关注微信公众号“资料在线”，后台回复“礼物”、“python新书单”有惊喜！

新年过后，开工已经一周了，你还记得许下的新年愿望吗？（点击查看：那些年，程序员立下过的flag……）是时候开始为新一年的愿望做打算了。

毕竟，新年的仪式感，“立flag”当属其一。今天小编带来了一份Python书单，现在列入计划还来得及。虽然年末的时候，对于这些新年愿望，很有可能变成大型“真香”现场。但flag还是要立的，万一实现了呢？

《Python 算法教程》

作者：[挪威]赫特兰（Magnus Lie Hetland）

Python是一种面向对象、解释型计算机程序设计语言，其应用领域非常广泛，包括数据分析、自然语言处理、机器学习、科学计算以及推荐系统构建等。

本书用Python语言来讲解算法的分析和设计。本书主要关注经典的算法，但同时会为读者理解基本算法问题和解决问题打下很好的基础。全书共11章。分别介绍了树、图、计数问题、归纳递归、遍历、分解合并、贪心算法、复杂依赖、Dijkstra算法、匹配切割问题以及困难问题及其稀释等内容。本书在每一章结束的时候均有练习题和参考资料，这为读者的自我检查以及进一步学习提供了较多的便利。在全书的结尾，给出了练习题的提示，方便读者进行查漏补缺。

本书概念和知识点讲解清晰，语言简洁。本书适合对Python算法感兴趣的初中级用户阅读和自学，也适合高等院校的计算机系学生作为参考教材来阅读。

《Python 数据分析》

作者：[印尼]Ivan Idris 伊德里斯

本书是一本介绍如何用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、matplotlib和pandas开始，陆续介绍了数据加工、数据处理和数据可视化等内容。同时，本书还介绍了信号处理、数据库、文本分析、机器学习、互操作性和性能优化等高 级主题。在本书的结尾，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。

本书示例丰富、简单易懂，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。

《贝叶斯思维 统计建模的Python学习法》

作者：[美]Allen B.Downey 

这本书帮助那些希望用数学工具解决实际问题的人们，仅有的要求可能就是懂一点概率知识和程序设计。而贝叶斯方法是一种常见的利用概率学知识去解决不确定性问题的数学方法，对于一个计算机专业的人士，应当熟悉其应用在诸如机器翻译，语音识别，垃圾邮件检测等常见的计算机问题领域。

本书在共计15章的篇幅中讨论了怎样解决十几个现实生活中的实际问题。在这些问题的解决过程中，作者还潜移默化的帮助读者形成了建模决策的方法论，建模误差和数值误差怎么取舍，怎样为具体问题建立数学模型，如何抓住问题中的主要矛盾（模型中的关键参数），再一步一步的优化或者验证模型的有效性或者局限性。在这个意义上，这本书又是一本关于数学建模的成功样本。

《Python 数据分析》 第2版

作者：[美]阿曼多·凡丹戈（Armando Fandango）

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。

《Python神经网络编程》

作者：[英]塔里克·拉希德（Tariq Rashid）

本书首先从简单的思路着手，详细介绍了理解神经网络如何工作所必须的基础知识。第一部分介绍基本的思路，包括神经网络底层的数学知识，第2部分是实践，介绍了学习Python编程的流行和轻松的方法，从而逐渐使用该语言构建神经网络，以能够识别人类手写的字母，特别是让其像专家所开发的网络那样地工作。第3部分是扩展，介绍如何将神经网络的性能提升到工业应用的层级，甚至让其在Raspberry Pi上工作。

《精通python自然语言处理》

作者：[印度] Deepti Chopra, Nisheeth Joshi, Iti 

本书是学习自然语言处理的一本综合学习指南，介绍了如何用Python实现各种NLP任务，以帮助读者创建基于真实生活应用的项目。全书共10章，分别涉及字符串操作、统计语言建模、形态学、词性标注、语法解析、语义分析、情感分析、信息检索、语篇分析和NLP系统评估等主题。

本书适合熟悉Python语言并对自然语言处理开发有一定了解和兴趣的读者阅读参考。

《Python自然语言处理》

作者：[美]Steven Bird　Ewan Klein　Edward Loper 

本书基于Python编程语言以及一个名为NLTK的自然语言工具包的开源库，但并不要求读者有Python编程的经验。全书共11章，按照难易程度顺序编排。第 1章到第3章介绍了语言处理的基础，讲述如何使用小的Python程序分析感兴趣的文本信息。第4章讨论结构化程序设计，以巩固前面几章中介绍的编程要点。第5章到第7章介绍语言处理的基本原理，包括标注、分类和信息提取等。第8章到第 10章介绍了句子解析、句法结构识别和句意表达方法。第 11章介绍了如何有效管理语言数据。后记部分简要讨论了NLP领域的过去和未来。

