前言
2017年11月29日，自己曾在公衆號內寫過一篇《聊聊我的R語言學習路徑和感受》的文章，受到了很多朋友的關注和讚揚，同時，也有其他公衆號在幫忙轉載。當然，也有很多朋友也給我留言，能不能聊聊關於Python的學習建議，時隔一個多月，今天抽空再來談談自己學習Python的路程吧。
準確的說自己是從2014年的9月份開始接觸Python的，那會由於工作需要，硬着頭皮開始學習Python，不怕各位笑話，我的第一本Python啓蒙書籍是《與孩子一起學編程》。這本書真的非常通俗易懂，從什麼是變量、基本的數學運算、數據類型到複雜一點的控制流語法和應用，再到Python的幾種數據結構講解等等，同時也會將這些基礎知識拼起來寫一個和小孩一起玩的遊戲（儘管自己對遊戲沒有什麼興趣，但還是照書抄代碼了）。
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，因爲對於一個初學者來說，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。因爲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數據分析與挖掘？很顯然，對於我來說，我應該是用它幫助我完成數據分析或挖掘的工作任務。
如果你對數據分析或挖掘感興趣，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數據分析、Python數據可視化和Python數據挖掘幾個部分。
Python基礎儲備
不管你學習什麼新東西，都必須牢記一條，基礎必須夯實牢，因爲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，如基本的數據結構（列表、元組、字典）及對應的方法、字符串處理方法、控制流和自定義函數、正則表達式、文件處理、異常處理、類的創建等等。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代碼，或多或少都會提升你的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，裏面的代碼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，有針對性的挑着看；
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。
Python數據分析
當你掌握了有關Python的基礎知識後，你就可以嘗試着去學習Python在數據分析和挖掘中的應用了。衆所周知，隨着大數據時代的到來，數據分析顯得尤其重要和火熱，那麼相應的關於Python做數據分析的第三方模塊也越來越多，例如numpy用於數值計算、隨機數生成等功能、pandas用於數據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用於數據數據可視化、sklearn用於常見的數據挖掘算法的落地等。目前市面上也有很多關於Python數據分析的書本，例如：
《利用Python進行數據分析》：太經典了，作者就是創建pandas模塊的大牛，書中詳細講解了有關numpy、pandas、matplotlib等模塊的常用函數技巧，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金融大數據分析》：如果你對金融比較感興趣的話，這本書是一個不錯的選擇。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，如常見的數據結構、數據可視化操作、數據操作、數學基礎、統計學基礎等；
《Python數據分析與挖掘實戰》：這是一本很棒的實戰書籍，結合Python這個工具講解了有關數據分析過程中的數據探索和數據預處理，同時，也介紹了很多數據分析和挖掘的案例，一步步帶着讀者完成每一個實戰項目的操作。例如，竊電行爲識別、家電用戶行爲分析、電商用戶行爲分析等；
有關更多的類似numpy、pandas數據處理模塊的講解，讀者可以自行查閱官網的文檔說明。
Python數據可視化
數據可視化的目的就是讓讀數據的人留下直觀而深刻的記憶，這也是數據分析過程中必備的技能，一方面方便自己和讀者發現數據的規律和關係，另一方面也是數據的一種展現方式。關於專門講Python可視化的書,在市面上並不多，這裏就跟大家分享一本我認爲非常棒的書吧：
《Python數據可視化編程實戰》：本書涵蓋了基本的統計圖形，如條形圖、餅圖、直方圖、箱線圖、面積圖、散點圖等，還講解了有關作圖的細節，如座標軸、刻度值、圖例的處理等，除此，還單獨將3D圖作爲一個章節進行講解。如果你想了解關於地圖的繪製，書中也有案例，只不過沒有提到中國地圖的繪製。
更多有關matplotlib模塊的內容學習，讀者可以查看官網的文檔說明。關於數據可視化的實現，除了matplotlib這個模塊，還有seaborn模塊、bokeh模塊、plotly模塊等，同樣你可以通過搜索關鍵詞，到其對應的官網查看更多的幫助文檔。
Python數據挖掘
數據挖掘部分相對而言要難一些，光實現數據挖掘的操作還不夠，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。對於一般常用的預測模型、分類模型和聚類模型都可以通過Python的sklearn模塊實現，所以實操不難。重要的是理論知識的掌握，這裏介紹幾本理論方面的書：
《數據挖掘導論》：非常適合數據挖掘入門，內容詳實，講解的條理也很清晰；
《數據挖掘概念與技術》：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，然後通過某些數據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，包含了很多算法的推理過程，如knn算法、貝葉斯算法、決策樹算法、支持向量機算法等，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，關於數學基礎大學裏學的高等數學、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。
再來推薦兩本使用Python進行數據挖掘實戰方面的書籍：
《Python數據挖掘入門與實踐》：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數據挖掘的實戰案例，如使用決策樹預測獲勝球隊、使用神經網絡破解驗證碼、使用k均值完成新聞語料的分類等等，基本是都是基於sklearn這個模塊來實現的；
《機器學習實戰》：這本書對讀者的編程技能要求比較高，幾乎所有的挖掘算法都是一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算法的理解，一遍講解算法，一遍通過基本的編程將算法進行重現；
結語
OK，關於個人學習Python的書籍推薦就分享到這裏，如果你需要上面的提及的書籍，我已經將電子版的整理好了，你只需關注“每天進步一點點2015”或“lsxxx2011”並回覆“Python書籍”就可獲得下載鏈接。
最後，我得通知大家，“每天進步一點點2015”這個名稱我將改成“數據分析1480”。主要出於兩個原因，一方面字太長，網友搜索起來比較不方便；另一方面1480這個數字涵蓋了“每天進步一點點”的含義，因爲它是1.01的365次方與0.99的365次方的比值。