利用python进行数据分析哪本书好点?

【这是一个耗时两个多月整理出来的书单————里面提到的书籍，大部分我都认真翻看过。大家觉得有用的话，记得点赞收藏噢~方便下次买书的时候，查看参考啊】

【以及有人私信问我数据基础方面的书籍，所以我在在文末加上用Python学编程算法、高数、线代和统计学相关书籍推荐】

【2021.9.23 更新】

再啰嗦一句：自学这件事情，就是不停地和挫败感打交道。当学到迷茫学不动的时候，不妨歇一歇，调整一下心态，而后继续上路。在挫败中坚持，在迷茫中进步。好了，又是继续战斗的一天！

首先，明确学习目标--用Python来做数据分析很重要！作为目前的全球第一编程语言，Python几乎无所不能，从软件开发、Web开发、数据库开发、系统开发，到游戏开发，网络爬虫，再到让Python傲视群雄的机器学习。不同的学习目标，当然就对应着不同的学习路径。

说到数据分析，R语言其实之前一直走在Python的前面。R语言约等于统计学，说它是第一统计语言一点都不为过。然后呢随着机器学习的火爆，Python开始深入数据处理的各个领域，相继开发出了有划时代意义的NumPy（矩阵运算）、pandas（数据框数据整理）、matplotlib（画图）、seaborn（高级画图）、statsmodels（回归及其他计量分析）等数据处理包。再结合如日中天的sciki-learn（机器学习综合包）、keras（神经网络包）、TensorFlow（深度学习，Google推出）和PyTorch（深度学习，Facebook推出）包，Python即使在统计和数据分析这一领域，也大有取代R语言之势。不过话说回来，Python的各种数据分析包开发时公开借鉴了很多R、MATLIB、SAS和Stata等统计软件，尤其是R（毕竟人家是开源统计之王）。

换句话说，学习数据分析，其实就是一个学习使用各种包的过程。

接下来，就根据本人多年的自学经验，给大家分享学习过程中遇到的那些可以让我们少走弯路的经典书籍。介绍的时候，我通常会先推荐一本歪国人写的书，再对应一本国人写的书。国人写的书，坦白说相对没那么前沿那么高逼格，但是好处是可以帮我们学得飞快啊~~

好了说了那么多，开始上书（给出的链接默认是京东自营）。下面是后面部分内容的一个简单目录。

点评：这两本书，全面细致地介绍了一些Python的基础元素。从Python下载安装、开发环境搭建，到Python数据类型、循环，再到数据分析、游戏开发、爬虫和机器学习，都有简单涉及。但是，坦白说，这两本书的作用有限，只能帮助我们入门。想要掌握Python数据分析技能，我们还要继续往前。

Btw，这本国产入门圣经《零基础学Python（全彩版）Python3.8 全新升级》在豆瓣居然没有评分。不过呢，不妨碍人家京东自营销量第二啊~~至于第一是谁？还能是谁——那自然是上面老歪写的那本入门圣经咯。

下面这本封面是个松鼠的书，是pandas的“官方指定教材”。

点评：首先，这书的作者就是pandas的开发者McKinney大神呃。然后，这里第二版是基于Python3.6，豆瓣评分掉了一些（8.1分）。基于Python 2.7的第一版实在经典，拿下8.6分。

点评：又是一本JD 派森数据分析排前二的神书。还是那个老故事，老歪写的销量第一，国人写的排第二。这个书除了介绍pandas，还介绍了NumPy、matplotlib、seaborn以及sciki-learn。它还自带大量的项目，手把手带你在数据分析的高速路上狂奔！坦白说，如果只给你一本书，要求你一周学会用Py做数据分析，那么，忘了那些老歪大神吧，除了国产圣经你还真别无选择~！

年轻人你只要刷一遍书上的的案例和代码，Python数据分析啪一下你就入门了，很快的。

不过也要注意，单参考一本书可能你的知识体系会比较粗略。就像即使是官方的手册，同样不可能面面俱到。第三方的书籍，提供的学习要点，也可能更利于学习。所以对于想快速入门的同学，建议和Wes大神那本一起搭配服用，疗效更好。