本书的实践性很强，包括上百个实际可用的例子和分级练习。本书可供读者用于自学，也可以作为自然语言处理或计算语言学课程的教科书，还可以作为人工智能、文本挖掘、语料库语言学等课程的补充读物。

《Python深度学习》

作者：[英] 尼格尔·刘易斯（N.D. Lewis） 

本书是使用Python 进行深度学习实践的一本初学指南。本书并未罗列大量的公式，而是通过一些实用的实际案例，以简单直白的方式介绍深度神经网络的两项任务——分类和回归，解析深度学习模型中的一些核心问题，以期让读者对深度学习的全貌有一个清晰的认识。

本书共9 章，分别介绍了深度学习基础理论、神经网络基础知识、构建定制化深度预测模型、性能提升技术、二元分类的神经网络应用等内容，并借助Python 语言对基本算法和实现模型进行了探索。

本书适合期望用较短时间在深度神经网络领域初试牛刀的读者，也适合深度学习的初学者以及业内人士参考。

《Python 金融实战》

作者：[美] Yuxing Yan 严玉星

本书通过12章内容介绍了Python在金融领域的应用，从Python的安装、基础语法，再到一系列简单的编程示例，本书循序渐进地引导读者学习Python。同时，本书还结合Python的各个模块以及金融领域中的期权价格、金融图形绘制、时间序列、期权定价模型、期权定价等内容，深度揭示了Python在金融行业中的应用技巧。

本书适合金融、会计等相关专业的高校师生阅读，也适合金融领域的研究人员和从业人员参考学习。对于有一定计算机编程基础，但想要从事金融行业的读者，本书也是不错的参考用书。

《Python金融大数据分析》

作者：[德]伊夫·希尔皮斯科（Yves Hilpisch）

本书总计分为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。

本书适合对使用Python进行大数据分析、处理感兴趣的金融行业开发人员阅读。

《Python贝叶斯分析》

作者：[阿根廷] Osvaldo Martin（奥斯瓦尔多·马丁）

本书从务实和编程的角度讲解了贝叶斯统计中的主要概念，并介绍了如何使 用流行的 PyMC3 来构建概率模型。阅读本书，读者将掌握实现、检查和扩展贝 叶斯统计模型，从而提升解决一系列数据分析问题的能力。本书不要求读者有任 何统计学方面的基础，但需要读者有使用 Python 编程方面的经验。

《树莓派Python编程入门与实战》（第2版）

作者：[美] Richard Blum 勃鲁姆, Christine Bresnahan 布莱斯纳罕  

本书共分7个部分。前6个部分介绍了树莓派编程环境、Python编程基础、高 级Python知识、图形化编程、业务编程和树莓派Python项目；第7部分通过附录介绍了如何将Raspbian加载到SD卡上，并介绍了树莓派的各种版本和型号。

本书适合对Python编程感兴趣的读者和树莓派爱好者，也适合想要基于低成本Linux平台开发应用的用户。

《NLTK基础教程 用NLTK和Python库构建机器学习应用》

作者：[印度] Nitin Hardeniya  哈登尼亚

本书主要介绍如何通过NLTK库与一些Python库的结合从而实现复杂的NLP任务和机器学习应用。全书共分为10章。第 1章对NLP进行了简单介绍。第 2章、第3章和第4章主要介绍一些通用的预处理技术、专属于NLP领域的预处理技术以及命名实体识别技术等。第5章之后的内容侧重于介绍如何构建一些NLP应用，涉及文本分类、数据科学和数据处理、社交媒体挖掘和大规模文本挖掘等方面。

本书适合 NLP 和机器学习领域的爱好者、对文本处理感兴趣的读者、想要快速学习NLTK的zishenPython程序员以及机器学习领域的研究人员阅读。

《Python机器学习实践指南》

作者：[美] Alexander T. Combs

本书共有10 章。第 1 章讲解了Python 机器学习的生态系统，剩余9 章介绍了众多与机器学习相关的算法，包括各类分类算法、数据可视化技术、推荐引擎等，主要包括机器学习在公寓、机票、IPO 市场、新闻源、内容推广、股票市场、图像、聊天机器人和推荐引擎等方面的应用。

