如果有一定的数据分析与机器学习理论与实践基础，《Python数据科学手册》这本书是绝佳选择。 是对以数据深度需求为中心的科学、研究以及针对计算和统计方法的参考书。很友好实用，结构很清晰。但不适合数据分析的入门的学习人员，尤其matplotlib与机器学习部分，虽点到为止切到要害，但没有一定的基础 ...

入门python推荐学习久负盛名的python入门书籍《Python编程从入门到实践》。 书中涵盖的内容是比较精简的，没有艰深晦涩的概念，最重要的是每个小结都附带有”动手试一试”环节，学编程最佳的方式就是多动手、多动脑。 很多初学者看完书之后不知道下一步怎么办，快速提高编程能力的最佳途径就是做项目 ...

自然语言处理是计算语言学和人工智能之中与人机交互相关的领域之一。 推荐学习自然语言处理的一本综合学习指南《精通Python自然语言处理》，介绍了如何用Python实现各种NLP任务，以帮助读者创建基于真实生活应用的项目。全书共10章，分别涉及字符串操作、统计语言建模、形态学、词性标注、语法解析 ...

学习R有不会的就查工具书《R数据科学》， 工具不是重点，创造价值才是目的。具体到数据科学，表现形式往往是提供解决方案或者做出某种决策。至于使用什么语言，采用什么工具，不本质。用 R 还是 Python 或者是 Julia， 都可以。 工具会影响单位时间内产出的效率。典型的数据分析场景下，生产力 ...

入门使用高性能 Python，建议参考《Python高性能编程》，例子给的很多，讲到高性能就会提到性能监控，里面有cpu mem 方法的度量，网络讲了一点异步，net profiler 没讲。笔记集合把可能把工作中遇到的性能问题，记录了解决方案。 性能分析对于高性能编程的作用，就好比复杂度分析 ...

学习python处理金融数据，建议学习《Python金融实战》，比较实用，只不过Yahoo财经的API改了，书里的方法不再有效要改一改，还有就是会有一些代码缩进小问题，总体上对金融分析很实用。 《Python金融实战》通过12章内容介绍了Python在金融领域的应用，从Python的安装、基础语法 ...

python基础教程ed3: 基础知识 列表和元组 字符串 字典 流程控制 抽象(参数 作用域 递归) 异常 魔术方法/特性/迭代器 模块/标准库 文件 GUI DB 网络编程 测试 扩展python/程序打包/趣味编程 10个项目。 结构安排还是比较明显的。先是基础知识和python的基本数据 ...

用数学工具解决实际问题仅有的要求可能就是懂一点概率知识和程序设计。而贝叶斯方法是一种常见的利用概率学知识去解决不确定性问题的数学方法，对于一个计算机专业的人士，应当熟悉其应用在诸如机器翻译，语音识别，垃圾邮件检测等常见的计算机问题领域。 在共计15章的篇幅中讨论了怎样解决十几个现实生活中的实际问题 ...