关于Python的一切：2018年，你读这8本书就够了
导读：C++、Java大神Bruce Eckel前些天在中国之行中，毫不掩饰对Python的偏爱：“坦白来讲，我最喜欢的语言是Python。每当我有问题需要被解决的时候我发现Python是最快可以给我结果的一个语言，所以我很喜欢，很享受Python。”
有数据显示，2017年在雇主发布的职位说明中，Python技能需求增速达到174%，居于首位。
进入2018年之后，Python几乎成为编程语言界的“网红”，无论是使用人数还是受欢迎程度，都在各项榜单中飙升。5月，Python在PYPL指数榜中的超越Java，首次夺冠。
如果把PYPL的时间轴拉长，Python在近十几年的时间里，几乎一直都是“牛市”。
Python由于语法简洁，功能强大，且在人工智能、大数据方面展现出效率优势，越来越受到欢迎。Bruce Eckel指出：
Python把其他语言做了一个封装，调用其他语言做的包。很多的数据科学家其实是不希望学习过于复杂的编程语言的。把他们关于数据方面处理的智慧封装起来，通过Python来调用，这样会方便很多。这也是为什么Python这几年这么流行的原因。
人生苦短，我用Python。
人生苦短，你该好好学学Python了。
下面这些2018爆品图书，安利给你！而且文末还会告诉你小编刚刚发现的买书省钱秘笈！
1
《Python数据分析与挖掘实战》
作者：张良均，王路，谭立云，苏剑林 等
推荐语：10余位资深大数据专家结合10余年数据挖掘与实施经验，通过10余个真实的案例为10余个行业的数据挖掘给出了解决方案，并提供相关的建模文件和源代码。
内容简介：从数据挖掘的应用出发，以电力、航空、医疗、互联网、生产制造以及公共服务等行业真实案例为主线，深入浅出介绍Python数据挖掘建模过程，实践性极强。为了满足目前的大数据分析人才需求，本书以大家熟知的数据挖掘建模工具Python语言来展开，以解决某个应用的挖掘目标为前提，先介绍案例背景提出挖掘目标，再阐述分析方法与过程，最后完成模型构建，在介绍建模过程中穿插操作训练，把相关的知识点嵌入相应的操作过程中，使读者轻松理解并掌握相关的理论和知识点。
关于作者：张良均，资深大数据挖掘专家和模式识别专家，高级信息项目管理师，有10多年的大数据挖掘应用、咨询和培训经验。
2
《Python文本分析》
作者：迪潘简·撒卡尔
推荐语：Intel首席科学家撰写，全面系统阐释Python文本分析的相关基础知识、实用技术及实践。
内容简介：本书遵循结构化和综合性的方法，介绍了文本和语言语法、结构和语义的基础概念和高级概念。从自然语言和Python的基础开始，进而学习先进的分析理念和机器学习概念。全面提供了自然语言处理（NLP）和文本分析的主要概念和技术。包含了丰富的真实案例实现技术，例如构建分类新闻文章的文本分类系统,使用主题建模和文本摘要分析app或游戏评论,进行热门电影概要的聚类分析和电影评论的情感分析。介绍了基于Python和流行NLP开源库和文本分析实用工具，如自然语言工具包（nltk）、gensim、scikit-learn、spaCy和Pattern。
关于作者：本书作者Sarkar是Intel公司的数据科学家，研究领域涉及数据科学与软件工程，有着丰富的文本分析研究和工程方面的经验，出版过多本R语言和机器学习方面的书籍。
3
《Effective Python：编写高质量Python代码的59个有效方法》
作者：布雷特·斯拉特金
推荐语：Google高级软件工程师Brett Slatkin融合自己多年Python开发实战经验，深入探讨编写高质量Python代码的技巧、禁忌以及丰富实践经验。
内容简介：本书作者BrettSlatkin以使用场景为主导的精练教学方式，汇聚了59条优秀的实践原则、开发技巧和便捷方案，并以实用的代码范例来解释它们。作者根据自己在Google公司多年开发Python基础架构所积累的经验，揭示了Python语言中一些鲜为人知的微妙特性，并给出了能够改善代码功能及运行效率的习惯用法。通过本书，你能够了解到解决关键编程任务所用的佳方式，并学会编写易于理解、便于维护且利于改进的代码。
关于作者：布雷特·斯拉特金（Brett Slatkin），Google公司高级软件工程师。他是Google消费者调查项目的工程主管及联合创始人，曾从事Google App Engine的Python基础架构工作，并利用Python来管理众多的Google服务器。
