從入門到精通铸史，給你推薦幾本 Python 與數(shù)據(jù)科學(xué)好書。

需求

最近讀者數(shù)量增長(zhǎng)了不少怯伊。有許多新讀者留言琳轿，說(shuō)自己想入門 Python 與數(shù)據(jù)科學(xué)，希望我能夠推薦一些教材書籍耿芹。

老讀者們都知道崭篡，我經(jīng)常會(huì)在教程末尾的“資源”或者“小結(jié)”章節(jié)，推薦相關(guān)的書目猩系。我推薦的書籍媚送，有個(gè)特點(diǎn)，就是寫得簡(jiǎn)明易懂寇甸，適合文科生閱讀塘偎。

那種一打開疗涉，公式便隨處可見的書，也許內(nèi)容質(zhì)量非常高吟秩，但確實(shí)不適合文科生的入門級(jí)閱讀咱扣。許多人就是這樣被嚇跑，然后干脆放棄了的涵防。

所以闹伪，如果你是專業(yè)人士，看完之后壮池，按捺不住想要發(fā)飆：

為什么沒有提到XXX和XXX偏瓤，那才是經(jīng)典！你還好意思自稱老師椰憋，到底懂不懂行厅克？！

請(qǐng)保持理智橙依，注重文明舉止证舟，多一份同理心給文科生們。

謝謝合作窗骑！

考慮到這些書籍推薦散落各處女责，新讀者一篇篇翻找起來(lái)不是很方便，我這里把它們匯總一下创译。同時(shí)抵知，我也加入了一些新的書籍，有的只是之前沒有提到昔榴，有的卻甚至新到還沒出版的地步辛藻。

下面我分成 Python，數(shù)據(jù)科學(xué)互订，機(jī)器學(xué)習(xí)這幾個(gè)部分，分別給你談一談痘拆。

Python

第一本仰禽，當(dāng)然是《笨辦法學(xué) Python 》（Learn Python the Hard Way）。

我在《如何高效學(xué)Python纺蛆？》一文里吐葵，隆重推薦過(guò)它。

書名起成這樣桥氏，居然還能賣得出去温峭，實(shí)在是營(yíng)銷界的奇跡啊字支！

能賣出去凤藏，想必不是因?yàn)闀恕?/p>

吸引人的書名應(yīng)該叫做《XX天 Python 從入門到精通》奸忽，《X天學(xué)會(huì)數(shù)據(jù)科學(xué)》，或者《深度學(xué)習(xí)24小時(shí)教程》……

能有這么多人購(gòu)買學(xué)習(xí)揖庄，說(shuō)明了它的口碑效應(yīng)相當(dāng)好栗菜。

這本書，最適合自學(xué)入門蹄梢。如同《新概念英語(yǔ)》疙筹，它采用螺旋上升、以練促學(xué)禁炒、溫故知新的形式來(lái)講解和輔導(dǎo)你練習(xí)而咆。

你得相信口碑的力量。

別人能拿它學(xué)會(huì)幕袱，你也行翘盖。

若購(gòu)買中文版，請(qǐng)選擇最新的 Python 3 版本凹蜂，鏈接在這里馍驯。

第二本，是我這學(xué)期在北得克薩斯大學(xué)（University of North Texas）講授的《面向信息系統(tǒng)的計(jì)算方法》(Computational Methods for Information Systems)課程的教材之一玛痊。

書名叫做：“Think Python: How to Think Like a Computer Scientist”汰瘫，我用的是第二版。

你對(duì)這個(gè)書名擂煞，不應(yīng)該陌生混弥。因?yàn)槲以凇?a href="http://www.reibang.com/p/3678e3dd29f5" target="_blank">如何高效學(xué)Python？》一文中对省，為你介紹過(guò)這本書和傳奇 Python MOOC "Programming for Everybody" 之間的關(guān)聯(lián)蝗拿。

你可以點(diǎn)擊鏈接查看具體說(shuō)明。

經(jīng)過(guò)這一學(xué)期的教學(xué)實(shí)踐蒿涎，我確認(rèn)這本書不愧為經(jīng)典教材哀托。配合上翻轉(zhuǎn)教學(xué)的形式，以及 Google Colab 的環(huán)境支持劳秋，學(xué)生們上手 Python 特別迅速仓手。

這本書的中文版叫做《像計(jì)算機(jī)科學(xué)家一樣思考Python》，購(gòu)買鏈接在這里玻淑。

數(shù)據(jù)科學(xué)

第三本書嗽冒，是數(shù)據(jù)科學(xué)的入門讀物，也是我本學(xué)期課程的另一本指定教材补履。

書名叫做：“Data Science from Scratch”添坊。

該書的特點(diǎn)魄健，可以這樣概括：

就是不教你調(diào)包媚值。

大家都知道，現(xiàn)在的數(shù)據(jù)科學(xué)工具豐富。許多時(shí)候筑凫，你只要知道如何調(diào)用一個(gè)第三方軟件包庐冯，就可以輕松完成某項(xiàng)任務(wù)盈滴，例如下載數(shù)據(jù)欲账、繪圖，甚至是機(jī)器學(xué)習(xí)建模溺职。

