这篇文章的书单内容是Python技术的核心内容，数据处理是Python最重要也最有优势的功能和应用场景，其他相关的用Python的场合和应用也是围绕着数据处理来进行的在当今互联网时代，大数据和人工智能是两大技术核心方向，而大数据处理中，Python有着重要的地位，是必备技能之一。
着主要得益于Python语言天然的优势，和在数据方面的组件的成熟度，Numpy和Pandas在数据方面的强大灵活方便的能力，以及在业界的广泛应用，使得一提到数据处理，数据分析，就会想到Python数据处理也分为三个层次：数据处理，数据分析和数据挖掘，层层深入，一般的大数据处理流程主要按照下面顺序进行，也是我们逐步学习大数据领域的前进路线和方向：
数据获取：主要是通过各种方法和渠道实现数据的采集抓取，搜集和汇总数据归集：数据归集就要用到数据处理功能，主要目的是将各种来源的格式不统一的数据进行格式规范化，便于后续存储和分析数据存储：由于一般互联网场景数据量非常大，所以对数据的有效存储成为大数据的一个关键环节，包括分布式存储和非关系数据库的存储方案。
数据分析：经过归一化处理后的数据，可以拿来进行各种维度的分析，从而得到我们需要的各种统计形数据，并可视化的展现，指导后续的运营和优化数据挖掘：更深层次的就需要进行数据挖掘，通过AI算法，包括现在主流使用的机器学习，深度学习的算法，智能的挖掘出纷繁复杂的数据中蕴藏的价值的东西，这是最有意义的，包括用户行为习惯，语义理解，视觉理解等，以更加智能化的为用户提供深层次的体验，也包括商业智能也就是BI部分，挖掘商业规律，形成模型，以指导商业化运作等各个方面。
好了，先说这么多，下面还是先来学习步骤：Python数据处理（分析）=》Python可视化=》Python数据挖掘和机器学习一、Python数据处理这部分书籍主要包括基本的Python进行数据处理和数据分析的内容，让大家掌握数据处理的常规操作，熟练使用Numpy，Pandas等各种组件，并能够进行实际灵活应用。
1. Python数据处理
（声明：本图及以下图片来源于京东截图，如有侵权请联系作者删除）2. Python数据分析基础
3. 用Python进行数据分析
这几本都是OReilly的经典，可以选择性必备4. 图灵数据科学套装3册：数据科学入门 第2版+数据科学实战+Python数据科学手册
再来个套装，从数据处理，数据分析，上升到数据科学的进阶，可以说相对完美了二、Python数据可视化数据分析，除了处理和统计数据，还有个方面要能够呈现数据统计结果，这样才能方便的看到统计的意义和效果1. 《Python数据可视化编程实战》 第2版
2. Python数据可视化之美：专业图表绘制指南
看两本基本就够了三、数据挖掘和机器学习这部分是重头戏，相对需要的知识更深入，理论知识要求也更高，涉及到人工智能和算法的内容，不过这里先注重用Python的现成框架来完成实践，让大家先用起来，后续再慢慢学习理论知识。
1. Python商业数据挖掘（第6版）
先来个数据挖掘较为全面的知识讲解。2. Python数据挖掘与机器学习实战
开始涉及机器学习内容。3. Python机器学习基础教程
现来学习下Python进行机器学习编程的基础。4. Python机器学习手册：从数据预处理到深度学习
来个学习手册，便于随时查阅和学习，接触深度学习内容。5. Python机器学习（原书第3版）
Python机器学习全面知识的经典教材，掌握各种机器学习知识，推荐。6. Python深度学习
这个系列一直推荐，谷歌大神执笔，专注深度学习深度学习理论较为难些，但是现在也开始广泛的使用几个主流框架也都非常的完善和成熟，先拿来用是必须要掌握的，除了著名的TensorFlow，也包括针对Python的scikit-learn，PyTorch框架，分别介绍相关书籍，大家可以根据自己想要学习和掌握的框架方向来选择。
7. scikit-learn机器学习（第2版）
8. Python机器学习+PyTorch深度学习实战
9. Python+Tensorflow机器学习实战
最后来个综合的：10. Python深度学习（第2版）
掌握了数据处理和挖掘的基础，接下来就可以进入到实战的各个实际应用领域，可能实操反而更简单些，下一篇文章再介绍。更多最新原创书单，欢迎关注同名微信公众号：IT博士技术人生
发表评论:
◎欢迎参与讨论，请在这里发表您的看法、交流您的观点。