4
《机器学习系统设计：Python语言实现》
作者：戴维·朱利安
推荐语：对于机器学习系统的老手而言，其更多的参考价值在于如何使用Python来实现那些概念。
内容简介：机器学习模型不能给出准确结果的原因有很多。从设计的角度来审视这些系统，我们能够深入理解其底层算法和可用的优化方法。本书为我们提供了机器学习设计过程的坚实基础，能够使我们为特定问题建立起定制的机器学习模型。我们可能已经了解或使用过一些为解决常见问题的商用机器学习模型，例如垃圾邮件检测或电影分级，但是要着手于解决更为复杂的问题，则其重点是让这些模型适用于我们自己特定的需求。
5
《Python机器学习实践：测试驱动的开发方法》
作者：马修·柯克
推荐语：本书一开始就立足于软件编写、算法测试的实践指导，为读者理解示例代码、动手编写自己的程序做必要的铺垫。
内容简介：作者简明扼要地介绍机器学习算法的定义，以及读者必须知道的算法类别、这些算法又各自有何神通，并轻轻点出：每个算法也有它的死穴。第三章到第九章，作者深入详实地讲解了几种有代表性的机器学习算法：K-最近邻，朴素贝叶斯分类，决策树和随机森林，隐马尔可夫模型，支持向量机，神经网络，以及聚类。在这些章节中，不但讲解了算法核心部分的数学表达，也用机智、形象的语言描述了算法如何在实际生活中解决问题，并给出了关键的Python代码示例和算法训练、测试过程。
关于作者：马修·柯克（Matthew Kirk）是一名软件咨询师、作者和国际演讲者，擅长机器学习和数据科学，使用Ruby和Python编程。
6
《机器人系统设计与制作：Python语言实现》
作者：郎坦·约瑟夫
推荐语：你将会从设计机器人到设计人机界面等多个方面来了解如何使用Python。
内容简介：机器学习模型不能给出准确结果的原因有很多。从设计的角度来审视这些系统，我们能够深入理解其底层算法和可用的优化方法。本书为我们提供了机器学习设计过程的坚实基础，能够使我们为特定问题建立起定制的机器学习模型。我们可能已经了解或使用过一些为解决常见问题的商用机器学习模型，例如垃圾邮件检测或电影分级，但是要着手于解决更为复杂的问题，则其重点是让这些模型适用于我们自己特定的需求。
关于作者：郎坦·约瑟夫，电子工程师、机器人发烧友、机器视觉专家、嵌入式程序员，还是印度0botiCS实验室创始人兼CEO。他在大学时曾负责一个项目并制作了一个可以与人交流的社交机器人，由此开始对机器人、图像处理和Python产生兴趣。
7
《利用Python进行数据分析》
作者：Wes McKinney
推荐语：大量实践案例教会你如何利用Python库高效解决各式各样的数据分析问题。
内容简介：《利用Python进行数据分析》讲的是利用Python进行数据控制、处理、整理、分析等方面的具体细节和基本要点。同时，它也是利用Python进行科学计算的实用指南（专门针对数据密集型应用），重点介绍了用于高效解决各种数据分析问题的Python语言和库。
关于作者：Wes McKinney是资深数据分析专家，对各种Python库（包括NumPy、pandas、matplotlib以及IPython等）等都有深入研究，并在大量的实践中积累了丰富的经验。
8
《O'Reilly：Python学习手册（第4版）》
作者：鲁特兹
推荐语：书中配有大量注释的示例以及图表，它们都将帮助你轻松地学习Python3.0。
内容简介：《Python学习手册（第4版）》学习Python的主要内建对象类型：数字、列表和字典。使用Python语句创建和处理对象，并且学习Python的通用语法模型。使用函数构造和重用代码，函数是Python的基本过程工具。学习Python模块：封装语句、函数以及其他工具，以便构建较大的组件。学习Python的面向对象编程工具，用于组织程序代码。学习异常处理模型，以及用于编写较大程序的开发工具。了解高级Python工具，如装饰器、描述器、元类和Unicode处理等。
关于作者：鲁特兹（Mark Lutz），的Python培训讲师。他是畅销Python书籍的作者，从1992年起，他就是Python社区的先锋。他也是《Programming Python》、《Python Pocket Reference》和《Learning Python》等书的作者。