点评：这本书真的很基础，写的也很好，但是不明白为什么豆瓣评分不高（6.9分，当然也不算低）。里面除了Python的语言基础之外，还介绍了如何处理CSV、Excel和SQL数据源，画图和回归建模基础和高级数据结构等。总的来说，该书的特色是CSV、Excel和SQL相关操作讲得比较细致全面。

坦白，刚才上面那本书已经可以算成综合Python数据分析介绍的书籍了。接下来，我们还会继续介绍更加综合、细致的牛书。

点评：豆瓣9.3分已经说明一切，9.3也是这次书单中的豆瓣最高分。该书足以和我们介绍的第一本Python入门圣经媲美的神书。此书不仅介绍了NumPy、pandas、matplotlib等等，还在后面补充了Sciki-Learn（目前全世界最主流的机器学习包没有之一）的入门介绍，而且写得相当友好，比干巴巴的官方文档容易理解很多！

下面这个书最大的特别是基础而细致。当我们遇到一些技术细节问题的时候，有时候百度Google未必都能找到思路的时候，翻翻这种工具书也会找到你想要的答案。

点评：这个书只有在编程到一定水平以后才可能用得着。它具体涵盖文本、数据结构、算法、网络通信、互联网、并发、模块工具等。是一本帮你知其然还“知其所以然”的好书。

豆瓣显示的是第一版的评分。链接里面给的是最新的第二版（2019年4月）。

点评：作为金融科技专业背景的我，每次看到这本书都要叹上几口气。老子当年在北大读硕士那会，怎么就没人和我提过这本书？？？要立志成为一名合格的金融科技民工，没有这个指南，所以我这后来不就迷失人生方向了嘛==！所以后来再次遇到这本书的时候，就毫不犹豫把它买了下来。还不忘每天晚上睡觉时放枕头底下，让我重温自己的金融老梦。

另外，这个书的作者是Python Quants的创始人希尔皮斯科，量化交易方面的风云人物。

内容简介：这个书，讲了Py的基础和核心知识，讲了NumPy、pandas，金融统计和机器学习。针对金融，讲了随机过程、期权定价等等。最重要的是，讲了金融科技里面的算法交易、交易策略和自动化交易、金融模型模拟等等。

点评：国产版嘛，还是那个味。就是案例多，易上手，方便照猫画虎。可以作为上面那本的有效补充。

Excel大家知道吧，就是那个频繁出现在Python广告中的反面例子——“Excle加班熬夜搞通宵，几万个操作做不完。。。Python 两分钟3行代码轻轻松松搞定”之类。其实Excel这个软件，当然很重要很强大啊~多重要多强大？好吧，实在难以描述 undepictable。

反正，Excel是一个大家都多少多少会的软件。不管什么软件，都是为了处理数据，而已。那如果我们在用Python搞数据的时候，可以和Excel一起对比着学，那岂不是更加容易触类旁通举一反三？事实上作者本人就经常这么干。我不仅Excel一起学，还经常拉上Stata和R，和Python愉快地玩耍。

点评：Stata是经管界的通用语言，也是我用来跑计量模型发经济学论文的主力工具。然后呢，使用经验那肯定也很丰富。这里要是让我推荐唯一一本的话，当然就它了。这个书也是Stata官网中推荐的入门书籍之一。可能有读者看到了，那书用的Stata 12呢？好吧，本人学这本书时候用的13，目前用15.1和16.1，但是啊，也没明显发现上面的知识过时。为啥？因为介绍的都是很基础的东西。就像目前Stata很多官方视频，依然用的Stata 12 进行演示。

点评：豆瓣8.9分，还有什么好说的？这个书都被我给翻烂了，因为当年为了写一门金融数据分析课作业，经常写到想吐血。简单说来就四个字：入门最佳。

关于编程工具Python、JAVA、C、C++和VB等对比，不知道大家有没有看过那个搞笑的鬼畜视频。大概就是Python亮出它的招牌工具爬虫的时候，就成功爬到老二的位置。老大嘛，自然还是JAVA。不过时至今日，Python还有新的招牌机器学习，直接就翻越JAVA，成为编程界霸主。好了，回到爬虫。爬虫嘛，就是一个数据获取的重要工具，是Python数据分析的一个独立模块（初学者可以完全可以先放一边，后面再学）。当然数据爬回来之后的清洗整理工作，还是得交给前面咱们提到的NumPy和pandas的。