本书适合Python 程序员、数据分析人员、对算法感兴趣的读者、机器学习领域的从业人员及科研人员阅读。

《Python机器学习 预测分析核心算法》

作者：[美] Michael Bowles（鲍尔斯）

本书专注于两类核心的“算法族”，即惩罚线性回归和集成方法，并通过代码实例来展示所讨论的算法的使用原则。

全书共分为7 章，详细讨论了预测模型的两类核心算法、预测模型的构建、惩罚线性回归和集成方法的具体应用和实现。

本书主要针对想提高机器学习技能的Python 开发人员，帮助他们解决某一特定的项目或是提升相关的技能。

《Selenium自动化测试 基于Python 语言》

作者：[印度]冈迪察.U（Unmesh Gundecha ）

本书主要内容为：基于Python 的 Selenium WebDriver 入门知识、Selenium Python脚本、使用unittest 编写单元测试、生成HTML格式的测试报告、元素定位、Selenium Python API 介绍、元素等待机制、跨浏览器测试、移动端测试、编写一个iOS测试脚本、编写一个Android测试脚本、Page Object与数据驱动测试、Selenium WebDriver的特性、第三方工具与框架集成等核心技术。

本书适合任何软件测试人员阅读，也适合作为大专院校师生的学习用书和培训学校的教材。

《Python密码学编程》

作者：[美] Al Sweigart 斯维加特 

本书通过理论和实例相结合的方式介绍了多种加密算法。全书共分24章，由浅入深地介绍了与密码学编程相关的各类基础知识、编程技巧以及算法实现。除此之外，本书还提供了相应的源码下载资源，以供读者更好地进行探索和学习。

本书适合Python初学者和密码学的初学者，也适合信息安全从业人员。

《用python写网络爬虫》

作者：[德]凯瑟琳 雅姆尔（Katharine Jarmul）[澳]理查德 劳森（Richard Lawson）

本书讲解了如何使用Python来编写网络爬虫程序，内容包括网络爬虫简介，从页面中抓取数据的3种方法，提取缓存中的数据，使用多个线程和进程进行并发抓取，抓取动态页面中的内容，与表单进行交互，处理页面中的验证码问题，以及使用Scarpy和Portia进行数据抓取，并在最后介绍了使用本书讲解的数据抓取技术对几个真实的网站进行抓取的实例，旨在帮助读者活学活用书中介绍的技术。

本书适合有一定Python编程经验而且对爬虫技术感兴趣的读者阅读。

《精通python爬虫框架Scrapy》

作者：[美]迪米特里奥斯 考奇斯-劳卡斯（Dimitrios Kouzis-Loukas）

本书共11章，其内容涵盖了Scrapy基础知识，理解HTML和XPath，安装Scrapy并爬取一个网站，使用爬虫填充数据库并输出到移动应用中，爬虫的强大功能，将爬虫部署到Scrapinghub云服务器，Scrapy的配置与管理，Scrapy编程，管道秘诀，理解Scrapy性能，使用Scrapyd与实时分析进行分布式爬取。本书附录还提供了各种软件的安装与故障排除等内容。

本书适合软件开发人员、数据科学家，以及对自然语言处理和机器学习感兴趣的人阅读。

《基于ArcGIS的Python编程秘笈》第2版

作者：[美]Eric Pimpler 派普勒 

本书将介绍如何使用Python来创建桌面ArcGIS环境下的地理处理脚本、管理地图文档和图层、查找和修复丢失的数据链接、编辑要素类和表中的数据等，以期能够提高 GIS开发人员的工作效率。

本书内容结构清晰，示例完整，不仅适合从事GIS开发的专业人士，而且适合那些有兴趣接触或从事Python编程的读者。

《Python地理空间分析指南 》第2版

作者：[美]Joel Lawhead 莱哈德

本书以地理空间分析为背景，介绍了Python在地理信息处理方面的应用技巧。全书共分为10章，分别介绍了Python与地理空间分析、地理空间数据、地理空间技术、Python的地理空间分析工具、Python与地理信息系统、Python与遥感、Python与高程数据、Python与地理空间高 级建模、实时数据、综合应用等内容。

本书内容结构清晰，示例完整，适合希望了解测绘数字化和分析的读者，也适合想使用Python进行空间地理分析、建模和GIS分析的开发人员及研究人员参考阅读。

《面向ArcGIS的Python脚本编程》

作者：[美]Paul A. Zandbergen 

本书是一本专门针对ArcGIS编程的Python参考书，以基础理论结合GIS开发实例的方式，详细介绍了Python在ArcGIS开发中的基本应用和相关技巧，全书分为4个部分。第一部分主要介绍ArcGIS for Desktop中地理处理的基本原理以及Python语言的基础知识；第二部分主要介绍如何编写一个处理空间数据的脚本；第三部分主要介绍一系列具体的操作，例如编写制图脚本、调试和错误处理以及创建Python类和函数；第四部分主要介绍如何将脚本创建成一个工具并与其他人共享。每一章都附带相应的练习内容，帮助读者在学习和练习之间得到更多的实践。
本书内容结构清晰，示例完整，不仅适合于从事GIS开发的专业人士，而且适合那些有兴趣接触或从事Python编程的读者。

