基于我丰厚的收藏，我来回答这个问题再合适不过了。
我们把Python数据分析拆解为两点：
因此，我们针对两个目的，分别列出一些书目。
由于Python如日中天，因此Python数据分析相关的书籍非常多，我们能认真读完几本，基本上都可以掌握大多数的数据科学流程。下边是我收藏的一些书，感兴趣的可以自己搜索一下，网上有正版出售，比如图灵社区、异步社区、华章数媒、博文视点等均有优质IT书籍出售，包括纸质版和电子版。
评论0
加载中...
不邀自来。感觉这个问题就是为我而设的啊！
推荐两本口碑爆棚的Python算法&数据结构书。
1. 算法图解全书涵盖400多个示意图，生动介绍了算法的执行过程。展示不同算法在性能方面的优缺点，教会你用常见算法解决每天面临的实际编程问题。
“你渴望像看喜欢的小说一样学习算法吗？如果是，本书正是你梦寐以求的！ ”——Sankar Ramanathan，IBM Analytics
豆瓣读者评论：
2.Problem Solving with Algorithms and Data Structures Using Python SECOND EDITIONPython算法入门最佳！每一页都值得读！ 一边翻翻这本书一边刷题开始了我*真正*对编程的入门和喜爱！
这是豆瓣读者给这本书的评价。它还有很多好评，比如亚马逊4.3星好评。
豆瓣评分9.3。
这是一本用Python描述数据结构与算法的开山之作，能让你洞彻数据结构与算法，真正精通Python。
如果把编写代码比作行军打仗，那么要想称霸沙场，不能仅靠手中的利刃，还需深谙兵法。Python是一把利刃，数据结构与算法则是兵法。只有熟读兵法，才能使利刃所向披靡。
它还是一本被众多高校采用的经典计算机科学教材，一本能真正帮技术人员解决编程问题的“答案之书”。
你肯定在学习解决问题的基本方法上投入过大量的时间，并且相信自己拥有根据问题描述构建解决方案的能力。你肯定也体会到了编写计算机程序的困难之处。大型难题及其解决方案的复杂性往往会掩盖问题解决过程的核心思想。
计算机科学被认为是一门利用计算机来解决问题的学科，了解数据结构与算法是透彻理解计算机科学的前提。这本书让我们可以掌握数据结构与算法的基本思想，从而有信心探索任何编程难题的解决方法。
它由在计算机科学领域深耕数十载，有着丰富实战经验的 Bradley N. Miller 和 David L. Ranum 合著。
布拉德利·米勒（Bradley N. Miller）
美国路德学院计算机科学名誉教授，曾获美国计算机协会软件系统奖，对Python课程开发有深入研究，由他创立的互动式教科书平台Runestone Interactive与全球600多家教育机构有合作。
戴维·拉努姆（David L. Ranum）
IBM Watson认知软件工程师，医学信息学博士，致力于利用自然语言处理等人工智能技术解决医疗问题，曾在美国路德学院讲授计算机科学课程近三十载。
当然，不看英文书，还有中文版可以选择。
本书中文版已由图灵引进出版，由Twitter工程师吕能和ucloud工程师刁寿钧联合翻译。
吕能
Twitter软件工程师，开源项目Apache Heron的核心贡献者。先后在浙江大学和美国加州大学洛杉矶分校取得计算机科学学士学位和硕士学位，关注分布式实时数据引擎系统的研发，热衷于普及计算机技术知识。
刁寿钧
ucloud优图实验室后台开发工程师，毕业于复旦大学。先后从事过广告业务与智慧零售、智慧社区业务的开发工作。热爱算法与数据库技术，曾协助组织IMG社区的技术沙龙活动。另译有《数据分析实战》。
本书结构
本书紧紧地围绕着运用经典数据结构和技术来解决问题。下面的组织结构图展示了充分利用本书的不同方式。
本书试读
试读第1章，做一些背景知识的准备，复习了一下计算机科学、问题解决、面向对象编程以及Python。基础扎实的人可以跳过，去学习第2章。不过，正所谓温故而知新，适当的复习和回顾必然是值得的。
Python数据结构与算法分析（第2版）-图书-图灵社区www.ituring.com.cn希望这两本书能帮助到题主，学习完Python基础语法后，尽快实现Python进阶。
欢迎关注
人民邮电出版社头条号，发现更多IT技术好书。评论0
加载中...