点评：爬虫算是数据处理的一个专门模块，想要学会可能需要了解一些HTML/CSS/JAVA Script的基础知识。好好看完这两本书，多照着国产那本的项目跑几遍，自己尝试一些小项目。如此下来，相比爬虫这一神器也能用起来了~！

机器学习和数据分析有关嘛？那当然有关咯。不管你是数据科学专业出身，还是经济管理计量领域，或是金融科技量化交易方面，机器学习都将是你站上时代潮头的最重要工具。

以及传说中的西瓜书，机器学习中的明星书籍。对于想系统学习机器学习的同学，除了刷吴恩达的视频和公开课，另外一个流行的做法就是刷周志华老师的西瓜书。它也是机器学习方面京东自营销量长期排第一的书籍（国人写的书拿第一啊，不容易~！）

B站有粉丝开有专门带大家一起刷西瓜书的视频专辑：

附：吴恩达在B站的机器学习视频：

给小白的彩蛋来咯~！

点评：连最基础的那些常见的希腊字母都给你解释怎么读，什么意思；给你解释ln函数啥意思。你还不满足嘛？如果你对机器学习充满好奇，又担心自己数序基础太差或者没有，那买这个书就对了。看完之后，你即使自己不会机器学习建模，但是大概看明白那些酷炫的算法还是没有问题滴。看完之后，你可能会产生一种错觉——所谓的高深统计学习模型，也不过如此嘛~~！

下面基本是关于深度学习的。深度学习是机器学习的尖端部分，在有了一定的Python编程和机器学习算法基础之后，我们可以深入学习

点评：作者是Keras之父，TensorFlow主要作者。目前任职谷歌。

深度学习的压轴神书，GAN发明人Ian Goodfellow的新锐制作。机器学习领域风靡美中的明星作品。豆瓣8.3分，京东机器学习深度学习自营销量第一。

写在最后：不知道大家有没有发现。这几本在JD上销量前几的国产神书，大都是同一个国内叫明日科技的出版社出版出的；国外在主要来源于O'REILLY出版社（动物封面）。只能说，这2个出版社做到这个水平，那也是Python书籍出版界的领袖了吧。

对于偏文专业背景等数序基础薄弱的同学，如果想自学数学的话，主要要学的是微积分（也叫高等代数）、线性代数（机器学习必用）和统计学（包括概率论）。说到数学，那相关的好书也就太多了。而数学这个领域，那简直就是人类知识体系里面最强大最抽象的一块，因此也是最难的一块。所以如果直接上来抱着数学书就啃的话，估计大多数人都遇上满满的挫败感，然后没入门就放弃了。

然而，既然我们都开始用Python了，何不用Python来学数学？当那些繁杂的公式变成一行行工整的代码，当一行行算法解出了复杂的方程，那想必也是一帆激动人心的景象。而且，在这个过程中，我们的Python的写代码能力也会逐步提升，尤其是处理数学模型方面~！

如果想成为真正的Python编程高手，自如地运用Python进行数据分析、可视化、大数据挖掘、机器学习建模，那么核心的算法将无可或缺。

对于非计算机的同学，推荐学习基础的Python编程算法即可，比如查找、排序算法等。

下面推荐几本对新手比较友好的、用Python实现的算法参考书。

点评：明日科技Python系列的数据，从基础入门、pandas数据分析、爬虫，到可视化和算法，都出版了对应的新手入门神书。这本书，最大的优点在于可以帮助新手光速入门Python算法。

建议书拿到手快速的过一遍，把上面的算法代码自己敲一遍，逐一实现出来。这样，编程算法的感觉就有了。

然后再通过其它书籍继续学习算法，或者通过自己尝试独立编写算法解决实际问题来提高自己的算法水平。

点评：这本书在计算机专业面试刷题时候的用得很多，圈内人士口碑相当好。顺便也可以大概了解其他两种主流编程语言的风格。

如果想成为

另外，针对Python的画图和可视化，即matplotlib、pandas和seaborn等画图包使用相关的经典书籍介绍，大家可以查看我吐血整理的另一个书单：

更多Python、R语言和Stata数据分析的学习分享，也可以查看我的个人主页：

自学贵在坚持~共勉！！！

以上。