《Python游戏编程快速上手 》第4版

作者：[美]Al Sweigart（斯维加特）

本书通过编写一个个小巧、有趣的游戏来教授Python编程，并且采用直接展示游戏的源代码并通过实例来解释编程的原理的方式。全书共21章，12个游戏程序和示例贯穿其中，介绍了Python基础知识、数据类型、函数、流程控制、程序调试、流程图设计、字符串操作、列表和字典、笛卡尔坐标系、密码学基础、游戏AI模拟、动画图形、碰撞检测、声音和图像等方方面面的程序设计知识。本书可以帮助读者在轻松有趣的过程中，掌握Python游戏编程的基本技能。 本书适合不同年龄和层次的Python编程初学者阅读。

《Python游戏编程快速上手》

作者：[美] Al Sweigart  斯维加特 

本书通过编写一个个小巧、有趣的游戏来教授Python编程，并且采用直接展示了游戏的源代码，通过实例来解释编程的原理的方式。全书共21章，14个游戏程序和示例贯穿其中，介绍了Python基础知识、数据类型、函数、流程控制、程序调试、流程图设计、字符串操作、列表和字典、图形和动画、碰撞检测、声音和图像等方方面面的程序设计知识。本书可以帮助读者在轻松有趣的过程中，掌握Python游戏编程的基本技能。

本书适合不同年龄和层次的Python编程初学者阅读。

《Python和Pygame游戏开发指南》

作者：[美] Al Sweigart 斯维加特 

Python语言和Pygame都是开发图形化的计算机游戏的得力工具。

Pygame使得开发2D图形程序变得很容易，而且它可以免费下载和安装使用。 

本书是一本中级编程图书。教你如何用Python语言和Pygame库，来编写图形化的计算机游戏。本书共包括10章。本书首先从Python和Pygame基础知识开始，简短地介绍了Pygame库是如何工作的，以及它提供了哪些功能。然后，结合7款不同的游戏实例的开发过程，详细介绍了应用的技能和技巧。本书针对一些真实的游戏给出了完整的源代码，并且详细说明了这些代码如何工作，以便你能够理解真正的游戏是如何使用Pygame的。 

《Python游戏编程入门》

作者：[美] Jonathan S.Harbour

本书教授用Python开发精彩游戏所需的**为重要的该你那。本书不只是介绍游戏编程概念的相关内容，还深入到复杂的主题。全书共14章，依次介绍了使用Pygame、文件I/O、用户输入、数学和图形编程、位图图形、精灵动画、冲突检测、数组、计时和声音、编程逻辑、三角函数、随机地形、角色扮演游戏等重要概念。每章通过一个示例游戏来展示这些知识和工具的实际应用。本书既可以帮助读者掌握相关概念来构建较为复杂的游戏，甚到进行较为复杂的Python编程。

本书内容浅显易懂，示例轻松活泼，适合Python初学者阅读，尤其适合想要掌握Python游戏编程的读者学习参考。

《Python物理学高效计算》

作者：[美]安东尼·斯科普斯（Anthony Scopatz） 

凯瑟琳·赫夫（Kathryn D. Huff）

许多物理学家在研究工作中还要扮演软件开发人员的角色。但即使对于物理学家来说，也不是所有的软件开发任务都很简单。本书是一本实践指南，介绍了软件开发的许多基本技能，能够帮助读者自动化地完成物理领域几乎所有方面的研究。本书由两位核工程博士编写，书中包含了物理领域的许多实际案例。通过阅读本书，读者会学到如何用Python编程语言收集、分析数据，构建软件，发布结果等技能。

 本书适合想要通过Python减少工作量的物理学领域的研究人员阅读，也适合想要学习如何通过Python编程解决物理问题的读者参考。

《Python物理建模初学者指南》

作者：[美]Jesse M.Kinder [美] Philip Nelson

本书的目的在于为Python学习者提供帮助，使他们可以通过自学掌握足以开展物理建模工作的编程技能，包括设置开源Python的编程环境，以及使用Python完成一些常见的科学运算任务，例如数据的导入和导出、数据的可视化、数值分析和模拟等。本书无需读者具备任何的编程经验。

本文节选自异步，希望对大家学习有帮助。