從應用開發角度介紹網路編程基本概念、模塊以及第三方庫

本書針對想要深入理解使用Python來解決網路相關問題或是構建網路應用程序的技術人員，結合實例講解了網路協議、網路數據及錯誤、電子郵件、伺服器架構和HTTP及Web應用程序等經典話題。
具體內容包括：全面介紹Python3中最新提供的SSL支持，非同步I/O循環的編寫，用Flask框架在Python代碼中配置URL，跨站腳本以及跨站請求偽造攻擊網站的原理及保護方法，等等。

《Python性能分析與優化》
【Python 2.X】

全面掌握Python代碼性能分析和優化方法

消除性能瓶頸，迅速改善程序性能

本書首先介紹什麼是性能分析，性能分析如何在項目開發周期中發揮作用，以及通過在項目中進行性能分析實踐能夠取得的效果。
緊接著介紹分析性能所需的核心工具（性能分析器和可視化性能分析器）。
然後介紹一系列性能優化技術，最後一章會介紹一個具有實際意義的優化案例。

《精通Python設計模式》
【Python 3.X】

用現實例子展示各模式的關鍵特性

16種基本設計模式，輕松解決軟體設計常見問題

本書分三部分，共16章介紹一些常用的設計模式。
第一部分介紹處理對象創建的設計模式，包括工廠模式、建造者模式、原型模式；
第二部分介紹處理一個系統中不同實體（類、對象等）之間關系的設計模式，包括外觀模式、享元模式等；
第三部分介紹處理系統實體之間通信的設計模式，包括責任鏈模式、觀察者模式等。

《Flask Web開發：基於Python的Web應用開發實戰》
【Python 2.7和3.3】

從安裝與環境設置講起，一步一步搭建伺服器端Web應用

全流程講解Web應用開發，給出最佳實踐

本書共分三部分，全面介紹如何基於Python微框架Flask進行Web開發。
第一部分是Flask簡介，介紹使用Flask框架及擴展開發Web程序的必備基礎知識。
第二部分則給出一個實例，真正帶領大家一步步開發完整的博客和社交應用Flasky，從而將前述知識融會貫通，付諸實踐。
第三部分介紹了發布應用之前必須考慮的事項，如單元測試策略、性能分析技術、Flask程序的部署方式等。

《Python Web開發：測試驅動方法》
【（Django、Selenium）相關部分使用Python 3.3講解】

亞馬遜4.8星評好書

實戰式TDD開發指南，使用Django等流行框架開發現代Web應用！

學習Django、Selenium、Git、jQuery和Mock，以及其他當前流行Web開發技術

「這本書很棒、很有趣，所講的全都是重點知識。如果有人想用Python做測試、學習Django或者想使用Selenium，我極力推薦這本書。要使開發者保持頭腦清醒，測試可謂至關重要。Harry完成了一項不可思議的工作，他不僅吸引了我們對測試的關注，而且還探索了切實可行的測試實踐方案。」

——Michael Foord，Python核心開發者，unittest維護者

• Python應用
  用Python數據分析，數據處理，機器學習等等。
  

《數據科學入門》
【Python 2.7】

Google數據科學家、軟體工程師Joel Grus作品

用Python從零開始講解數據科學的重量級讀本

數據科學、機器學習、模式識別領域必備

本書從零開始講解數據科學。
具體內容包括Python簡介，可視化數據，線性代數，統計，概率，假設與推斷，梯度下降法，如何獲取數據，k近鄰法，樸素貝葉斯演算法等。
作者藉助大量具體例子以及數據挖掘、統計學、機器學習等領域的重要概念，通過講解基礎數據科學工具和演算法實現，帶你快速跨入數據科學大門。
書中含大量數據科學領域的庫、框架、模塊和工具包。

《機器學習實戰》
【Python 2.7】

最暢銷機器學習圖書

介紹並實現機器學習的主流演算法

面向日常任務的高效實戰內容

全書通過精心編排的實例，切入日常工作任務，摒棄學術化語言，利用高效的可復用Python代碼來闡釋如何處理統計數據，進行數據分析及可視化。
通過各種實例，讀者可從中學會機器學習的核心演算法，並能將其運用於一些策略性任務中，如分類、預測、推薦。另外，還可用它們來實現一些更高級的功能，如匯總和簡化等。

《機器學習系統設計》
【Python 2.7及以上】

微軟Bing核心團隊成員推出

聚焦演算法編寫和編程方式

結合大量實例學會解決實際問題

本書將向讀者展示如何從原始數據中發現模式，首先從Python與機器學習的關系講起，再介紹一些庫，然後就開始基於數據集進行比較正式的項目開發了，涉及建模、推薦及改進，以及聲音與圖像處理。通過流行的開源庫，我們可以掌握如何高效處理文本、圖片和聲音。同時，讀者也能掌握如何評估、比較和選擇適用的機器學習技術。

