读书万卷，学好Python

Python是一种开源的编程语言，可用于Web编程、数据科学、人工智能以及许多科学应用。学习Python可以让程序员专注于解决问题，而不是语法。由于Python相对较小，且拥有各式各样的工具，因此比Java和C++等语言更具优势，同时丰富的库赋予了Python完成各种伟大任务所需的能力。

下面是程序员和学生最常使用的一些Python工具：

IDLE

在安装Python时，默认也会安装IDLE。这是最优秀的Python工具之一。它可以降低Python入门的门槛。它的主要功能包括Python Shell窗口（交互式解释器）、自动补齐、高亮显示语法以及基本的集成调试器。IDLE轻巧易用，方便学习。但是，它不适用于大型项目。许多程序员都将其作为最佳的Python工具。

Scikit-learn

Scikit-learn是数据科学最常使用的Python工具之一。这是一款为机器学习和数据科学而设计的Python工具。该工具主要用于处理分类、回归、聚类、模型选择以及预处理等任务。scikit-Learn最出色的功能是在测试数据集上执行基准测试时，表现出的惊人速度。因此，对于程序员和学生来说，Scikit-learn是最优秀的Python工具之一。

Theano

Theano是一款数据科学的Python工具，对于程序员和学生而言，这是一款非常可靠的工具。它是深度学习方面最好的Python工具，因此非常适合深度学习。Theano的设计主旨是用户友好、模块化、易于扩展，而且可以与Python配合使用。它能够以最佳方式表达神经网络。Theano可以在TensorFlow和CNTK等流行的神经网络之上运行。

Selenium

Selenium是最佳的Python自动化工具之一。它适用于Python测试的自动化，常常用作Web应用程序的自动化框架。我们可以利用Selenium，通过许多编程语言（包括Java、C#、Python、ruby以及其他许多程序员和学生使用的语言）来编写测试脚本。你还可以在Selenium中集成Junit和TestNG等工具，来管理测试用例并生成报告。

在编程语言中， Python 长期稳居前五，不仅已经成为数据分析、人工智能领域必不可少的工具，还被越来越多地公司用于网站搭建。Python 方向岗位的薪水在水涨船高，成为目前最有潜力的编程语言之一。

Python 是一门新手友好、功能强大、高效灵活的编程语言，学会之后无论是想进入数据分析、人工智能、网站开发这些领域，还是希望掌握第一门编程语言，都可以用 Python 来开启无限未来的无限可能！

如果你只能选读一门编程语言，那么除了 Python，还是 Python。

假期是读书充电的绝好时期，下面给大家推荐一波Python书单……

一、Python基础教程（第2版 修订版）

编辑推荐

《Python基础教程（第2版·修订版）》是经典的Python入门教程，层次鲜明，结构严谨，内容翔实，特别是最后几章，作者将前面讲述的内容应用到10个引人入胜的项目中，并以模板的形式介绍了项目的开发过程，手把手教授Python开发，让读者从项目中领略Python的真正魅力。

《Python基础教程（第2版·修订版）》既适合初学者夯实基础，又能帮助Python程序员提升技能，即使是Python方面的技术专家，也能从书里找到耳目一新的内容。
书友如何评价

二、数据结构（Python语言描述）

编辑推荐

不管你是程序设计爱好者、计算机专业的学生还是一位专业程序员，本书都是你通过Python编程语言学习面向对象设计和数据结构的不错的入门教程。通过清晰的示例、按部就班的讲解以及众多实用的练习，本书教你通过Python理解并使用数据结构。

● 使用多态和继承来设计集合类；

● 集合接口的多个实现；

● 不同的集合实现的时间/空间代价分析。

三、Python核心编程 第3版

编辑推荐

想进一步提升Python编程水平？深入分析真实应用程序中使用的大量相关主题涵盖了正则表达式、Internet/网络编程、GUI、SQL/数据库/ORM、多线程、Web开发了解当前的开发区域，比如Google 、Twitter、MongoDB、OAuth、Python 3迁移、Java/Jython囊括有关Django、Google App Engine、CSV/JSON/XML和Microsoft Office的全新内容。包含Python 2和Python 3代码，以便立即可以使用提供了代码片段、互动案例和实用练习，旨在巩固Python技能。
书友如何评价

四、Python机器学习实践指南

编辑推荐

Python机器学习实践指南 适合的读者包括了解数据科学的Python程序员、数据科学家、架构师，以及想要构建完整的、基于Python的机器学习系统的人们。

通过阅读Python机器学习实践指南 ，你将能：

·了解Python机器学习的生态系统；

·了解如何执行线性回归；

·机器视觉概念的介绍；

·高级数据可视化技术；

如何使用第三方API，部署机器学习模型；

·时间序列的建模技术；

·如何构建无监督模型。

五、用Python写网络爬虫

编辑推荐

本书是为想要构建可靠的数据爬取解决方案的开发人员写作的，本书假定读者具有一定的Python编程经验。当然，具备其他编程语言开发经验的读者也可以阅读本书，并理解书中涉及的概念和原理。

六、Python高性能编程

编辑推荐

Python代码仅仅能够正确运行还不够，你需要让它运行得更快。通过探索设计决策背后的基础理论，本书帮助你更加深刻地理解Python的实现。你将学习如何找到性能瓶颈，以及如何在大数据量的程序中显著加快代码。 如何利用多核架构或集群的优点？如何构建一个在不损失可靠性的情况下具备可伸缩性的系统？

七、Python物理建模初学者指南

编辑推荐

本书旨在帮助Python 学习者掌握足够的Python编程技能以进行物理建模。全书分为8 章和5 个附录，包括Python 基础知识、数据结构与程序控制、 数据输入和输出、Python 高级知识和高级技术等，其中贯穿了三次不同方向和难度的物理建模上机实验。附录部分介绍了Python 的安装、错误消息、版本差异以及可供深入学习的话题。

本书适合Python 初学者阅读，尤其适合想要用Python 进行科学计算和物理建模的读者学习参考。

八、python编程 从入门到实践

编辑推荐

本书是一本针对所有层次的Python读者而作的Python入门书。全书分两部分：首部分介绍用Python 编程所必须了解的基本概念，包括matplotlib、NumPy和Pygal等强大的Python库和工具介绍，以及列表、字典、if语句、类、文件与异常、代码测试等内容；第二部分将理论付诸实践，讲解如何开发三个项目，包括简单的Python 2D游戏开发，如何利用数据生成交互式的信息图，以及创建和定制简单的Web应用，并帮读者解决常见编程问题和困惑。

九、NLTK基础教程

编辑推荐

NLTK 库是当前自然语言处理（NLP）领域zui为流行、使用zui为广泛的库之一， 同时Python语言经过一段时间的发展也已逐渐成为主流的编程语言之一。

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。

十、像计算机科学家一样思考Python 第2版

编辑推荐

本书的第2版与第1版相比，做了很多更新，将编程语言从Python 2升级成Python 3，并修改了很多示例和练习，增加了新的章节，更全面地介绍Python语言。

这是一本实用的学习指南，适合没有Python编程经验的程序员阅读，也适合高中或大学的学生、Python爱好者及需要了解编程基础的人阅读。对于首次接触程序设计的人来说，是一本不可多得的佳作。