但是這本書偏反其道而行之岔擂，從最簡(jiǎn)單問(wèn)題入手，讓你從頭實(shí)現(xiàn)功能浪耘。

這樣一來(lái)乱灵，你就不止知其然，還充分明白其所以然七冲。

為了調(diào)動(dòng)你的興趣痛倚，書中選擇的樣例，都是非常實(shí)用而有趣的澜躺。雖然你的代碼比較基本蝉稳，但是麻雀雖小五臟俱全，成就感一點(diǎn)也不會(huì)差掘鄙。

因?yàn)槌蓵鴷r(shí)間比較早耘戚，這本書原始代碼，都是用 Python 2 寫成的操漠。因此在今天的 Python 3 環(huán)境下運(yùn)行收津，會(huì)有差別。

好在作者非常貼心浊伙，從頭更新了所有的代碼撞秋，把 Python 3 版本發(fā)布在了 Github 上面。

你可以訪問(wèn)這個(gè)鏈接嚣鄙，查看與嘗試最新版代碼吻贿。

中譯本名稱為《數(shù)據(jù)科學(xué)入門》，鏈接在這里拗慨。

第四本廓八，是關(guān)于 Python 數(shù)據(jù)框 Pandas 的。如果你用 Python 做數(shù)據(jù)分析赵抢，不會(huì) Pandas 也能完成很多任務(wù)，只是會(huì)更痛苦一些声功。

我曾經(jīng)有多篇教程烦却，展示了 Pandas 的功能強(qiáng)大。簡(jiǎn)單的一兩行代碼先巴，就可以讓你從原始數(shù)據(jù)中提煉與繪制出這樣的統(tǒng)計(jì)圖形來(lái)其爵。

還記得吧冒冬？上圖來(lái)自《如何用 Python 和 Pandas 分析犯罪記錄開放數(shù)據(jù)？》一文摩渺。要注意復(fù)習(xí)哦简烤。

這本書的名字叫做 “Python for Data Analysis”。

作者是 Wes McKinney 摇幻，Pandas 項(xiàng)目的創(chuàng)始人横侦。

軟件包的創(chuàng)造者親自寫書，權(quán)威程度可想而知绰姻。

這本書第一版就很暢銷枉侧，后來(lái)在2017年又推出了使用 Python 3 的第二版。

中譯本目前還只有第一版的狂芋，鏈接在這里榨馁。不過(guò) Wes McKinney 在個(gè)人主頁(yè)說(shuō)第二版就快要面世了。

機(jī)器學(xué)習(xí)

第五本書帜矾，是 Aurélien Géron 的 “Hands-On Machine Learning with Scikit-Learn and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems”翼虫。

這本書簡(jiǎn)直就是個(gè)教材出版界的奇跡。

發(fā)行量咱就不提了屡萤，就連放在 Github 上 的配套代碼珍剑，居然都獲得了超過(guò) 14000 星。

這本書同時(shí)涉及了經(jīng)典機(jī)器學(xué)習(xí)和深度神經(jīng)網(wǎng)絡(luò)灭衷，適合你從零基礎(chǔ)了解到最新前沿內(nèi)容次慢。

中文譯版叫做《機(jī)器學(xué)習(xí)實(shí)戰(zhàn)：基于Scikit-Learn和TensorFlow》。鏈接在這里翔曲。

且慢下單迫像！

還記得我前面說(shuō)的那句話嗎？

有的甚至新到還沒出版的地步瞳遍。

這本書的第二版闻妓，快要上市了。

書名更新為 "Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems"掠械。

其實(shí)你看由缆，第二版的書名里面，也就是加了個(gè) Keras 猾蒂。但是如果你閱讀我的那篇《如何用 Python 和 Tensorflow 2.0 神經(jīng)網(wǎng)絡(luò)分類表格數(shù)據(jù)均唉？》比較仔細(xì)，應(yīng)該不難理解這意味著什么肚菠。

由于 Keras 已經(jīng)成了 Tensorflow 2.0 中**深度整合且官方推薦的高階 API **舔箭，所以這本書實(shí)際上講的，就是 Tensorflow 2.0 。

作者也表示說(shuō)层扶，可能需要跟出版社溝通箫章，看要不要在封面上顯著標(biāo)識(shí)一下 Tensorflow 2.0 字樣。

不過(guò)镜会，第二版的出版時(shí)間檬寂，預(yù)定是2019年8月。

咱們還真得等些日子戳表。

等待的這些日子桶至，就不能學(xué)習(xí) Tensorflow 2.0 了嗎？

當(dāng)然不是扒袖。

再次強(qiáng)調(diào)塞茅，現(xiàn)在你學(xué) Keras ，就是學(xué)習(xí) Tensorflow 2.0 的最佳鋪墊季率。

第六本書野瘦，我不止一次推薦過(guò)，叫做“Deep Learning with Python”飒泻。書名很霸氣鞭光，但實(shí)際上講的，就是 Keras 這一個(gè)框架泞遗。