《Python數據處理》
【Python 2.7】

將數據處理過程自動化！

全面掌握用Python進行爬蟲抓取以及數據清洗與分析的方法，輕松實現高效數據處理！

本書採用基於項目的方法，介紹用Python完成數據獲取、數據清洗、數據探索、數據呈現、數據規模化和自動化的過程。
主要內容包括：Python基礎知識，如何從CSV、Excel、XML、JSON和PDF文件中提取數據，如何獲取與存儲數據，各種數據清洗與分析技術，數據可視化方法，如何從網站和API中提取數據。

《Python數據分析基礎教程：NumPy學習指南（第2版）》
【Python 2.7】

NumPy中文入門教程，Python數據分析首選

從最基礎的知識講起，手把手帶你進入大數據挖掘領域

囊括大量具有啟發性與實用價值的實戰案例

本書從NumPy安裝講起，逐漸過渡到數組對象、常用函數、矩陣運算、線性代數、金融函數、窗函數、質量控制等內容，致力於向初中級Python編程人員全面講述NumPy及其使用。
另外，通過書中豐富的示例，你還將學會Matplotlib繪圖，並結合使用其他Python科學計算庫（如SciPy和Scikits），讓工作更有成效，讓代碼更加簡潔而高效。

《Python數據挖掘入門與實踐》
【Python 3.4】

全面釋放Python的數據分析能力

掌握大數據時代核心技術，輕松入門數據挖掘技術並將其應用於實際項目

本書使用簡單易學且擁有豐富第三方庫和良好社區氛圍的Python語言，由淺入深，以真實數據作為研究對象，真刀實槍地向讀者介紹Python數據挖掘的實現方法。通過本書，讀者將邁入數據挖掘的殿堂，透徹理解數據挖掘基礎知識，掌握解決數據挖掘實際問題的最佳實踐！

《Python科學計算基礎教程》
【Python 2.7及以上】

精彩案例展示Numpy等科學計算模塊的強大功能和廣泛應用

剖析Python關於並行與大數據計算的方法

總結科學計算的任務、難點以及最佳實踐經驗

本書是將Python用於科學計算的實用指南，既介紹了相關的基礎知識，又提供了豐富的精彩案例，並為讀者總結了最佳實踐經驗。
其主要內容包括：科學計算的基本概念與選擇Python的理由，科學工作流和科學計算的結構，科學項目相關數據的各個方面，用於科學計算的API和工具包，如何利用Python的NumPy和SciPy包完成數值計算，用Python做符號計算，數據分析與可視化，並行與大規模計算，等等。

《Python數據分析實戰》
【Python 2.X】

了解Python在信息處理、管理和檢索方面的強大功能

學會如何利用Python及其衍生工具處理、分析數據

三個真實Python數據分析案例，將理論付諸實踐

《Python數據分析實戰》展示了如何利用Python 語言的強大功能，以最小的編程代價進行數據的提取、處理和分析，主要內容包括：數據分析和Python 的基本介紹，NumPy 庫，pandas 庫，如何使用pandas 讀寫和提取數據，用matplotlib 庫和scikit-learn 庫分別實現數據可視化和機器學習，以實例演示如何從原始數據獲得信息、D3 庫嵌入和手寫體數字的識別。

《Python網路數據採集》
【Python 3.X】

原書4.6星好評，一本書搞定數據採集

涵蓋數據抓取、數據挖掘和數據分析

提供詳細代碼示例，快速解決實際問題

本書介紹網路數據採集，並為採集新式網路中的各種數據類型提供了全面的指導。
第一部分重點介紹網路數據採集的基本原理：如何用Python從網路伺服器請求信息，如何對伺服器的響應進行基本處理，以及如何以自動化手段與網站進行交互。
第二部分介紹如何用網路爬蟲測試網站，自動化處理，以及如何通過更多的方式接入網路。

《Python計算機視覺編程》
【Python 2.6及以上】

亞馬遜計算機視覺類圖書No.1

詳細剖析多種計算機視覺工具

大量示例極易上手

本書是計算機視覺編程的權威實踐指南，通過Python語言講解了基礎理論與演算法，並通過大量示例細致分析了對象識別、基於內容的圖像搜索、光學字元識別、光流法、跟蹤、3D重建、立體成像、增強現實、姿態估計、全景創建、圖像分割、降噪、圖像分組等技術。