建议您先把list,，dict，set，还有collections包里那些结构玩好了，再把这些包都学了Pandas, Numpy, Scipy, Matplotlib，再看专门的数据分析的书。
评论0
加载中...
有一本就叫利用python进行数据分析，书还不错，基本上numpy pandas matplotlib这几个库都有讲，推荐购买。
评论0
加载中...
小编也来推荐几本。
Python凭借其简单、易读、可扩展性以及拥有巨大而活跃的科学计算社区，在需要分析、处理大量数据的金融行业得到了广泛而迅速的应用，并且成为该行业开发核心应用的编程语言。《Python金融大数据分析》提供了使用Python进行数据分析，以及开发相关应用程序的技巧和工具。
《Python金融大数据分析》总计分为3部分，共19章，第1部分介绍了Python在金融学中的应用，其内容涵盖了Python用于金融行业的原因、Python的基础架构和工具，以及Python在计量金融学中的一些具体入门实例；第2部分介绍了金融分析和应用程序开发中重要的Python库、技术和方法，其内容涵盖了Python的数据类型和结构、用matplotlib进行数据可视化、金融时间序列数据处理、高性能输入/输出操作、高性能的Python技术和库、金融学中需要的多种数学工具、随机数生成和随机过程模拟、Python统计学应用、Python和Excel的集成、Python面向对象编程和GUI的开发、Python与Web技术的集成，以及基于Web应用和Web服务的开发；第3部分关注的是蒙特卡洛模拟期权与衍生品定价实际应用的开发工作，其内容涵盖了估值框架的介绍、金融模型的模拟、衍生品的估值、投资组合的估值、波动率期权等知识。
《Python金融大数据分析》适合对使用Python进行大数据分析、处理感兴趣的金融行业开发人员阅读。
本书主要介绍了Python在统计数据分析中的应用，内容涵盖连续、离散和分类数据的常见统计检验，以及线性回归分析、生存分析和贝叶斯统计等主题。 本书的特色：针对每种检验方法，提供了Python解决方案的代码和数据，以及便于实际操作的Python示例。借此，读者可以重现这些问题并加强他们对这些统计分析方法的理解。本书所用数据主要来自生命科学和医学科学，因此对这些领域的学生可能更有针对性。不过，本书也介绍了Python的基础知识以及一些统计学的基础知识，任何想要进行统计数据分析的人都可以阅读本书。
本书结合了机器学习、数据分析和Python语言，通过案例以通俗易懂的方式讲解了如何将算法应用到实际任务。 全书共20章，大致分为4个部分。第一部分介绍了Python的工具包，包括科学计算库Numpy、数据分析库Pandas、可视化库Matplotlib；第2部分讲解了机器学习中的经典算法，例如回归算法、决策树、集成算法、支持向量机、聚类算法等；第3部分介绍了深度学习中的常用算法，包括神经网络、卷积神经网络、递归神经网络；第4部分是项目实战，基于真实数据集，将算法模型应用到实际业务中。 本书适合对人工智能、机器学习、数据分析等方向感兴趣的初学者和爱好者。
本书就是一本介绍如何用Python进行数据分析的学习指南。全书共12章，从Python程序库入门、NumPy数组和Pandas入门开始，陆续介绍了数据的检索、数据加工与存储、数据可视化等内容。同时，本书还介绍了信号处理与时间序列、应用数据库、分析文本数据与社交媒体、预测性分析与机器学习、Python生态系统的外部环境和云计算、性能优化及分析、并发性等内容。在本书的最后，还采用3个附录的形式为读者补充了一些重要概念、常用函数以及在线资源等重要内容。
本书延续了上一版示例丰富、简单易懂的优点，非常适合对Python语言感兴趣或者想要使用Python语言进行数据分析的读者参考阅读。
评论0
加载中...0
回答0
回答0
回答0
回答0
回答10
回答0
回答0
回答0
回答0
回答