豆瓣評(píng)分惰许，高達(dá)9.7。

這評(píng)分史辙，看著跟刷出來(lái)的似的汹买。

但實(shí)際上，名至實(shí)歸聊倔。

又一次晦毙，教材作者，就是 Keras 框架作者本人耙蔑。

這本書见妒，不僅教你 Keras 的用法，更深入淺出地講解了深度學(xué)習(xí)的底層邏輯甸陌。尤其是表征（representation）的概念须揣，講得真是透徹。

讀它之前钱豁，我原本就已經(jīng)學(xué)過(guò)了 Andrew Ng 的深度學(xué)習(xí)課程耻卡，還拿到了證書。但可以說(shuō)牲尺，看完了這本書后劲赠，我才對(duì)深度學(xué)習(xí)真正有了清晰的感覺。

這本書的中譯本秸谢，在這個(gè)鏈接凛澎。

第七本，咱們得提一下 PyTorch 了估蹄。

深度學(xué)習(xí)框架領(lǐng)域的競(jìng)爭(zhēng)結(jié)果塑煎，基本上明朗化了。

一方面臭蚁，是 Google 陣營(yíng)的 Tensorflow 2.0最铁；另一方面，就是 Facebook 陣營(yíng)的 Pytorch垮兑。

現(xiàn)在你要想入門冷尉，這兩邊你恐怕得挑一個(gè)。主流的學(xué)術(shù)論文系枪，基本上都是用這兩種框架來(lái)實(shí)現(xiàn)的雀哨。想要復(fù)現(xiàn)實(shí)驗(yàn)結(jié)果，學(xué)習(xí)設(shè)計(jì)思路私爷，你繞不開它們雾棺。

PyTorch 的1.0正式版本出現(xiàn)不久。相關(guān)的教材衬浑，還不完備捌浩。

這本書的名稱是“Beginner's Guide To Using PyTorch For Deep Learning”，確實(shí)工秩，就是給初學(xué)者入門預(yù)備的尸饺。

作者 Ian Pointer 已經(jīng)宣稱，書中不僅會(huì)有 PyTorch 的基礎(chǔ)內(nèi)容助币，而且一直還會(huì)延伸到圖像領(lǐng)域 ResNet 架構(gòu)遷移學(xué)習(xí)浪听，甚至是 BERT 與 GPT-2 這樣的自然語(yǔ)言處理最新研究成果。

想想吧奠支，一書在手馋辈，從入門到專業(yè)全方位覆蓋。

可惜的是倍谜，根據(jù)亞馬遜官網(wǎng)顯示迈螟，這本書的上市時(shí)間，要等到2019年11月份尔崔。

看來(lái)答毫，好的作品，都需要時(shí)間來(lái)打磨啊季春。

其他

哦洗搂，差點(diǎn)兒忘了，我自己也寫了一本書，名字叫做《文科生數(shù)據(jù)科學(xué)上手指南》耘拇，包含了我對(duì)自己系列數(shù)據(jù)科學(xué)教程的梳理∧旒眨現(xiàn)在網(wǎng)上免費(fèi)開放獲取。

你可以點(diǎn)擊這個(gè)鏈接（http://t.cn/EvMHAyo）查看惫叛。

小結(jié)

本文給你推薦了若干本教材倡勇，適合文科生初學(xué)者入門 Python 與數(shù)據(jù)科學(xué)。這些書籍的特點(diǎn)是：

門檻很低嘉涌，但是天花板足夠高妻熊。

例如其中提到的 BERT 和 GPT-2 等，都是目前前沿的領(lǐng)域研究成果仑最。

希望讀過(guò)本文之后扔役，能對(duì)你的學(xué)習(xí)有幫助。

祝深度學(xué)習(xí)愉快警医！

延伸閱讀

你可能也會(huì)對(duì)以下話題感興趣亿胸。點(diǎn)擊鏈接就可以查看。

• 如何高效學(xué) Python 法严？
• 如何用 Python 和 fast.ai 做圖像深度遷移學(xué)習(xí)损敷？
• 如何用 Python 和深度遷移學(xué)習(xí)做文本分類？
• 如何用 Python 和 BERT 做中文文本二元分類深啤？
• 如何用 Python 和 Tensorflow 2.0 神經(jīng)網(wǎng)絡(luò)分類表格數(shù)據(jù)拗馒？

喜歡請(qǐng)點(diǎn)贊和打賞。還可以微信關(guān)注和置頂我的公眾號(hào)“玉樹芝蘭”(nkwangshuyi)溯街。

如果你對(duì) Python 與數(shù)據(jù)科學(xué)感興趣诱桂，不妨閱讀我的系列教程索引貼《如何高效入門數(shù)據(jù)科學(xué)？》呈昔，里面還有更多的有趣問(wèn)題及解法挥等。

題圖：Photo by Sharon McCutcheon on Unsplash