準確的說自己是從2023年的9月份開始接觸python的，那會由於工作需要，硬著頭皮開始學習python，不怕各位笑話，我的第一本python啟蒙書籍
是《與孩子一起學程式設計》。這本書真的非常通俗易懂，從什麼是變數、基本的數**算、資料型別到複雜一點的控制流語法和應用，再到python的幾種資料結構講解等等，同時也會將這些基礎知識拼起來寫乙個和小孩一起玩的遊戲（儘管自己對遊戲沒有什麼興趣，但還是照書抄**了）。
說這段經歷的目的是想說明，你必須得明確自己學習python的目的是什麼，因為對於乙個初學者來說，經常向度娘或周邊的朋友詢問：「學習python，有什麼書可以推薦嗎？」如果不搞清楚自己學習的目的，那這個問題其實是白問的。因為python能做的事實在是太多了，對於這個問題，你會得到五花八門的答案，此時你也會疑惑，這麼多可供選擇的初級書，我該選擇哪一本呢？所以，首先問自己，我學習python是用它來搞運維？還是用它來做開發？還是用它來完成你的資料分析與挖掘？很顯然，對於我來說，我應該是用它幫助我完成資料分析或挖掘的工作任務。
如果你對資料分析或挖掘感興趣，那這篇文章也許對你會有一點幫助，接下來就跟大家分享一下自己學習python的一點點經驗，內容會涵蓋python基礎儲備、python資料分析、python資料視覺化和python資料探勘幾個部分。
不管你學習什麼新東西，都必須牢記一條，基礎必須夯實牢，因為基礎能夠決定你能走多遠。所以，學習python也需要你靜下心來好好的掌握一下它的基礎知識，如基本的資料結構（列表、元組、字典）及對應的方法、字串處理方法、控制流和自定義函式、正規表示式、檔案處理、異常處理、類的建立等等。關於這部分的學習，有很多參考書可供選擇，如：
《python簡明教程》：這是一本只有100頁左右的小冊子，你可以迅速的瀏覽並敲一遍**，或多或少都會提公升你的python基礎能力；
《笨方法學python》：這本書同樣非常的短小精悍，全書是以習題的形式讓讀者掌握有關python的基礎知識，裡面的**建議讀者能夠敲一遍；
《python基礎教程》：這本書的內容非常的詳實，幾乎覆蓋了python的所有基礎知識點，當然有些章節你也並不需要都去看，讀者可以根據自己的情況，有針對性的挑著看；
關於python基礎儲備方面的書籍我就推薦這三本，書不在多，只要你用心看完一本書就是對自己的挑戰，希望讀者能夠記住：基礎決定你能走多遠這句話。
當你掌握了有關python的基礎知識後，你就可以嘗試著去學習python在資料分析和挖掘中的應用了。眾所周知，隨著大資料時代的到來，資料分析顯得尤其重要和火熱，那麼相應的關於python做資料分析的第三方模組也越來越多，例如numpy用於數值計算、隨機數生成等功能、pandas用於資料的清洗和整理等功能、statsmodels和scipy用於統計建模和各種假設檢驗等功能、matplotlib用於資料資料視覺化、sklearn用於常見的資料探勘演算法的落地等。目前市面上也有很多關於python資料分析的書本，例如：
《利用python進行資料分析》：太經典了，作者就是建立pandas模組的大牛，書中詳細講解了有關numpy、pandas、matplotlib等模組的常用函式技巧，同時也結合了一些案例加以說明，書末也簡單介紹了python在時間序列問題上的處理和金融與經濟方面的應用；
《python金融大資料分析》：如果你對金融比較感興趣的話，這本書是乙個不錯的選擇。不僅講了有關金融方面的理論知識和應用案例，也同樣講解了很多基礎知識，如常見的資料結構、資料視覺化操作、資料操作、數學基礎、統計學基礎等；
《python資料分析與挖掘實戰》：這是一本很棒的實戰書籍，結合python這個工具講解了有關資料分析過程中的資料探索和資料預處理，同時，也介紹了很多資料分析和挖掘的案例，一步步帶著讀者完成每乙個實戰專案的操作。例如，竊電行為識別、家電使用者行為分析、電商使用者行為分析等；
有關更多的類似numpy、pandas資料處理模組的講解，讀者可以自行查閱官網的文件說明。
資料視覺化的目的就是讓讀資料的人留下直觀而深刻的記憶，這也是資料分析過程中必備的技能，一方面方便自己和讀者發現資料的規律和關係，另一方面也是資料的一種展現方式。關於專門講python視覺化的書,在市面上並不多，這裡就跟大家分享一本我認為非常棒的書吧：
資料探勘部分相對而言要難一些，光實現資料探勘的操作還不夠，還需要一定的數學功底，正如吳恩達所說，數學只是機器學習的基礎。對於一般常用的**模型、分類模型和聚類模型都可以通過python的sklearn模組實現，所以實操不難。重要的是理論知識的掌握，這裡介紹幾本理論方面的書：
《資料探勘導論》：非常適合資料探勘入門，內容詳實，講解的條理也很清晰；
《資料探勘概念與技術》：同樣是一本不可多得的好書，首先介紹挖掘方法的概念和理論知識，然後通過某些資料集來完成手工計算的過程，對於讀者來說，具有代入感，學習起來也會比較有勁；
《統計學習方法》：是一本完全偏理論的書籍，包含了很多演算法的推理過程，如knn演算法、貝葉斯演算法、決策樹演算法、支援向量機演算法等，這些推理對讀者的數學知識要求比較高；
書雖好，但都需要一定的數學基礎才能看上面的內容，關於數學基礎大學裡學的高等數學、線性代數、概率論、統計學等基本上就夠用了。如果覺得自己不夠紮實，趕快去充充電哦。
《python資料探勘入門與實踐》：該書的譯者盡然是英語專業學生，是不是驚呆了！全書通篇都是講解有關資料探勘的實戰案例，如使用決策樹**獲勝球隊、使用神經網路破解驗證碼、使用k均值完成新聞語料的分類等等，基本是都是基於sklearn這個模組來實現的；
《機器學習實戰》：這本書對讀者的程式設計技能要求比較高，幾乎所有的挖掘演算法都是乙個重複造輪子的過程（可能不太適合調包俠），我覺得該書的最大優點就是加強對演算法的理解，一遍講解演算法，一遍通過基本的程式設計將演算法進行重現；
為學Linux，我看了這些書
去年開始，抱著學習的態度開始了我的linux學習，到現在，差不多一年了，收穫很多，不敢說精通linux，但是，還是對得起 略懂 這兩個字的。這一年裡我看了很多書，細細數下，大概15本左右，其中包含了兩個方面，乙個是android，另乙個就是linux。當然，在學習之初，遇到了不少瓶頸，在這裡，還要感...
為學Linux，我看了這些書
去年開始，抱著學習的態度開始了我的linux學習，到現在，差不多一年了，收穫很多，不敢說精通linux，但是，還是對得起 略懂 這兩個字的。這一年裡我看了很多書，細細數下，大概15本左右，其中包含了兩個方面，乙個是android，另乙個就是linux。當然，在學習之初，遇到了不少瓶頸，在這裡，還要感...
為學Linux，我看了這些書
去年開始，抱著學習的態度開始了我的linux學習，到現在，差不多一年了，收穫很多，不敢說精通linux，但是，還是對得起 略懂 這兩個字的。這一年裡我看了很多書，細細數下，大概15本左右，其中包含了兩個方面，乙個是android，另乙個就是linux。當然，在學習之初，遇到了不少瓶頸，在這裡，還要感...